--- read_when: - Chcesz używać modeli Google Gemini z OpenClaw - Potrzebujesz klucza API lub przepływu uwierzytelniania OAuth summary: Konfiguracja Google Gemini (klucz API + OAuth, generowanie obrazów, rozumienie multimediów, TTS, wyszukiwanie w sieci) title: Google (Gemini) x-i18n: generated_at: "2026-05-11T20:36:16Z" model: gpt-5.5 provider: openai source_hash: 740ff99392d352e8c0f479af6002c52195b0c40e3ef688289d27dec583174847 source_path: providers/google.md workflow: 16 --- Plugin Google zapewnia dostęp do modeli Gemini przez Google AI Studio, a także generowanie obrazów, rozumienie multimediów (obraz/audio/wideo), zamianę tekstu na mowę oraz wyszukiwanie w sieci przez Gemini Grounding. - Dostawca: `google` - Uwierzytelnianie: `GEMINI_API_KEY` lub `GOOGLE_API_KEY` - API: Google Gemini API - Opcja środowiska uruchomieniowego: provider/model `agentRuntime.id: "google-gemini-cli"` ponownie używa OAuth z Gemini CLI, zachowując kanoniczne odwołania do modeli jako `google/*`. ## Pierwsze kroki Wybierz preferowaną metodę uwierzytelniania i wykonaj kroki konfiguracji. **Najlepsze do:** standardowego dostępu do Gemini API przez Google AI Studio. ```bash openclaw onboard --auth-choice gemini-api-key ``` Albo przekaż klucz bezpośrednio: ```bash openclaw onboard --non-interactive \ --mode local \ --auth-choice gemini-api-key \ --gemini-api-key "$GEMINI_API_KEY" ``` ```json5 { agents: { defaults: { model: { primary: "google/gemini-3.1-pro-preview" }, }, }, } ``` ```bash openclaw models list --provider google ``` Zmienne środowiskowe `GEMINI_API_KEY` i `GOOGLE_API_KEY` są obsługiwane. Użyj tej, którą masz już skonfigurowaną. **Najlepsze do:** ponownego użycia istniejącego logowania Gemini CLI przez PKCE OAuth zamiast osobnego klucza API. Dostawca `google-gemini-cli` jest nieoficjalną integracją. Niektórzy użytkownicy zgłaszają ograniczenia konta przy używaniu OAuth w ten sposób. Używasz na własne ryzyko. Lokalne polecenie `gemini` musi być dostępne w `PATH`. ```bash # Homebrew brew install gemini-cli # or npm npm install -g @google/gemini-cli ``` OpenClaw obsługuje zarówno instalacje Homebrew, jak i globalne instalacje npm, w tym typowe układy Windows/npm. ```bash openclaw models auth login --provider google-gemini-cli --set-default ``` ```bash openclaw models list --provider google ``` - Model domyślny: `google/gemini-3.1-pro-preview` - Środowisko uruchomieniowe: `google-gemini-cli` - Alias: `gemini-cli` Identyfikator modelu Gemini 3.1 Pro w Gemini API to `gemini-3.1-pro-preview`. OpenClaw akceptuje krótszy `google/gemini-3.1-pro` jako wygodny alias i normalizuje go przed wywołaniami dostawcy. **Zmienne środowiskowe:** - `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` - `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` (Albo warianty `GEMINI_CLI_*`.) Jeśli żądania OAuth Gemini CLI kończą się niepowodzeniem po zalogowaniu, ustaw `GOOGLE_CLOUD_PROJECT` lub `GOOGLE_CLOUD_PROJECT_ID` na hoście Gateway i spróbuj ponownie. Jeśli logowanie nie powiedzie się przed rozpoczęciem przepływu w przeglądarce, upewnij się, że lokalne polecenie `gemini` jest zainstalowane i dostępne w `PATH`. Odwołania do modeli `google-gemini-cli/*` są starszymi aliasami zgodności. Nowe konfiguracje powinny używać odwołań do modeli `google/*` oraz środowiska uruchomieniowego `google-gemini-cli`, gdy wymagają lokalnego wykonywania Gemini CLI. ## Możliwości | Możliwość | Obsługiwane | | ---------------------- | ----------------------------- | | Uzupełnienia czatu | Tak | | Generowanie obrazów | Tak | | Generowanie muzyki | Tak | | Zamiana tekstu na mowę | Tak | | Głos w czasie rzeczywistym | Tak (Google Live API) | | Rozumienie obrazów | Tak | | Transkrypcja audio | Tak | | Rozumienie wideo | Tak | | Wyszukiwanie w sieci (Grounding) | Tak | | Myślenie/rozumowanie | Tak (Gemini 2.5+ / Gemini 3+) | | Modele Gemma 4 | Tak | ## Wyszukiwanie w sieci Dołączony dostawca wyszukiwania w sieci `gemini` używa grounding wyszukiwania Google w Gemini. Skonfiguruj dedykowany klucz wyszukiwania w `plugins.entries.google.config.webSearch`, albo pozwól mu ponownie używać `models.providers.google.apiKey` po `GEMINI_API_KEY`: ```json5 { plugins: { entries: { google: { config: { webSearch: { apiKey: "AIza...", // optional if GEMINI_API_KEY or models.providers.google.apiKey is set baseUrl: "https://generativelanguage.googleapis.com/v1beta", // falls back to models.providers.google.baseUrl model: "gemini-2.5-flash", }, }, }, }, }, } ``` Pierwszeństwo poświadczeń to dedykowany `webSearch.apiKey`, następnie `GEMINI_API_KEY`, a potem `models.providers.google.apiKey`. `webSearch.baseUrl` jest opcjonalny i istnieje dla proxy operatorów lub zgodnych punktów końcowych Gemini API; gdy zostanie pominięty, wyszukiwanie w sieci Gemini ponownie używa `models.providers.google.baseUrl`. Zobacz [wyszukiwanie Gemini](/pl/tools/gemini-search), aby poznać zachowanie narzędzia właściwe dla dostawcy. Modele Gemini 3 używają `thinkingLevel` zamiast `thinkingBudget`. OpenClaw mapuje kontrolki rozumowania aliasów Gemini 3, Gemini 3.1 i `gemini-*-latest` na `thinkingLevel`, aby domyślne przebiegi i przebiegi o niskim opóźnieniu nie wysyłały wyłączonych wartości `thinkingBudget`. `/think adaptive` zachowuje semantykę dynamicznego myślenia Google zamiast wybierać stały poziom OpenClaw. Gemini 3 i Gemini 3.1 pomijają stały `thinkingLevel`, aby Google mogło wybrać poziom; Gemini 2.5 wysyła dynamiczny znacznik Google `thinkingBudget: -1`. Modele Gemma 4 (na przykład `gemma-4-26b-a4b-it`) obsługują tryb myślenia. OpenClaw przepisuje `thinkingBudget` na obsługiwany przez Google `thinkingLevel` dla Gemma 4. Ustawienie myślenia na `off` zachowuje wyłączone myślenie zamiast mapować je na `MINIMAL`. ## Generowanie obrazów Dołączony dostawca generowania obrazów `google` domyślnie używa `google/gemini-3.1-flash-image-preview`. - Obsługuje także `google/gemini-3-pro-image-preview` - Generowanie: do 4 obrazów na żądanie - Tryb edycji: włączony, do 5 obrazów wejściowych - Kontrolki geometrii: `size`, `aspectRatio` i `resolution` Aby używać Google jako domyślnego dostawcy obrazów: ```json5 { agents: { defaults: { imageGenerationModel: { primary: "google/gemini-3.1-flash-image-preview", }, }, }, } ``` Zobacz [Generowanie obrazów](/pl/tools/image-generation), aby poznać wspólne parametry narzędzia, wybór dostawcy i zachowanie przełączania awaryjnego. ## Generowanie wideo Dołączony Plugin `google` rejestruje także generowanie wideo przez współdzielone narzędzie `video_generate`. - Domyślny model wideo: `google/veo-3.1-fast-generate-preview` - Tryby: przepływy tekst-na-wideo, obraz-na-wideo oraz referencja pojedynczego wideo - Obsługuje `aspectRatio` (`16:9`, `9:16`) i `resolution` (`720P`, `1080P`); wyjście audio nie jest obecnie obsługiwane przez Veo - Obsługiwane czasy trwania: **4, 6 lub 8 sekund** (inne wartości są zaokrąglane do najbliższej dozwolonej wartości) Aby używać Google jako domyślnego dostawcy wideo: ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", }, }, }, } ``` Zobacz [Generowanie wideo](/pl/tools/video-generation), aby poznać wspólne parametry narzędzia, wybór