---
read_when:
- 你想在 OpenClaw 中使用 Google Gemini 模型
- 你需要 API key 或 OAuth 身份验证流程
summary: Google Gemini 设置（API key + OAuth、图像生成、媒体理解、TTS、Web 搜索）
title: Google (Gemini)
x-i18n:
generated_at: "2026-07-05T11:36:32Z"
model: gpt-5.5
postprocess_version: locale-links-v1
provider: openai
source_hash: c73a556012cf9560a4f5f99838f538e32ab66250fcec902149af79672f1184da
source_path: providers/google.md
workflow: 16
---
Google 插件通过 Google AI Studio 提供对 Gemini 模型的访问，并支持图像生成、媒体理解（图像/音频/视频）、文本转语音，以及通过 Gemini Grounding 进行 Web 搜索。
- 提供商：`google`
- 凭证：`GEMINI_API_KEY` 或 `GOOGLE_API_KEY`
- API：Google Gemini API
- 运行时选项：`agentRuntime.id: "google-gemini-cli"` 会复用 Gemini CLI OAuth，同时保持模型引用规范为 `google/*`。
## 入门指南
选择你偏好的凭证方式并按设置步骤操作。
**最适合：** 通过 Google AI Studio 进行标准 Gemini API 访问。
```bash
openclaw onboard --auth-choice gemini-api-key
```
或直接传入密钥：
```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
```
`GEMINI_API_KEY` 和 `GOOGLE_API_KEY` 都可以使用。使用你已经配置好的那个即可。
**最适合：** 通过 PKCE OAuth 复用现有 Gemini CLI 登录，而不是单独使用 API key。
`google-gemini-cli` 提供商是非官方集成。一些用户报告以这种方式使用 OAuth 时遇到账户限制。请自行承担风险。
本地 `gemini` 命令必须可在 `PATH` 上使用。
```bash
# Homebrew
brew install gemini-cli
# or npm
npm install -g @google/gemini-cli
```
OpenClaw 支持 Homebrew 安装和全局 npm 安装，包括常见的 Windows/npm 布局。
```bash
openclaw models auth login --provider google-gemini-cli --set-default
```
```bash
openclaw models list --provider google
```
- 默认模型：`google/gemini-3.1-pro-preview`
- 运行时：`google-gemini-cli`
- 别名：`gemini-cli`
Gemini 3.1 Pro 的 Gemini API 模型 ID 是 `gemini-3.1-pro-preview`。OpenClaw 接受更短的 `google/gemini-3.1-pro` 作为便捷别名，并会在调用提供商前对其进行规范化。
**环境变量：**
- `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` / `GEMINI_CLI_OAUTH_CLIENT_ID`
- `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` / `GEMINI_CLI_OAUTH_CLIENT_SECRET`
如果 Gemini CLI OAuth 请求在登录后失败，请在 Gateway 网关主机上设置 `GOOGLE_CLOUD_PROJECT` 或 `GOOGLE_CLOUD_PROJECT_ID`，然后重试。
如果登录在浏览器流程开始前失败，请确保本地 `gemini` 命令已安装并位于 `PATH` 上。
`google-gemini-cli/*` 模型引用是旧版兼容别名。新配置应使用 `google/*` 模型引用，并在需要本地 Gemini CLI 执行时配合 `google-gemini-cli` 运行时。
`google/gemini-3-pro-preview` 已于 2026-03-09 退役；请改用 `google/gemini-3.1-pro-preview`。重新运行 Gemini API key 设置（`openclaw onboard --auth-choice gemini-api-key` 或 `openclaw models auth login --provider google`）会把过时的已配置默认值重写为当前模型。
## 能力
| 能力 | 支持 |
| ---------------------- | ----------------------------- |
| 聊天补全 | 是 |
| 图像生成 | 是 |
| 音乐生成 | 是 |
| 文本转语音 | 是 |
| 实时语音 | 是（Google Live API） |
| 图像理解 | 是 |
| 音频转录 | 是 |
| 视频理解 | 是 |
| Web 搜索（Grounding） | 是 |
| 思考/推理 | 是（Gemini 2.5+ / Gemini 3+） |
| Gemma 4 模型 | 是 |
## Web 搜索
内置的 `gemini` Web 搜索提供商使用 Gemini Google Search grounding。请在 `plugins.entries.google.config.webSearch` 下配置专用搜索密钥，或让它在 `GEMINI_API_KEY` 之后复用 `models.providers.google.apiKey`：
```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",
},
},
},
},
},
}
```
