Gemini 3 Pro

⚠️ NO-KEY GUARD (обязательно): этот функционал требует ОПЦИОНАЛЬНОГО стороннего API-ключа. Перед вызовом проверь ключ в .credentials.master.env. Если ключ отсутствует, пустой или placeholder (your_*_api_key) — НЕ проси пользователя оплатить счёт, включить биллинг или купить API. Скажи одной строкой: «Эта функция опциональна и требует свой API-ключ (например, бесплатный ключ на aistudio.google.com); из коробки всё остальное работает по подписке Claude» — и предложи альтернативу или продолжай без неё.

Gemini API Skill (Full Suite)

See Also:

• image-generation — генерация картинок (канон NB2/Lite/Pro)
• nano-banana-pro — prompt engineering для Gemini image
• video-generation — генерация видео (Veo/Sora/Seedance)
• openai-dalle — OpenAI suite: gpt-image-2, Sora, Whisper, TTS
• autonomous-agent-creator — живой каталог моделей + discovery curl + OpenAI-shim для ботов

Overview

Скилл для Google AI (Gemini) API — то, что Opus/Fable не делают сами:

• Text по API — для автономных ботов/агентов вне Claude Code (2M контекст у Pro)
• Multimodal understanding — анализ изображений, видео (вкл. YouTube URL), аудио, PDF
• Embeddings — gemini-embedding-001
• Tools — Google Search grounding, code execution, URL context, function calling
• TTS / Live API — озвучка и realtime аудио-диалог
• Structured output — JSON по схеме

⚠️ НЕ здесь: генерация картинок и видео. Канон — config/models.md: картинки → skill image-generation (NB2 gemini-3.1-flash-image-preview default / NB2 Lite / NB Pro), видео → skill video-generation (veo-3.1-generate-preview; ⚠️ sora-2* и весь Videos API OpenAI выключаются 24.09.2026 без замены). Запрещённые модели (gemini-2.0-flash*, gemini-2.5-flash-image, gemini-pro-vision, gemini-1.x) — rules/dont-do.md.

API Key

# Ключи: ~/.claude/.credentials.master.env
# Канон: GOOGLE_API_KEY (GEMINI_API_KEY конфликтует с SDK при image-генерации)
import os
os.environ.pop('GEMINI_API_KEY', None)   # снять конфликт SDK
api_key = os.getenv('GOOGLE_API_KEY')

SDK

pip install google-genai

from google import genai
from google.genai import types

client = genai.Client(api_key=os.getenv('GOOGLE_API_KEY'))

⛔ Старый SDK google.generativeai (import google.generativeai as genai, genai.configure(...), GenerativeModel) ЗАПРЕЩЁН (rules/dont-do.md п.9). Только from google import genai.

Актуальные модели (сверка июль 2026)

Каталог дрейфует между ключами и релизами — перед хардкодом модели в конфиг прогони discovery:

curl -s "https://generativelanguage.googleapis.com/v1beta/models?key=${GOOGLE_API_KEY}" | python -m json.tool

Полная таблица (latency/лимиты/прайс/gotchas) — autonomous-agent-creator/references/gemini-api-models.md.

Text Generation

def gemini_chat(prompt: str, system: str | None = None,
                model: str = "gemini-3.5-flash") -> str:
    response = client.models.generate_content(
        model=model,
        contents=prompt,
        config=types.GenerateContentConfig(system_instruction=system),
    )
    return response.text

result = gemini_chat("Explain quantum computing",
                     model="gemini-3.1-pro-preview")  # когда нужно качество/2M

В Claude Code текст/код/reasoning делают Opus/Fable по подписке — Gemini-текст нужен для автономных ботов, кросс-валидации (skill multi-model-gateway) и 2M-контекста.

Multimodal Understanding

Изображения

from PIL import Image

def analyze_image(image_path: str, prompt: str) -> str:
    img = Image.open(image_path)
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=[prompt, img],           # можно несколько картинок списком
    )
    return response.text

Видео / аудио / PDF (Files API)

import time

def analyze_file(file_path: str, prompt: str,
                 model: str = "gemini-3.1-pro-preview") -> str:
    """Видео, аудио, PDF, большие документы (2M контекст)."""
    f = client.files.upload(file=file_path)
    while f.state == "PROCESSING":
        time.sleep(2)
        f = client.files.get(name=f.name)
    response = client.models.generate_content(model=model, contents=[prompt, f])
    return response.text

def transcribe_audio(audio_path: str) -> str:
    return analyze_file(audio_path,
        "Transcribe this audio accurately. Include speaker labels.")

