理应资讯
软件研发智能化

Google 发布 gemini-api CLI:给编码智能体用的无状态 Gemini 媒体工具

理应编辑室 ·

Google 放出面向编码智能体的 gemini-api 命令行(实验性 v0.4.x):任意带 shell 的智能体可用 API Key 调用图像、视频、语音、音乐生成、PDF 分析、转写与 Deep Research;媒体写磁盘只回路径,避免 base64 污染上下文。

开发者帖文介绍:Google 发布了 gemini-api 命令行,定位是给编码智能体用,而不是给人点的交互式 CLI。凡是带 shell 的智能体(Claude Code、Codex、Cursor 或自建循环)都可用一条命令生成图像、视频、语音与音乐,分析 PDF、把音频转成 SRT,或发起 Deep Research。

帖文划清边界:它不是 Gemini CLI,也不是 Antigravity,而是 Gemini API 的无状态包装。安装用 GitHub 仓库 google-gemini/gemini-api-cli 的 curl 脚本,再设置 GEMINI_API_KEY。设计要点是上下文干净——媒体命令把文件写到磁盘,只打印路径,避免 base64 灌进上下文;可用参数只取需要字段;帮助、模式与干跑可离线检查;建议先跑 whoami。当前仅支持 API Key,无订阅登录,版本为实验性 v0.4.x,命令可能变更。作者建议在 AGENTS.md 加一行,让图像音视频默认走 gemini-api。

对研发团队,这是把多模态能力挂到现有编码智能体上的低摩擦入口;实验预览意味着接口不稳定性要纳入评估,密钥与费用控制也要单独设计。配图无水印,总结了上述注意点。

gemini-api CLI 说明图:媒体写磁盘只回路径,并列出四条注意点

需要强调的是,上述信息均来自公开帖文与配图可核对内容,未额外引入未出现的性能承诺或商用条款。读者若评估是否跟进,应回到官方仓库、新闻稿或产品页交叉核实版本号、许可与适用范围,并把本整理当作线索而非采购依据。对垂直行业团队而言,更务实的下一步通常是:对照现有工具链做小范围试用,记录失败案例与权限边界,再决定是否扩大范围。同时保留原文中的限定条件与不确定表述,避免把预览功能写成已全面量产。

# gemini-api# Google# 编码智能体# CLI# 多模态