Google (Gemini)

Google pluginは、Google AI Studioを通じてGeminiモデルへのアクセスを提供し、さらに 画像生成、メディア理解（画像/音声/動画）、テキスト読み上げ、Gemini Grounding経由のWeb検索も提供します。

• プロバイダー: google
• 認証: GEMINI_API_KEY または GOOGLE_API_KEY
• API: Google Gemini API
• ランタイムオプション: provider/model agentRuntime.id: "google-gemini-cli" は、 モデル参照を正規の google/* のまま保ちながら、Gemini CLI OAuthを再利用します。

はじめに

希望する認証方法を選び、セットアップ手順に従ってください。

openclaw onboard --auth-choice gemini-api-key

openclaw onboard --non-interactive \  --mode local \  --auth-choice gemini-api-key \  --gemini-api-key "$GEMINI_API_KEY"

{  agents: {    defaults: {      model: { primary: "google/gemini-3.1-pro-preview" },    },  },}

openclaw models list --provider google

# Homebrewbrew install gemini-cli # or npmnpm install -g @google/gemini-cli

openclaw models auth login --provider google-gemini-cli --set-default

openclaw models list --provider google

機能

Web検索

バンドルされた gemini Web検索プロバイダーは、Gemini Google Search groundingを使用します。 専用の検索キーを plugins.entries.google.config.webSearch に設定するか、 GEMINI_API_KEY の後に models.providers.google.apiKey を再利用させます。

{  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",          },        },      },    },  },}

認証情報の優先順位は、専用の webSearch.apiKey、次に GEMINI_API_KEY、 次に models.providers.google.apiKey です。webSearch.baseUrl は任意であり、 オペレータープロキシや互換Gemini APIエンドポイント向けに存在します。省略した場合、 Gemini Web検索は models.providers.google.baseUrl を再利用します。プロバイダー固有のツール動作については Gemini検索 を参照してください。

画像生成

バンドルされた google 画像生成プロバイダーのデフォルトは google/gemini-3.1-flash-image-preview です。

• google/gemini-3-pro-image-preview もサポート
• 生成: リクエストあたり最大4枚の画像
• 編集モード: 有効、入力画像は最大5枚
• ジオメトリ制御: size、aspectRatio、resolution

Googleをデフォルトの画像プロバイダーとして使用するには:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "google/gemini-3.1-flash-image-preview",      },    },  },}

動画生成

バンドルされた google pluginは、共有の video_generate ツールを通じて動画生成も登録します。

• デフォルト動画モデル: google/veo-3.1-fast-generate-preview
• モード: テキストから動画、画像から動画、単一動画参照フロー
• aspectRatio（16:9、9:16）と resolution（720P、1080P）をサポート。Veoは現在、音声出力をサポートしていません
• サポートされる長さ: 4、6、または8秒（その他の値は最も近い許可値に丸められます）

Googleをデフォルトの動画プロバイダーとして使用するには:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "google/veo-3.1-fast-generate-preview",      },    },  },}

音楽生成

バンドルされた google pluginは、共有の music_generate ツールを通じて音楽生成も登録します。

• デフォルト音楽モデル: google/lyria-3-clip-preview
• google/lyria-3-pro-preview もサポート
• プロンプト制御: lyrics と instrumental
• 出力形式: デフォルトは mp3、さらに google/lyria-3-pro-preview では wav
• 参照入力: 最大10枚の画像
• セッションに基づく実行は、action: "status" を含む共有タスク/ステータスフローを通じてデタッチされます

Googleをデフォルトの音楽プロバイダーとして使用するには:

{  agents: {    defaults: {      musicGenerationModel: {        primary: "google/lyria-3-clip-preview",      },    },  },}

テキスト読み上げ

バンドルされた google 音声プロバイダーは、Gemini API TTSパスを gemini-3.1-flash-tts-preview とともに使用します。

• デフォルト音声: Kore
• 認証: messages.tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
• 出力: 通常のTTS添付ではWAV、ボイスメモターゲットではOpus、Talk/テレフォニーではPCM
• ボイスメモ出力: Google PCMはWAVとしてラップされ、ffmpeg で48 kHz Opusにトランスコードされます

GoogleのバッチGemini TTSパスは、完了した generateContent レスポンス内で生成音声を返します。最も低レイテンシな音声会話には、バッチ TTSではなく、Gemini Live APIに基づくGoogleリアルタイム音声プロバイダーを使用してください。

GoogleをデフォルトのTTSプロバイダーとして使用するには:

{  messages: {    tts: {      auto: "always",      provider: "google",      providers: {        google: {          model: "gemini-3.1-flash-tts-preview",          speakerVoice: "Kore",          audioProfile: "Speak professionally with a calm tone.",        },      },    },  },}

Gemini API TTSは、スタイル制御に自然言語プロンプトを使用します。 発話テキストの前に再利用可能なスタイルプロンプトを付加するには、audioProfile を設定します。 プロンプトテキストが名前付き話者を参照する場合は、speakerName を設定します。

Gemini API TTSは、テキスト内の [whispers] や [laughs] のような表現力のある角括弧付き音声タグも受け付けます。 タグを表示されるチャット返信に出さずにTTSへ送信するには、[[tts:text]]...[[/tts:text]] ブロック内に入れます。

Here is the clean reply text. [[tts:text]][whispers] Here is the spoken version.[[/tts:text]]

リアルタイム音声

バンドルされた google pluginは、Voice CallやGoogle Meetなどのバックエンド音声ブリッジ向けに、 Gemini Live APIに基づくリアルタイム音声プロバイダーを登録します。

Voice Call リアルタイム設定例:

{  plugins: {    entries: {      "voice-call": {        enabled: true,        config: {          realtime: {            enabled: true,            provider: "google",            providers: {              google: {                model: "gemini-2.5-flash-native-audio-preview-12-2025",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "only-activity",              },            },          },        },      },    },  },}

メンテナー向けのライブ検証では、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。 このスモークは OpenAI バックエンド/WebRTC パスも対象にします。Google 側では Control UI Talk で使われるものと同じ 制約付き Live API トークン形状を発行し、ブラウザー WebSocket エンドポイントを開き、初期セットアップペイロードを送信して、 setupComplete を待ちます。

高度な設定

{  agents: {    defaults: {      models: {        "google/gemini-2.5-pro": {          params: {            cachedContent: "cachedContents/prebuilt-context",          },        },      },    },  },}

関連