Google、Gemini API CLIのプレビュー公開

Googleは23日（現地時間）、ターミナルからコマンドでGemini APIを利用できる「Gemini API CLI」の実験的プレビューを公開しました。追加の依存関係をインストールせずに使えるバイナリとして提供し、macOS・Linux・Windowsで実行できます。ソースコードを直接インストールする方法にも対応しています。現行バージョンは0.4.xで、GitHubで公開されています。Googleは開発者からのフィードバックをもとに改善するとしています。

CLIは、AIエージェントがモデル識別子を探したり、一時的なSDKスクリプトや複雑なcurlコマンドを繰り返し使ったりする手間を減らすよう設計されました。Googleによると、運用中のサービスにはデータ型が明確なクライアントライブラリが適しています。一方、ターミナルで作業する開発者や自律的にコマンドを実行するエージェントには、状態を保持せず、入力形式とコマンドを把握しやすいCLIが必要です。入力と出力の形式を予測できるインターフェースにより、モデルの呼び出しと結果の処理を簡素化します。

Googleの開発ツール群は3層で構成されています。Gemini APIは推論、マルチモーダル分析、メディア生成、エージェント実行を担います。Google Generative AI SDKはPython、TypeScript、Go、Javaに対応し、実サービスやバックエンドの開発に使われます。CLIは開発者やシェルベースのエージェントがターミナルからAPIに直接アクセスする層です。モデルの検索やプロンプトのテスト、画像・動画・音楽の生成、マルチモーダル分析、音声の文字起こしをコマンドで実行できます。

メディア生成には画像モデルNano Banana 2.1、動画モデルGemini Omni 1.1 Flash、音楽モデルLyria 3.5を利用できます。音声合成にはGemini 3.8 Flash TTSが含まれ、複数の話者が会話する音声を作れます。Lyriaでは背景音楽向けのインストゥルメンタル曲を生成できます。画像と動画の結果はファイルに保存され、出力にファイルパスが表示されるため、後続の作業で変換せずに利用できます。

CLIはPDF・画像・音声ファイルの要約と分析、音声の文字起こし、YouTube動画の分析にも対応します。文字起こしはタイムスタンプ付きのSRT字幕ファイルとして出力できます。シェルコマンドを実行できるエージェントなら、Google独自の開発環境以外でも利用でき、GoogleはClaude Code、Codex、OpenClaw、Hermes、Cursorを対応例に挙げました。現在はAntigravityでも利用でき、エージェントがCLIでメディア生成や文書分析を実行し、結果ファイルやタスク識別子を次の段階に渡します。Antigravityとのネイティブ統合は今後対応する予定です。

複数段階にわたる調査やコーディングは、バックグラウンドで動くマネージドエージェントに任せられます。Deep Researchのようなエージェントに作業を委任し、インタラクション識別子で進捗を確認して、構造化された結果を受け取れます。オフラインでコマンドやオプションを確認でき、「--schema」でリクエスト形式を調べ、「--dry-run」でネットワーク接続なしにリクエストを検証できます。JSON・TOON形式での出力と、「--jq」によるデータ抽出にも対応します。インストール後はAPIキーを環境変数、OSのキーチェーン、または設定ファイルに登録でき、対話形式の設定機能もあります。CLIはApache 2.0オープンソースライセンスを採用しています。

Googleは23日（現地時間）、ターミナルからコマンドでGemini APIを利用できる「Gemini API CLI」の実験的プレビューを公開しました。追加の依存関係をインストールせずに使えるバイナリとして提供し、macOS・Linux・Windowsで実行できます。ソースコードを直接インストールする方法にも対応しています。現行バージョンは0.4.xで、GitHubで公開されています。Googleは開発者からのフィードバックをもとに改善するとしています。

CLIは、AIエージェントがモデル識別子を探したり、一時的なSDKスクリプトや複雑なcurlコマンドを繰り返し使ったりする手間を減らすよう設計されました。Googleによると、運用中のサービスにはデータ型が明確なクライアントライブラリが適しています。一方、ターミナルで作業する開発者や自律的にコマンドを実行するエージェントには、状態を保持せず、入力形式とコマンドを把握しやすいCLIが必要です。入力と出力の形式を予測できるインターフェースにより、モデルの呼び出しと結果の処理を簡素化します。

Googleの開発ツール群は3層で構成されています。Gemini APIは推論、マルチモーダル分析、メディア生成、エージェント実行を担います。Google Generative AI SDKはPython、TypeScript、Go、Javaに対応し、実サービスやバックエンドの開発に使われます。CLIは開発者やシェルベースのエージェントがターミナルからAPIに直接アクセスする層です。モデルの検索やプロンプトのテスト、画像・動画・音楽の生成、マルチモーダル分析、音声の文字起こしをコマンドで実行できます。

メディア生成には画像モデルNano Banana 2.1、動画モデルGemini Omni 1.1 Flash、音楽モデルLyria 3.5を利用できます。音声合成にはGemini 3.8 Flash TTSが含まれ、複数の話者が会話する音声を作れます。Lyriaでは背景音楽向けのインストゥルメンタル曲を生成できます。画像と動画の結果はファイルに保存され、出力にファイルパスが表示されるため、後続の作業で変換せずに利用できます。

CLIはPDF・画像・音声ファイルの要約と分析、音声の文字起こし、YouTube動画の分析にも対応します。文字起こしはタイムスタンプ付きのSRT字幕ファイルとして出力できます。シェルコマンドを実行できるエージェントなら、Google独自の開発環境以外でも利用でき、GoogleはClaude Code、Codex、OpenClaw、Hermes、Cursorを対応例に挙げました。現在はAntigravityでも利用でき、エージェントがCLIでメディア生成や文書分析を実行し、結果ファイルやタスク識別子を次の段階に渡します。Antigravityとのネイティブ統合は今後対応する予定です。

複数段階にわたる調査やコーディングは、バックグラウンドで動くマネージドエージェントに任せられます。Deep Researchのようなエージェントに作業を委任し、インタラクション識別子で進捗を確認して、構造化された結果を受け取れます。オフラインでコマンドやオプションを確認でき、「--schema」でリクエスト形式を調べ、「--dry-run」でネットワーク接続なしにリクエストを検証できます。JSON・TOON形式での出力と、「--jq」によるデータ抽出にも対応します。インストール後はAPIキーを環境変数、OSのキーチェーン、または設定ファイルに登録でき、対話形式の設定機能もあります。CLIはApache 2.0オープンソースライセンスを採用しています。