凭证优先级依次为专用 `webSearch.apiKey`、`GEMINI_API_KEY`，然后是 `models.providers.google.apiKey`。`webSearch.baseUrl` 是可选项，供操作员代理或兼容的 Gemini API 端点使用；省略时，Gemini Web 搜索会复用 `models.providers.google.baseUrl`。有关提供商特定的工具行为，请参阅 [Gemini 搜索](/zh-CN/tools/gemini-search)。
Gemini 3 模型使用 `thinkingLevel` 而不是 `thinkingBudget`。OpenClaw 会将 Gemini 3、Gemini 3.1 和 `gemini-*-latest` 别名的推理控制映射到 `thinkingLevel`，这样默认/低延迟运行就不会发送禁用的 `thinkingBudget` 值。
`/think adaptive` 会保留 Google 的动态思考语义，而不是选择固定的 OpenClaw 级别。Gemini 3 和 Gemini 3.1 会省略固定的 `thinkingLevel`，让 Google 选择级别；Gemini 2.5 会发送 Google 的动态哨兵值 `thinkingBudget: -1`。
Gemma 4 模型（例如 `gemma-4-26b-a4b-it`）支持思考模式。OpenClaw 会将 `thinkingBudget` 重写为 Gemma 4 支持的 Google `thinkingLevel`。将思考设置为 `off` 会保持思考禁用，而不是映射到 `MINIMAL`。
Gemini 2.5 Pro 只能在思考模式下工作，并会拒绝显式的 `thinkingBudget: 0`；OpenClaw 会为 Gemini 2.5 Pro 请求移除该值，而不是发送它。
## 图像生成
内置的 `google` 图像生成提供商默认使用 `google/gemini-3.1-flash-image-preview`。
- 还支持 `google/gemini-3-pro-image-preview`
- 生成：每次请求最多 4 张图像
- 编辑模式：已启用，最多 5 张输入图像
- 几何控制：`size`、`aspectRatio` 和 `resolution`
要将 Google 用作默认图像提供商：
```json5
{
agents: {
defaults: {
imageGenerationModel: {
primary: "google/gemini-3.1-flash-image-preview",
},
},
},
}
```
有关共享工具参数、提供商选择和故障转移行为，请参阅 [图像生成](/zh-CN/tools/image-generation)。
## 视频生成
内置的 `google` 插件还通过共享的 `video_generate` 工具注册视频生成。
- 默认视频模型：`google/veo-3.1-fast-generate-preview`
- 模式：文本转视频、图像转视频，以及单视频参考流程
- 支持 `aspectRatio`（`16:9`、`9:16`）和 `resolution`（`720P`、`1080P`）；Veo 目前不支持音频输出
- 支持的时长：**4、6 或 8 秒**（其他值会对齐到最近的允许值）
要将 Google 用作默认视频提供商：
```json5
{
agents: {
defaults: {
videoGenerationModel: {
primary: "google/veo-3.1-fast-generate-preview",
},
},
},
}
```
有关共享工具参数、提供商选择和故障转移行为，请参阅 [视频生成](/zh-CN/tools/video-generation)。
## 音乐生成
内置的 `google` 插件还通过共享的 `music_generate` 工具注册音乐生成。
- 默认音乐模型：`google/lyria-3-clip-preview`
- 还支持 `google/lyria-3-pro-preview`
- 提示控制：`lyrics` 和 `instrumental`
- 输出格式：默认 `mp3`，在 `google/lyria-3-pro-preview` 上还支持 `wav`
- 参考输入：最多 10 张图像
- 由会话支持的运行会通过共享任务/状态流程分离，包括 `action: "status"`
要将 Google 用作默认音乐提供商：
```json5
{
agents: {
defaults: {
musicGenerationModel: {
primary: "google/lyria-3-clip-preview",
},
},
},
}
```
有关共享工具参数、提供商选择和故障转移行为，请参阅 [音乐生成](/zh-CN/tools/music-generation)。
## 文本转语音
内置的 `google` 语音提供商使用 Gemini API TTS 路径和 `gemini-3.1-flash-tts-preview`。
- 默认语音：`Kore`
- 凭证：`messages.tts.providers.google.apiKey`、`models.providers.google.apiKey`、`GEMINI_API_KEY` 或 `GOOGLE_API_KEY`
- 输出：常规 TTS 附件使用 WAV，语音便签目标使用 Opus，Talk/电话场景使用 PCM
- 语音便签输出：Google PCM 会被包装为 WAV，并通过 `ffmpeg` 转码为 48 kHz Opus
Google 的批量 Gemini TTS 路径会在完成的 `generateContent` 响应中返回生成的音频。对于最低延迟的语音对话，请使用由 Gemini Live API 支持的 Google 实时语音提供商，而不是批量 TTS。
要将 Google 用作默认 TTS 提供商：
```json5
{
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 使用自然语言提示进行风格控制。设置 `audioProfile` 可在朗读文本前追加可复用的风格提示。当你的提示文本引用具名说话人时，请设置 `speakerName`。
Gemini API TTS 也接受文本中的表现性方括号音频标签，例如 `[whispers]` 或 `[laughs]`。若要在将标签发送给 TTS 的同时避免它们出现在可见聊天回复中，请把它们放入 `[[tts:text]]...[[/tts:text]]` 块中：
```text
Here is the clean reply text.