dostawcy i zachowanie przełączania awaryjnego. ## Generowanie muzyki Dołączony Plugin `google` rejestruje także generowanie muzyki przez współdzielone narzędzie `music_generate`. - Domyślny model muzyki: `google/lyria-3-clip-preview` - Obsługuje także `google/lyria-3-pro-preview` - Kontrolki promptu: `lyrics` i `instrumental` - Format wyjściowy: domyślnie `mp3`, a także `wav` w `google/lyria-3-pro-preview` - Wejścia referencyjne: do 10 obrazów - Przebiegi oparte na sesji odłączają się przez współdzielony przepływ zadań/statusu, w tym `action: "status"` Aby używać Google jako domyślnego dostawcy muzyki: ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", }, }, }, } ``` Zobacz [Generowanie muzyki](/pl/tools/music-generation), aby poznać wspólne parametry narzędzia, wybór dostawcy i zachowanie przełączania awaryjnego. ## Zamiana tekstu na mowę Dołączony dostawca mowy `google` używa ścieżki TTS Gemini API z `gemini-3.1-flash-tts-preview`. - Domyślny głos: `Kore` - Uwierzytelnianie: `messages.tts.providers.google.apiKey`, `models.providers.google.apiKey`, `GEMINI_API_KEY` lub `GOOGLE_API_KEY` - Wyjście: WAV dla zwykłych załączników TTS, Opus dla celów notatek głosowych, PCM dla Talk/telefonii - Wyjście notatek głosowych: Google PCM jest opakowywane jako WAV i transkodowane do 48 kHz Opus za pomocą `ffmpeg` Wsadowa ścieżka Gemini TTS Google zwraca wygenerowane audio w ukończonej odpowiedzi `generateContent`. Do rozmów mówionych o najniższym opóźnieniu użyj dostawcy głosu Google w czasie rzeczywistym opartego na Gemini Live API zamiast wsadowego TTS. Aby używać Google jako domyślnego dostawcy TTS: ```json5 { messages: { tts: { auto: "always", provider: "google", providers: { google: { model: "gemini-3.1-flash-tts-preview", voiceName: "Kore", audioProfile: "Speak professionally with a calm tone.", }, }, }, }, } ``` Gemini API TTS używa promptów w języku naturalnym do kontroli stylu. Ustaw `audioProfile`, aby dodać wielokrotnego użytku prompt stylu przed tekstem mówionym. Ustaw `speakerName`, gdy tekst promptu odnosi się do nazwanego mówcy. Gemini API TTS akceptuje także ekspresyjne tagi audio w nawiasach kwadratowych w tekście, takie jak `[whispers]` lub `[laughs]`. Aby ukryć tagi w widocznej odpowiedzi czatu, a jednocześnie wysłać je do TTS, umieść je w bloku `[[tts:text]]...[[/tts:text]]`: ```text Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]] ``` Klucz API Google Cloud Console ograniczony do Gemini API jest prawidłowy dla tego dostawcy. To nie jest osobna ścieżka Cloud Text-to-Speech API. ## Głos w czasie rzeczywistym Dołączony Plugin `google` rejestruje dostawcę głosu w czasie rzeczywistym opartego na Gemini Live API dla mostków audio backendu, takich jak Voice Call i Google Meet. | Ustawienie | Ścieżka konfiguracji | Wartość domyślna | | ------------------------------ | ------------------------------------------------------------------- | ------------------------------------------------------------------------------------------ | | Model | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-2.5-flash-native-audio-preview-12-2025` | | Głos | `...google.voice` | `Kore` | | Temperatura | `...google.temperature` | (nieustawiona) | | Czułość rozpoczęcia VAD | `...google.startSensitivity` | (nieustawiona) | | Czułość zakończenia VAD | `...google.endSensitivity` | (nieustawiona) | | Czas trwania ciszy | `...google.silenceDurationMs` | (nieustawiony) | | Obsługa aktywności | `...google.activityHandling` | wartość domyślna Google, `start-of-activity-interrupts` | | Zakres tury | `...google.turnCoverage` | wartość