--- read_when: - OpenClawでGoogle Geminiモデルを使用する場合 - APIキーまたはOAuth認証フローが必要です summary: Google Gemini のセットアップ（API キー + OAuth、画像生成、メディア理解、TTS、ウェブ検索） title: Google（Gemini） x-i18n: generated_at: "2026-07-11T22:37:15Z" model: gpt-5.6 postprocess_version: locale-links-v1 provider: openai source_hash: 423f9b048a705815e886690fa13f5b02f7e67707195b7b461f6b4765528a4756 source_path: providers/google.md workflow: 16 --- Google Plugin は、Google AI Studio を介した Gemini モデルへのアクセスに加え、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"` を指定すると、モデル参照を正規の `google/*` に保ちながら Gemini CLI OAuth を再利用できます。 ## はじめに 希望する認証方法を選択し、セットアップ手順に従ってください。 **最適な用途:** Google AI Studio を介した標準的な Gemini API アクセス。 ```bash openclaw onboard --auth-choice gemini-api-key ``` または、キーを直接渡します。 ```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` と `GOOGLE_API_KEY` はどちらも使用できます。すでに設定済みのものを使用してください。 **最適な用途:** 別の API キーを使わず、PKCE OAuth を介して既存の Gemini CLI ログインを再利用する場合。 `google-gemini-cli` プロバイダーは非公式の統合機能です。この方法で OAuth を使用するとアカウントが制限される場合があるとの報告があります。自己責任で使用してください。 ローカルの `gemini` コマンドが `PATH` 上で利用可能である必要があります。 ```bash # Homebrew brew install gemini-cli # または npm npm install -g @google/gemini-cli ``` OpenClaw は Homebrew インストールとグローバル npm インストールの両方に対応しており、一般的な Windows/npm の配置もサポートします。 ```bash openclaw models auth login --provider google-gemini-cli --set-default ``` ```bash openclaw models list --provider google ``` - デフォルトモデル: `google/gemini-3.1-pro-preview` - ランタイム: `google-gemini-cli` - エイリアス: `gemini-cli` Gemini 3.1 Pro の Gemini API モデル ID は `gemini-3.1-pro-preview` です。OpenClaw は短縮形の `google/gemini-3.1-pro` を便宜上のエイリアスとして受け入れ、プロバイダーを呼び出す前に正規化します。 **環境変数:** - `OPENCLAW_GEMINI_OAUTH_CLIENT_ID` / `GEMINI_CLI_OAUTH_CLIENT_ID` - `OPENCLAW_GEMINI_OAUTH_CLIENT_SECRET` / `GEMINI_CLI_OAUTH_CLIENT_SECRET` ログイン後に Gemini CLI OAuth リクエストが失敗する場合は、Gateway ホストで `GOOGLE_CLOUD_PROJECT` または `GOOGLE_CLOUD_PROJECT_ID` を設定して再試行してください。 ブラウザフローが開始する前にログインが失敗する場合は、ローカルの `gemini` コマンドがインストールされ、`PATH` 上にあることを確認してください。 `google-gemini-cli/*` モデル参照は、従来形式との互換性のためのエイリアスです。ローカルで Gemini CLI を実行する新しい設定では、`google/*` モデル参照と `google-gemini-cli` ランタイムを使用してください。 `google/gemini-3-pro-preview` は 2026-03-09 に廃止されました。代わりに `google/gemini-3.1-pro-preview` を使用してください。Gemini API キーのセットアップ（`openclaw onboard --auth-choice gemini-api-key` または `openclaw models auth login --provider google`）を再実行すると、設定に残っている古いデフォルトが現在のモデルに書き換えられます。 ## 機能 | 機能 | 対応状況 | | ---------------------- | ----------------------------------- | | チャット補完 | はい | | 画像生成 | はい | | 音楽生成 | はい | | テキスト読み上げ | はい | | リアルタイム音声 | はい（Google Live API） | | 画像理解 | はい | | 音声文字起こし | はい | | 動画理解 | はい | | ウェブ検索（Grounding） | はい | | 思考/推論 | はい（Gemini 2.5+ / Gemini 3+） | | Gemma 4 モデル | はい | ## 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。 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。 ```json5 { 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`、`GEMINI_API_KEY`、`models.providers.google.apiKey` の順です。`webSearch.baseUrl` は省略可能で、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。省略すると、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](/ja-JP/tools/gemini-search)を参照してください。 Gemini 3 モデルは `thinkingBudget` ではなく `thinkingLevel` を使用します。OpenClaw は Gemini 3、Gemini 3.1、および `gemini-*-latest` エイリアスの推論制御を `thinkingLevel` にマッピングするため、デフォルト実行や低レイテンシー実行で無効化された `thinkingBudget` 値が送信されることはありません。 `/think adaptive` は、固定の OpenClaw レベルを選択するのではなく、Google の動的思考セマンティクスを維持します。Gemini 3 と Gemini 3.1 では固定の `thinkingLevel` を省略し、Google がレベルを選択できるようにします。Gemini 2.5 では Google の動的センチネル `thinkingBudget: -1` を送信します。 Gemma 4 モデル（例: `gemma-4-26b-a4b-it`）は思考モードに対応しています。OpenClaw は Gemma 4 向けに `thinkingBudget` を Google がサポートする `thinkingLevel` に書き換えます。思考を `off` に設定すると、`MINIMAL` にマッピングせず、思考を無効にした状態を維持します。 Gemini 2.5 Pro は思考モードでのみ動作し、明示的な `thinkingBudget: 0` を拒否します。OpenClaw はその値を送信せず、Gemini 2.5 Pro リクエストから取り除きます。 ## 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-preview` を使用します。 - `google/gemini-3-pro-image-preview` にも対応 - 生成: 1 リクエストあたり最大 4 枚 - 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、次のように設定します。 ```json5 { agents: { defaults: { imageGenerationModel: { primary: "google/gemini-3.1-flash-image-preview", }, }, }, } ``` 共通ツールパラメーター、プロバイダーの選択、フェイルオーバー動作については、[画像生成](/ja-JP/tools/image-generation)を参照してください。 ## 動画生成 同梱の `google` Plugin は、共有の `video_generate` ツールを介した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、単一動画参照フロー - `aspectRatio`（`16:9`、`9:16`）と `resolution`（`720P`、`1080P`）に対応。現在、Veo は音声出力に対応していません - 対応する長さ: **4、6、または 8 秒**（その他の値は、最も近い許容値に調整されます） 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。 ```json5 { agents: { defaults: { videoGenerationModel: { primary: "google/veo-3.1-fast-generate-preview", }, }, }, } ``` 共通ツールパラメーター、プロバイダーの選択、フェイルオーバー動作については、[動画生成](/ja-JP/tools/video-generation)を参照してください。 ## 音楽生成 同梱の `google` Plugin は、共有の `music_generate` ツールを介した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` にも対応 - プロンプト制御: `lyrics` と `instrumental` - 出力形式: デフォルトは `mp3`。`google/lyria-3-pro-preview` では `wav` にも対応 - 参照入力: 最大 10 枚の画像 - セッションを使用する実行は、`action: "status"` を含む共有タスク/ステータスフローを介して切り離されます 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。 ```json5 { agents: { defaults: { musicGenerationModel: { primary: "google/lyria-3-clip-preview", }, }, }, } ``` 共通ツールパラメーター、プロバイダーの選択、フェイルオーバー動作については、[音楽生成](/ja-JP/tools/music-generation)を参照してください。 ## 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` を使用する Gemini API TTS パスを利用します。 - 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 添付ファイルには WAV、ボイスノートの送信先には Opus、通話/電話には PCM - ボイスノート出力: 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済み音声を返します。最小レイテンシーの音声会話には、バッチ TTS ではなく、Gemini Live API を基盤とする 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。 ```json5 { messages: { 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の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追加されます。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 では、テキスト内に `[whispers]` や `[laughs]` など、表現力を指定する角括弧付き音声タグも使用できます。タグを表示されるチャット返信には含めず、TTS に送信するには、`[[tts:text]]...[[/tts:text]]` ブロック内に配置します。 ```text これは表示用の簡潔な返信テキストです。 [[tts:text]][whispers] これは読み上げ用のバージョンです。[[/tts:text]] ``` Gemini API のみに制限された Google Cloud Console API キーは、このプロバイダーで使用できます。これは、別の Cloud Text-to-Speech API パスではありません。 ## 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 を基盤とするリアルタイム音声プロバイダーを登録します。 | 設定 | 設定パス | デフォルト | | ----------------------------- | ------------------------------------------------------------------- | ------------------------------------------------------------------------------------- | | モデル | `plugins.entries.voice-call.config.realtime.providers.google.model` | `gemini-3.1-flash-live-preview` | | 音声 | `...google.voice` | `Kore` | | Temperature | `...google.temperature` | （未設定） | | VAD 開始感度 | `...google.startSensitivity` | （未設定） | | VAD 終了感度 | `...google.endSensitivity` | （未設定） | | 無音時間 | `...google.silenceDurationMs` | （未設定） | | アクティビティ処理 | `...google.activityHandling` | Google のデフォルト、`start-of-activity-interrupts` | | ターンの対象範囲 | `...google.turnCoverage` | Google のデフォルト、`audio-activity-and-all-video` | | 自動 VAD を無効化 | `...google.automaticActivityDetectionDisabled` | `false` | | セッション再開 | `...google.sessionResumption` | `true` | | コンテキスト圧縮 | `...google.contextWindowCompression` | `true` | | API キー | `...google.apiKey` | `models.providers.google.apiKey`、`GEMINI_API_KEY`、または `GOOGLE_API_KEY` にフォールバック | Voice Call のリアルタイム設定例： ```json5 { 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", }, }, }, }, }, }, }, } ``` Google Live API は、WebSocket 経由の双方向音声と関数呼び出しを使用します。 OpenClaw は、電話／Meet ブリッジの音声を Gemini の PCM Live API ストリームに適合させ、 ツール呼び出しには共有リアルタイム音声コントラクトを使用します。サンプリングを変更する必要がない限り、 `temperature` は未設定のままにしてください。Google Live では `temperature: 0` の場合、 音声なしで文字起こしが返されることがあるため、OpenClaw は正でない値を送信しません。 Gemini API の文字起こしは `languageCodes` なしで有効になります。現在の Google SDK は、この API パスで言語コードのヒントを拒否します。 Gemini 3.1 Live は、リアルタイム入力を介した会話テキストを受け付け、 逐次的な関数呼び出しを使用します。OpenClaw は、このモデルでは従来の `NON_BLOCKING`、関数 応答のスケジューリング、感情対話フィールドを送信しません。`thinkingLevel` を優先してください。 設定された正の `thinkingBudget` 値は、最も近いサポート対象レベルにマッピングされます。 一方、`-1` では Google のデフォルトが維持されます。 [Gemini Live の機能比較](https://ai.google.dev/gemini-api/docs/live-api/capabilities)を参照してください。 Control UI Talk は、制限付きの使い捨てトークンを使用する Google Live ブラウザーセッションをサポートします。 バックエンド専用のリアルタイム音声プロバイダーは、汎用 Gateway リレートランスポート経由でも実行でき、 プロバイダーの認証情報は Gateway 上に保持されます。 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 の処理では、 Control UI Talk と同じ形式の制限付き Live API トークンを発行し、ブラウザーの WebSocket エンドポイントを開き、最初のセットアップペイロードを送信して、 `setupComplete` を待機します。 ## 高度な設定 Gemini API を直接実行する場合（`api: "google-generative-ai"`）、OpenClaw は 設定された `cachedContent` ハンドルを Gemini リクエストに渡します。 - モデル単位またはグローバルのパラメーターには、 `cachedContent` または従来の `cached_content` を設定します - より具体的なスコープのパラメーター（グローバルよりモデルレベル）が常に優先されます。 同じスコープ内で両方のキーが設定されている場合は、`cached_content` が優先されます。 予期しない結果を避けるため、各スコープではどちらか一方のキーのみを使用してください。 - 値の例：`cachedContents/prebuilt-context` - Gemini のキャッシュヒット使用量は、上流の `cachedContentTokenCount` から OpenClaw の `cacheRead` に正規化されます ```json5 { agents: { defaults: { models: { "google/gemini-2.5-pro": { params: { cachedContent: "cachedContents/prebuilt-context", }, }, }, }, }, } ``` `google-gemini-cli` OAuth プロバイダーを使用する場合、OpenClaw はデフォルトで Gemini CLI の `stream-json` 出力を使用し、最後の `stats` ペイロードから使用量を正規化します。 従来の `--output-format json` オーバーライドでは、引き続き JSON パーサーが使用されます。 - ストリーミングされた応答テキストは、アシスタントの `message` イベントから取得されます。 - 従来の JSON 出力では、応答テキストは CLI JSON の `response` フィールドから取得されます。 - CLI が `usage` を空のままにした場合、使用量は `stats` にフォールバックします。 - `stats.cached` は OpenClaw の `cacheRead` に正規化されます。 - `stats.input` がない場合、OpenClaw は `stats.input_tokens - stats.cached` から入力トークン数を算出します。 Gateway をデーモン（launchd/systemd）として実行する場合は、`GEMINI_API_KEY` を そのプロセスから利用できるようにしてください（たとえば `~/.openclaw/.env`、または `env.shellEnv` を使用します）。 ## 関連項目 プロバイダー、モデル参照、フェイルオーバー動作の選択。 共有画像ツールのパラメーターとプロバイダーの選択。 共有動画ツールのパラメーターとプロバイダーの選択。 共有音楽ツールのパラメーターとプロバイダーの選択。