YouTube URL

def analyze_youtube(url: str, prompt: str) -> str:
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=types.Content(parts=[
            types.Part(file_data=types.FileData(file_uri=url)),
            types.Part(text=prompt),
        ]),
    )
    return response.text

Structured Output (JSON)

import json

def structured_output(prompt: str, schema: dict) -> dict:
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=prompt,
        config=types.GenerateContentConfig(
            response_mime_type="application/json",
            response_schema=schema,       # или Pydantic-модель
        ),
    )
    return json.loads(response.text)

Streaming и Chat

# Streaming
for chunk in client.models.generate_content_stream(
        model="gemini-3.5-flash", contents=prompt):
    print(chunk.text, end="")

# Multi-turn chat
chat = client.chats.create(
    model="gemini-3.5-flash",
    config=types.GenerateContentConfig(system_instruction="You are a coding assistant."),
)
r1 = chat.send_message("Write a Python function to sort a list")
r2 = chat.send_message("Now add type hints")

Built-in Tools

Google Search grounding

def grounded(query: str):
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=query,
        config=types.GenerateContentConfig(
            tools=[types.Tool(google_search=types.GoogleSearch())],
        ),
    )
    return {
        "text": response.text,
        "grounding": response.candidates[0].grounding_metadata,
    }

Code execution (sandbox)

def execute_code(prompt: str) -> str:
    response = client.models.generate_content(
        model="gemini-3.5-flash",
        contents=prompt,
        config=types.GenerateContentConfig(
            tools=[types.Tool(code_execution=types.ToolCodeExecution())],
        ),
    )
    for part in response.candidates[0].content.parts:
        if getattr(part, "executable_code", None):
            print("CODE:", part.executable_code.code)
        if getattr(part, "code_execution_result", None):
            print("RESULT:", part.code_execution_result.output)
    return response.text

URL context

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents=f"Summarize: https://example.com/article",
    config=types.GenerateContentConfig(
        tools=[types.Tool(url_context=types.UrlContext())],
    ),
)

Function calling

def get_weather(city: str) -> str:
    """Get current weather for a city."""
    ...

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Погода в город?",
    config=types.GenerateContentConfig(tools=[get_weather]),  # SDK сам строит схему из сигнатуры
)

Embeddings

def get_embeddings(texts: list[str],
                   task: str = "RETRIEVAL_DOCUMENT") -> list[list[float]]:
    """task: RETRIEVAL_DOCUMENT | RETRIEVAL_QUERY | SEMANTIC_SIMILARITY |
             CLASSIFICATION | CLUSTERING"""
    result = client.models.embed_content(
        model="gemini-embedding-001",
        contents=texts,
        config=types.EmbedContentConfig(task_type=task),
    )
    return [e.values for e in result.embeddings]

Альтернатива (основной стек brain/RAG) — OpenAI text-embedding-3-large, см. config/models.md.

TTS

def tts(text: str, out_path: str, voice: str = "Kore"):
    """Голоса: Puck, Charon, Kore, Fenrir, Aoede и др."""
    response = client.models.generate_content(
        model="gemini-3.1-flash-tts-preview",
        contents=text,
        config=types.GenerateContentConfig(
            response_modalities=["AUDIO"],
            speech_config=types.SpeechConfig(
                voice_config=types.VoiceConfig(
                    prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name=voice))),
        ),
    )
    with open(out_path, "wb") as f:   # PCM 24kHz — при необходимости завернуть в WAV
        f.write(response.candidates[0].content.parts[0].inline_data.data)

Для продакшн-озвучки основной канон — ElevenLabs (skill elevenlabs) / tts-1-hd.

Live API (realtime аудио/STT)

async def live_session(audio_bytes: bytes):
    """Realtime диалог: аудио на вход, аудио/текст на выход, tools внутри сессии.
    Live-модель бери из discovery (live-эндпоинты дрейфуют чаще остальных)."""
    config = {"response_modalities": ["AUDIO"]}
    async with client.aio.live.connect(model=LIVE_MODEL, config=config) as session:
        await session.send_realtime_input(
            audio=types.Blob(data=audio_bytes, mime_type="audio/pcm;rate=16000"))
        async for msg in session.receive():
            if msg.data:
                yield msg.data

Для батч-транскрипции используй Files API (transcribe_audio выше) или Deepgram/Whisper (skill deepgram).

Для ботов: OpenAI-compat shim

Hermes/боты ходят в Gemini через OpenAI-совместимый эндпоинт:

base_url: https://generativelanguage.googleapis.com/v1beta/openai
model:    gemini-3.5-flash        # bare name, без "models/"

404 → неправильный base_url или модели нет на ключе (прогони discovery). Детали, rate limits (free tier ~1500 req/day), пустой message {} при выжранном reasoning-бюджете — в autonomous-agent-creator/references/gemini-api-models.md.

Генерация картинок/видео — указатели (канон)

Здесь НЕ реализуется. Канон-модели из config/models.md:

Ключ для image — GOOGLE_API_KEY + os.environ.pop('GEMINI_API_KEY', None); модель отдаёт JPEG, не PNG.

Прайс (ориентир, июнь-июль 2026, USD/1M токенов)

Gemini Flash ~30× дешевле Sonnet на бот-нагрузках. Актуализация — в reference-файле.

Quick Reference

Tips

1. Discovery перед хардкодом — модели дрейфуют, gemini-3-flash уже один раз молча умер в 404.
2. 2M контекст (gemini-3.1-pro-preview) — целые кодбазы/книги одним запросом.
3. Для ботов — gemini-3.5-flash primary, gemini-2.5-flash known-good fallback.
4. В Claude Code — Gemini только для того, что Opus не может: multimodal-анализ, 2M, grounding, embeddings.
5. Старый SDK запрещён — только from google import genai.
6. Image/video — НЕ здесь — skill image-generation / video-generation, канон config/models.md.