domyślna Google, `only-activity` | | Wyłącz automatyczne VAD | `...google.automaticActivityDetectionDisabled` | `false` | | Wznawianie sesji | `...google.sessionResumption` | `true` | | Kompresja kontekstu | `...google.contextWindowCompression` | `true` | | Klucz API | `...google.apiKey` | Używa zapasowo `models.providers.google.apiKey`, `GEMINI_API_KEY` lub `GOOGLE_API_KEY` | Przykładowa konfiguracja połączeń głosowych w czasie rzeczywistym: ```json5 { plugins: { entries: { "voice-call": { enabled: true, config: { realtime: { enabled: true, provider: "google", providers: { google: { model: "gemini-2.5-flash-native-audio-preview-12-2025", voice: "Kore", activityHandling: "start-of-activity-interrupts", turnCoverage: "only-activity", }, }, }, }, }, }, }, } ``` Google Live API używa dwukierunkowego audio i wywoływania funkcji przez WebSocket. OpenClaw dostosowuje audio mostu telefonii/Meet do strumienia PCM Live API Gemini i utrzymuje wywołania narzędzi na współdzielonym kontrakcie głosu w czasie rzeczywistym. Pozostaw `temperature` nieustawione, chyba że potrzebujesz zmian próbkowania; OpenClaw pomija wartości niedodatnie, ponieważ Google Live może zwracać transkrypcje bez audio dla `temperature: 0`. Transkrypcja Gemini API jest włączona bez `languageCodes`; obecny Google SDK odrzuca wskazówki kodów języka w tej ścieżce API. Control UI Talk obsługuje sesje Google Live w przeglądarce z ograniczonymi tokenami jednorazowego użycia. Dostawcy głosu w czasie rzeczywistym działający tylko po stronie backendu mogą też działać przez ogólny transport przekaźnika Gateway, który przechowuje dane uwierzytelniające dostawcy na Gateway. Na potrzeby weryfikacji live przez opiekuna uruchom `OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts`. Ten smoke test obejmuje też ścieżki backend/WebRTC OpenAI; etap Google tworzy ten sam ograniczony kształt tokena Live API używany przez Control UI Talk, otwiera punkt końcowy WebSocket przeglądarki, wysyła początkowy payload konfiguracji i czeka na `setupComplete`. ## Zaawansowana konfiguracja W przypadku bezpośrednich uruchomień Gemini API (`api: "google-generative-ai"`) OpenClaw przekazuje skonfigurowany uchwyt `cachedContent` do żądań Gemini. - Skonfiguruj parametry dla modelu lub globalnie za pomocą `cachedContent` albo starszego `cached_content` - Jeśli obecne są oba, pierwszeństwo ma `cachedContent` - Przykładowa wartość: `cachedContents/prebuilt-context` - Użycie trafień pamięci podręcznej Gemini jest normalizowane do OpenClaw `cacheRead` z nadrzędnego `cachedContentTokenCount` ```json5 { agents: { defaults: { models: { "google/gemini-2.5-pro": { params: { cachedContent: "cachedContents/prebuilt-context", }, }, }, }, }, } ``` Podczas używania dostawcy OAuth `google-gemini-cli` OpenClaw normalizuje wyjście JSON CLI w następujący sposób: - Tekst odpowiedzi pochodzi z pola `response` w JSON CLI. - Użycie przełącza się zapasowo na `stats`, gdy CLI pozostawia `usage` puste. - `stats.cached` jest normalizowane do OpenClaw `cacheRead`. - Jeśli brakuje `stats.input`, OpenClaw wylicza tokeny wejściowe z `stats.input_tokens - stats.cached`. Jeśli Gateway działa jako demon (launchd/systemd), upewnij się, że `GEMINI_API_KEY` jest dostępny dla tego procesu (na przykład w `~/.openclaw/.env` lub przez `env.shellEnv`). ## Powiązane Wybór dostawców, odwołań do modeli i zachowania failover. Współdzielone parametry narzędzia obrazów i wybór dostawcy. Współdzielone parametry narzędzia wideo i wybór dostawcy. Współdzielone parametry narzędzia muzyki i wybór dostawcy.