Google (Gemini)

Das Google-Plugin bietet Zugriff auf Gemini-Modelle über Google AI Studio sowie Bilderzeugung, Medienverständnis (Bild/Audio/Video), Text-zu-Sprache und Websuche über Gemini Grounding.

• Provider: google
• Authentifizierung: GEMINI_API_KEY oder GOOGLE_API_KEY
• API: Google Gemini API
• Laufzeitoption: agentRuntime.id: "google-gemini-cli" verwendet Gemini-CLI-OAuth erneut, während die Modellreferenzen kanonisch als google/* erhalten bleiben.

Erste Schritte

Wählen Sie Ihre bevorzugte Authentifizierungsmethode aus und führen Sie die Einrichtungsschritte aus.

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 # oder npmnpm install -g @google/gemini-cli

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

openclaw models list --provider google

Funktionen

Websuche

Der mitgelieferte Websuch-Provider gemini verwendet Gemini Google Search Grounding. Konfigurieren Sie unter plugins.entries.google.config.webSearch einen dedizierten Suchschlüssel oder lassen Sie nach GEMINI_API_KEY den Wert von models.providers.google.apiKey wiederverwenden:

{  plugins: {    entries: {      google: {        config: {          webSearch: {            apiKey: "AIza...", // optional, wenn GEMINI_API_KEY oder models.providers.google.apiKey festgelegt ist            baseUrl: "https://generativelanguage.googleapis.com/v1beta", // greift ersatzweise auf models.providers.google.baseUrl zurück            model: "gemini-2.5-flash",          },        },      },    },  },}

Bei den Anmeldedaten hat der dedizierte Wert webSearch.apiKey Vorrang, gefolgt von GEMINI_API_KEY und anschließend models.providers.google.apiKey. webSearch.baseUrl ist optional und für Betreiber-Proxys oder kompatible Gemini-API-Endpunkte vorgesehen. Wenn der Wert ausgelassen wird, verwendet die Gemini-Websuche models.providers.google.baseUrl erneut. Informationen zum Provider-spezifischen Werkzeugverhalten finden Sie unter Gemini-Suche.

Bilderzeugung

Der mitgelieferte Google-Provider für die Bilderzeugung verwendet standardmäßig google/gemini-3.1-flash-image-preview.

• Unterstützt außerdem google/gemini-3-pro-image-preview
• Erzeugung: bis zu 4 Bilder pro Anfrage
• Bearbeitungsmodus: aktiviert, bis zu 5 Eingabebilder
• Geometriesteuerung: size, aspectRatio und resolution

So verwenden Sie Google als standardmäßigen Bild-Provider:

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

Videoerzeugung

Das mitgelieferte Google-Plugin registriert über das gemeinsame Werkzeug video_generate auch die Videoerzeugung.

• Standardvideomodell: google/veo-3.1-fast-generate-preview
• Modi: Text-zu-Video, Bild-zu-Video und Abläufe mit einer einzelnen Videoreferenz
• Unterstützt aspectRatio (16:9, 9:16) und resolution (720P, 1080P); Veo unterstützt derzeit keine Audioausgabe
• Unterstützte Dauern: 4, 6 oder 8 Sekunden (andere Werte werden auf den nächstgelegenen zulässigen Wert gesetzt)

So verwenden Sie Google als standardmäßigen Video-Provider:

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

Musikerzeugung

Das mitgelieferte Google-Plugin registriert über das gemeinsame Werkzeug music_generate auch die Musikerzeugung.

• Standardmusikmodell: google/lyria-3-clip-preview
• Unterstützt außerdem google/lyria-3-pro-preview
• Prompt-Steuerung: lyrics und instrumental
• Ausgabeformat: standardmäßig mp3, zusätzlich wav bei google/lyria-3-pro-preview
• Referenzeingaben: bis zu 10 Bilder
• Sitzungsbasierte Ausführungen werden über den gemeinsamen Aufgaben-/Statusablauf abgekoppelt, einschließlich action: "status"

So verwenden Sie Google als standardmäßigen Musik-Provider:

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

Text-zu-Sprache

Der mitgelieferte Google-Sprach-Provider verwendet den TTS-Pfad der Gemini API mit gemini-3.1-flash-tts-preview.

• Standardstimme: Kore
• Authentifizierung: messages.tts.providers.google.apiKey, models.providers.google.apiKey, GEMINI_API_KEY oder GOOGLE_API_KEY
• Ausgabe: WAV für reguläre TTS-Anhänge, Opus für Sprachnachrichtenziele, PCM für Talk/Telefonie
• Sprachnachrichtenausgabe: Google-PCM wird als WAV gekapselt und mit ffmpeg in Opus mit 48 kHz transkodiert

Der Batch-Pfad für Gemini TTS von Google gibt das erzeugte Audio in der abgeschlossenen generateContent-Antwort zurück. Verwenden Sie für gesprochene Unterhaltungen mit möglichst geringer Latenz den von der Gemini Live API unterstützten Google-Echtzeitsprach-Provider anstelle von Batch-TTS.

So verwenden Sie Google als standardmäßigen TTS-Provider:

{  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 verwendet natürlichsprachliche Prompts zur Stilsteuerung. Legen Sie audioProfile fest, um dem gesprochenen Text einen wiederverwendbaren Stil-Prompt voranzustellen. Legen Sie speakerName fest, wenn sich Ihr Prompt-Text auf einen benannten Sprecher bezieht.

Gemini API TTS akzeptiert im Text außerdem ausdrucksstarke Audio-Tags in eckigen Klammern, beispielsweise [whispers] oder [laughs]. Damit die Tags nicht in der sichtbaren Chatantwort erscheinen, aber an TTS gesendet werden, platzieren Sie sie in einem Block vom Typ [[tts:text]]...[[/tts:text]]:

Hier ist der bereinigte Antworttext. [[tts:text]][flüstert] Hier ist die gesprochene Version.[[/tts:text]]

Echtzeitsprachübertragung

Das mitgelieferte Google-Plugin registriert einen von der Gemini Live API unterstützten Echtzeitsprach-Provider für Backend-Audiobrücken wie Voice Call und Google Meet.

Beispielkonfiguration für Voice Call in Echtzeit:

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

Führen Sie zur Live-Verifizierung durch Maintainer OPENAI_API_KEY=... GEMINI_API_KEY=... node --import tsx scripts/dev/realtime-talk-live-smoke.ts aus. Der Smoke-Test deckt außerdem die Backend-/WebRTC-Pfade von OpenAI ab; der Google-Abschnitt erstellt dieselbe eingeschränkte Live-API-Tokenstruktur, die von Control UI Talk verwendet wird, öffnet den WebSocket-Endpunkt des Browsers, sendet die anfänglichen Einrichtungsdaten und wartet auf setupComplete.

Erweiterte Konfiguration

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

Verwandte Themen