Google (Gemini)

يوفّر Plugin الخاص بـ Google إمكانية الوصول إلى نماذج Gemini عبر Google AI Studio، بالإضافة إلى توليد الصور، وفهم الوسائط (الصور/الصوت/الفيديو)، وتحويل النص إلى كلام، والبحث على الويب عبر Gemini Grounding.

• المزوّد: google
• المصادقة: GEMINI_API_KEY أو GOOGLE_API_KEY
• واجهة API: Google Gemini API
• خيار وقت التشغيل: يعيد agentRuntime.id: "google-gemini-cli" استخدام OAuth الخاص بـ Gemini CLI مع إبقاء مراجع النماذج بالصيغة القياسية google/*.

البدء

اختر طريقة المصادقة المفضلة لديك واتبع خطوات الإعداد.

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

الإمكانات

البحث على الويب

يستخدم مزوّد البحث على الويب gemini المضمّن إسناد Gemini Google Search. اضبط مفتاح بحث مخصصًا ضمن plugins.entries.google.config.webSearch، أو دعه يعيد استخدام models.providers.google.apiKey بعد GEMINI_API_KEY:

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

أولوية بيانات الاعتماد هي webSearch.apiKey المخصص، ثم GEMINI_API_KEY، ثم models.providers.google.apiKey. الحقل webSearch.baseUrl اختياري ومخصص لوكلاء المشغّلين أو نقاط نهاية Gemini API المتوافقة؛ وعند حذفه، يعيد بحث Gemini على الويب استخدام models.providers.google.baseUrl. راجع بحث Gemini لمعرفة سلوك الأداة الخاص بالمزوّد.

توليد الصور

يستخدم مزوّد توليد الصور google المضمّن افتراضيًا google/gemini-3.1-flash-image-preview.

• يدعم أيضًا google/gemini-3-pro-image-preview
• التوليد: ما يصل إلى 4 صور لكل طلب
• وضع التحرير: مفعّل، مع ما يصل إلى 5 صور إدخال
• عناصر التحكم الهندسية: size وaspectRatio وresolution

لاستخدام Google كمزوّد الصور الافتراضي:

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

توليد الفيديو

يسجّل Plugin ‏google المضمّن أيضًا توليد الفيديو عبر الأداة المشتركة video_generate.

• نموذج الفيديو الافتراضي: google/veo-3.1-fast-generate-preview
• الأوضاع: تحويل النص إلى فيديو، وتحويل الصورة إلى فيديو، ومسارات مرجع الفيديو الواحد
• يدعم aspectRatio ‏(16:9، 9:16) وresolution ‏(720P، 1080P)؛ ولا يدعم Veo حاليًا إخراج الصوت
• المدد المدعومة: 4 أو 6 أو 8 ثوانٍ (تُقرّب القيم الأخرى إلى أقرب قيمة مسموح بها)

لاستخدام Google كمزوّد الفيديو الافتراضي:

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

توليد الموسيقى

يسجّل Plugin ‏google المضمّن أيضًا توليد الموسيقى عبر الأداة المشتركة music_generate.

• نموذج الموسيقى الافتراضي: google/lyria-3-clip-preview
• يدعم أيضًا google/lyria-3-pro-preview
• عناصر التحكم في الموجّه: lyrics وinstrumental
• تنسيق الإخراج: mp3 افتراضيًا، بالإضافة إلى wav مع google/lyria-3-pro-preview
• المدخلات المرجعية: ما يصل إلى 10 صور
• تُفصل عمليات التشغيل المدعومة بجلسة عبر مسار المهمة/الحالة المشترك، بما في ذلك action: "status"

لاستخدام Google كمزوّد الموسيقى الافتراضي:

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

تحويل النص إلى كلام

يستخدم مزوّد الكلام google المضمّن مسار تحويل النص إلى كلام في Gemini API باستخدام gemini-3.1-flash-tts-preview.

• الصوت الافتراضي: Kore
• المصادقة: messages.tts.providers.google.apiKey أو models.providers.google.apiKey أو GEMINI_API_KEY أو GOOGLE_API_KEY
• الإخراج: WAV لمرفقات تحويل النص إلى كلام العادية، وOpus لوجهات الملاحظات الصوتية، وPCM للمحادثة/الاتصالات الهاتفية
• إخراج الملاحظات الصوتية: يُغلّف PCM الخاص بـ Google بتنسيق WAV ثم يُحوّل إلى Opus بتردد 48 كيلوهرتز باستخدام ffmpeg

يعيد مسار Gemini TTS الدفعي في Google الصوت المولّد ضمن استجابة generateContent المكتملة. للحصول على أقل زمن استجابة في المحادثات المنطوقة، استخدم مزوّد الصوت في الوقت الفعلي من Google والمدعوم بـ Gemini Live API بدلًا من تحويل النص إلى كلام الدفعي.

لاستخدام Google كمزوّد تحويل النص إلى كلام الافتراضي:

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

يستخدم Gemini API TTS توجيهات باللغة الطبيعية للتحكم في الأسلوب. عيّن audioProfile لإضافة موجّه أسلوب قابل لإعادة الاستخدام قبل النص المنطوق. وعيّن speakerName عندما يشير نص الموجّه إلى متحدث محدد بالاسم.

يقبل Gemini API TTS أيضًا وسومًا صوتية تعبيرية بين أقواس مربعة داخل النص، مثل [whispers] أو [laughs]. لإخفاء الوسوم من رد المحادثة المرئي مع إرسالها إلى TTS، ضعها داخل كتلة [[tts:text]]...[[/tts:text]]:

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

الصوت في الوقت الفعلي

يسجّل Plugin ‏google المضمّن مزوّد صوت في الوقت الفعلي مدعومًا بـ Gemini Live API لجسور الصوت الخلفية مثل Voice Call وGoogle Meet.

مثال على إعداد المكالمات الصوتية في الوقت الفعلي:

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

للتحقق المباشر من قِبل المشرف، شغّل OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts. يشمل اختبار التحقق السريع أيضًا مسارات الواجهة الخلفية/WebRTC الخاصة بـ OpenAI؛ وينشئ جزء Google رمز Live API مقيّدًا بالشكل نفسه الذي تستخدمه ميزة المحادثة في واجهة التحكم، ثم يفتح نقطة نهاية WebSocket في المتصفح ويرسل حمولة الإعداد الأولية وينتظر setupComplete.

الإعداد المتقدم

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

ذو صلة