Google（Gemini）

Google Plugin は、Google AI Studio を通じた Gemini モデルへのアクセスに加えて、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 によるウェブ検索を提供します。

• 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: agentRuntime.id: "google-gemini-cli" は Gemini CLI OAuth を再利用しながら、モデル参照を正規の google/* として維持します。

はじめに

使用する認証方法を選択し、セットアップ手順に従います。

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 # または npmnpm install -g @google/gemini-cli

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

openclaw models list --provider google

機能

ウェブ検索

同梱の gemini ウェブ検索プロバイダーは、Gemini Google Search Grounding を使用します。 plugins.entries.google.config.webSearch に専用の検索キーを設定するか、GEMINI_API_KEY の後に models.providers.google.apiKey を再利用できます。

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // GEMINI_API_KEY または models.providers.google.apiKey が設定されている場合は省略可能            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // models.providers.google.baseUrl にフォールバック            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、最後に models.providers.google.apiKey です。webSearch.baseUrl は任意であり、運用者のプロキシまたは互換性のある Gemini API エンドポイント向けに用意されています。省略した場合、Gemini ウェブ検索は 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

同梱の google 画像生成プロバイダーは、デフォルトで google/gemini-3.1-flash-image を使用します。

• google/gemini-3-pro-image もサポート
• 生成: リクエストごとに最大 4 枚の画像
• 編集モード: 有効、最大 5 枚の入力画像
• 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、次のように設定します。

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

動画生成

同梱の 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。

• デフォルトの動画モデル: google/veo-3.1-fast-generate-preview
• モード: テキストから動画、画像から動画、単一動画の参照フロー
• aspectRatio（16:9、9:16）と resolution（720P、1080P）をサポート。現在、Veo は音声出力をサポートしていません
• 対応時間: 4、6、または 8 秒（その他の値は、許可された最も近い値に調整されます）

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、次のように設定します。

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

音楽生成

同梱の 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。

• デフォルトの音楽モデル: 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: デフォルトでは mp3、google/lyria-3-pro-preview では wav も使用可能
• 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" を含む共有のタスク／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、次のように設定します。

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

テキスト読み上げ

同梱の google 音声プロバイダーは、gemini-3.1-flash-tts-preview とともに Gemini API TTS パスを使用します。

• デフォルト音声: Kore
• 認証: tts.providers.google.apiKey、models.providers.google.apiKey、GEMINI_API_KEY、または GOOGLE_API_KEY
• 出力: 通常の TTS 添付ファイルでは WAV、ボイスノート対象では Opus、Talk／電話では PCM
• ボイスノート出力: Google PCM は WAV としてラップされ、ffmpeg を使用して 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 レスポンスで生成済み音声を返します。レイテンシを最小限に抑えた音声会話には、バッチ TTS ではなく Gemini Live API を利用する 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、次のように設定します。

{  tts: {    auto: "always",    provider: "google",    providers: {      google: {        model: "gemini-3.1-flash-tts-preview",        speakerVoice: "Kore",        audioProfile: "落ち着いた口調でプロフェッショナルに話してください。",      },    },  },}

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。audioProfile を設定すると、読み上げるテキストの前に再利用可能なスタイルプロンプトが付加されます。プロンプトテキストで名前付きの話者を参照する場合は、speakerName を設定します。

Gemini API TTS は、[whispers] や [laughs] など、テキスト内の表現力豊かな角括弧付き音声タグも受け入れます。タグを TTS に送信しながら、表示されるチャット返信には含めないようにするには、[[tts:text]]...[[/tts:text]] ブロック内に配置します。

これは表示用の返信テキストです。 [[tts:text]][whispers] これは読み上げるバージョンです。[[/tts:text]]

リアルタイム音声

同梱の 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 を利用するリアルタイム音声プロバイダーを登録します。

Voice Call の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-3.1-flash-live-preview",                speakerVoice: "Kore",                activityHandling: "start-of-activity-interrupts",                turnCoverage: "audio-activity-and-all-video",              },            },          },        },      },    },  },}

メンテナーがライブ検証を行うには、 OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts を実行します。 このスモークテストでは OpenAI のバックエンド／WebRTC パスも対象になります。Google 側では、 Control UI Talk が使用するものと同じ制限付き Live API トークン形式を発行し、 ブラウザーの WebSocket エンドポイントを開き、初期セットアップペイロードと JPEG フレームを送信して、 テキスト応答と describe_view 関数のラウンドトリップを検証します。

高度な設定

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

関連項目