Gemini API CLI: экспериментальный мультимодальный терминал Google для скриптов и агентов

Если ты когда-нибудь пытался автоматизировать создание мультимодального контента через стандартные терминальные скрипты, то наверняка помнишь, в какую головную боль это превращалось. Чтобы сгенерировать текст, нарисовать иллюстрацию, озвучить результат дикторским голосом и расшифровать входящее видео, приходилось ставить четыре разные библиотеки на Python, писать обвязку для распаковки Base64-строк и вручную разруливать конфликты зависимостей.

Экспериментальный проект Gemini API CLI (gemini-api), опубликованный официальной организацией Google на GitHub, нацелен на полное устранение этой фрагментации. Это компактный бессерверный бинарник без внешних зависимостей (zero-dependency) для Linux, macOS и Windows. Он позволяет терминальным пайплайнам и кодинг-агентам вроде Claude Code или Cursor вызывать все мультимодальные функции Gemini API одной лаконичной shell-командой.

Пять модальностей в одном бинарнике

Архитектура утилиты объединяет пять ключевых направлений генеративного ИИ в едином интерфейсе командной строки:

• Генерация текста (generate) — создание аналитических сводок, статей, документации и программного кода со строгой валидацией по JSON-схеме.
• Генерация изображений (image) — прямой рендеринг картинок по текстовому описанию через модель Imagen 3 с мгновенным сохранением в PNG.
• Синтез видео (video) — генерация коротких синематических видеоклипов высокого разрешения.
• Голосовой синтез (tts) — преобразование текста в речь с возможностью выбора дикторского тембра и сохранением дорожки в MP3.
• Транскрибация и анализ (transcribe) — распознавание аудиозаписей и видеофайлов с автоматическим извлечением таймкодов и разбивкой по спикерам.

Важно не путать gemini-api-cli с интерактивным агентом gemini-cli. Если второй представляет собой интерактивную диалоговую оболочку (REPL) с выполнением системных команд и поддержкой MCP, то gemini-api-cli — это чистый инструмент автоматизации («швейцарский нож»), созданный для встраивания в чужие скрипты и пайплайны.

Заточен под агентов: интроспекция и сухой прогон

Главная изюминка утилиты кроется в опциях, созданных специально для взаимодействия с вызывающими ИИ-агентами:

1. Машиночитаемая справка --usage: флаг выводит дерево доступных команд и параметров в компактном формате KDL. Агенту не нужно парсить человеческую справку — он мгновенно считывает синтаксис.
2. Схемы данных --schema: возвращает строгую спецификацию JSON для формирования валидных структурированных запросов.
3. Безопасная валидация --dry-run: утилита проверяет параметры, пути к файлам и формирует итоговый HTTP-запрос локально, не отправляя его в сеть и не сжигая квоту токенов впустую.
4. Прямой вывод в файл --out <path>: избавляет терминал от мусора в виде гигантских Base64-строк, сразу записывая бинарные медиафайлы на диск.

Если ты автоматизируешь рабочие процессы с моделями Google, рекомендуем вспомнить наши разборы про интеграцию Gemini и AI Studio со средой автономных агентов и облачную автономность управляемых агентов Gemini. Новый CLI делает связку еще более монолитной.

Практический конвейер: от установки до цепочки генерации

Установка инструмента сводится к загрузке предкомпилированного исполняемого файла и экспорту персонального ключа из Google AI Studio:

# Установка бинарного файла Gemini API CLI (Linux / macOS)
curl -sSL https://raw.githubusercontent.com/google-gemini/gemini-api-cli/main/install.sh | bash

# Экспорт ключа доступа из Google AI Studio
export GEMINI_API_KEY="AIzaSyYourSecretStudioApiKeyExample"

# Проверка корректности установки и просмотр доступных модальностей
gemini-api --help

После этого в обычном Bash-скрипте можно собрать полноценный конвейер подготовки мультимедийного контента без единой строчки на Python:

# 1. Генерация текста аналитического поста
gemini-api generate "Напиши краткий обзор трендов в разработке автономных ИИ-агентов на 2027 год" \
  --output-format json > ./output/article.json

# 2. Безопасная проверка параметров генерации изображения без расхода квоты (--dry-run)
gemini-api image "Футуристическая серверная стойка с голографическим интерфейсом управления, стиль изометрия" \
  --out ./output/cover.png --dry-run

# 3. Реальная генерация обложки и сохранение файла на диск
gemini-api image "Футуристическая серверная стойка с голографическим интерфейсом управления, стиль изометрия" \
  --out ./output/cover.png

# 4. Синтез голосовой версии саммари статьи в файл формата MP3
gemini-api tts "Автономные агенты переходят от текстовых чатов к прямому управлению операционной системой и API." \
  --out ./output/summary.mp3

# 5. Транскрибация входящего аудиофайла с извлечением таймкодов
gemini-api transcribe ./input/interview_recording.wav --json | jq '.segments[] | {start: .start, text: .text}'

Экспериментальный статус и безопасность ключей

Помни, что проект имеет экспериментальный статус открытой разработки Google: сигнатуры флагов и форматы схем могут дополняться. Кроме того, никогда не передавай API-ключ в открытом виде через аргументы командной строки, иначе он осядет в системных логах ps и истории терминала history. Используй только защищенные переменные окружения.

Для разработчиков, пишущих Bash-скрипты или настраивающих оркестрацию субагентов, Gemini API CLI становится универсальным терминальным шлюзом ко всем возможностям мультимодального ИИ.