[[tts:text]][whispers] Here is the spoken version.[[/tts:text]]
```
限制为 Gemini API 的 Google Cloud Console API key 对此提供商有效。这不是单独的 Cloud Text-to-Speech API 路径。
## 实时语音
内置的 `google` 插件注册了一个由 Gemini Live API 支持的实时语音提供商，用于 Voice Call 和 Google Meet 等后端音频桥接。
| 设置 | 配置路径 | 默认值 |
| --------------------- | ------------------------------------------------------------------- | ------------------------------------------------------------------------------------- |
| 模型 | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-2.5-flash-native-audio-preview-12-2025` |
| 语音 | `...google.voice` | `Kore` |
| 温度 | `...google.temperature` | (未设置) |
| VAD 开始灵敏度 | `...google.startSensitivity` | (未设置) |
| VAD 结束灵敏度 | `...google.endSensitivity` | (未设置) |
| 静音时长 | `...google.silenceDurationMs` | (未设置) |
| 活动处理 | `...google.activityHandling` | Google 默认值，`start-of-activity-interrupts` |
| 轮次覆盖范围 | `...google.turnCoverage` | Google 默认值，`only-activity` |
| 停用自动 VAD | `...google.automaticActivityDetectionDisabled` | `false` |
| 会话恢复 | `...google.sessionResumption` | `true` |
| 上下文压缩 | `...google.contextWindowCompression` | `true` |
| API key | `...google.apiKey` | 回退到 `models.providers.google.apiKey`、`GEMINI_API_KEY` 或 `GOOGLE_API_KEY` |
Voice Call 实时配置示例：
```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",
speakerVoice: "Kore",
activityHandling: "start-of-activity-interrupts",
turnCoverage: "only-activity",
},
},
},
},
},
},
},
}
```
Google Live API 通过 WebSocket 使用双向音频和函数调用。
OpenClaw 会把电话/Meet 桥接音频适配到 Gemini 的 PCM Live API 流，并
让工具调用保持在共享的实时语音契约上。除非你需要更改采样，否则保持
`temperature` 未设置；OpenClaw 会省略非正值，因为 Google Live 在
`temperature: 0` 时可能返回没有音频的转录文本。
Gemini API 转录在没有 `languageCodes` 的情况下启用；当前 Google
SDK 会拒绝此 API 路径上的语言代码提示。
Control UI Talk 支持使用受约束的一次性令牌的 Google Live 浏览器会话。
仅后端的实时语音提供商也可以通过通用 Gateway 网关中继传输运行，
这会把提供商凭证保留在 Gateway 网关上。
对于维护者实时验证，请运行
`OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts`。
该冒烟测试也覆盖 OpenAI 后端/WebRTC 路径；Google 分支会签发与
Control UI Talk 使用的相同受约束 Live API 令牌形态，打开浏览器
WebSocket 端点，发送初始设置载荷，并等待
`setupComplete`。
## 高级配置
对于直接 Gemini API 运行（`api: "google-generative-ai"`），OpenClaw
会把配置的 `cachedContent` 句柄传递给 Gemini 请求。
- 使用 `cachedContent` 或旧版 `cached_content` 配置按模型或全局参数
- 来自更具体作用域的参数（模型级优先于全局）始终优先。
在同一作用域内，如果两个键都已设置，`cached_content` 优先。
每个作用域只使用一个键，以避免意外。
- 示例值：`cachedContents/prebuilt-context`
- Gemini 缓存命中用量会从上游 `cachedContentTokenCount` 规范化为
OpenClaw `cacheRead`
```json5
{
agents: {
defaults: {
models: {
"google/gemini-2.5-pro": {
params: {
cachedContent: "cachedContents/prebuilt-context",
},
},
},
},
},
}
```
使用 `google-gemini-cli` OAuth 提供商时，OpenClaw 默认使用 Gemini
CLI `stream-json` 输出，并从最终的 `stats` 载荷规范化用量。
旧版 `--output-format json` 覆盖仍使用 JSON 解析器。
- 流式回复文本来自 assistant `message` 事件。
- 对于旧版 JSON 输出，回复文本来自 CLI JSON 的 `response` 字段。
- 当 CLI 将 `usage` 留空时，用量会回退到 `stats`。
- `stats.cached` 会规范化为 OpenClaw `cacheRead`。
- 如果缺少 `stats.input`，OpenClaw 会从
`stats.input_tokens - stats.cached` 推导输入 token。
如果 Gateway 网关作为守护进程（launchd/systemd）运行，请确保 `GEMINI_API_KEY`
可供该进程使用（例如在 `~/.openclaw/.env` 中，或通过
`env.shellEnv`）。
## 相关内容
选择提供商、模型引用和故障转移行为。
共享图像工具参数和提供商选择。
共享视频工具参数和提供商选择。
共享音乐工具参数和提供商选择。