Google lansează Gemini API CLI în beta pentru agenți și automatizări

Google a anunțat pe 27 octombrie lansarea în beta a Gemini API CLI, un client de linie de comandă destinat agenților de programare, scripturilor și proceselor automate de dezvoltare. Instrumentul, disponibil sub numele gemini-api, permite apelarea modelelor Gemini și a agenților administrați de Google dintr-un terminal, prin Interactions API. Acesta reunește generarea de conținut, analiza fișierelor și executarea unor sarcini de cercetare în fundal.

Proiectul este open source, iar Google distribuie executabile pentru macOS, Linux și Windows. Clientul este scris în Go și poate fi folosit ca un singur fișier executabil, fără adăugarea unei biblioteci software în proiectul aplicației. Stadiul beta se aplică acestui client nou; funcțiile accesate în cloud urmează separat disponibilitatea și condițiile modelelor sau agenților selectați.

O interfață pentru agentul și mediul de lucru existente

Gemini API CLI funcționează în interiorul unui mediu care poate executa comenzi shell. Documentația menționează agenți de programare precum Antigravity, Claude Code și Codex, dar aceeași interfață este disponibilă scripturilor și sistemelor CI, care execută automat verificări sau operațiuni în procesul de dezvoltare. Agentul principal păstrează coordonarea sarcinii și folosește clientul pentru apelurile către serviciile Gemini.

Numele apropiat de Gemini CLI desemnează un produs cu un rol diferit. Gemini API CLI este un client API fără istoric local ascuns al conversației, în timp ce Gemini CLI este un agent de programare interactiv. În noul client, comenzile sunt apeluri distincte, iar continuarea unui proces se face explicit, folosind fișierele și identificatorii întorși de serviciu.

Comenzile acoperă generarea de text, imagini, vorbire, muzică și video, precum și analiza documentelor și transcrierea înregistrărilor. Rezultatele media sunt scrise pe disc, iar programul apelant primește calea fișierului. În ieșirea structurată pot apărea și tipul conținutului, dimensiunea sau starea operațiunii, astfel încât rezultatul să poată fi preluat de următoarea etapă a procesului.

Această separare între fișier și răspunsul comenzii păstrează datele binare în afara contextului textual al agentului. Un fișier audio sau o imagine poate fi transmis mai departe prin calea sa, fără inserarea conținutului codificat în conversație. Pentru text și metadate, clientul oferă ieșire JSON și filtrarea unor câmpuri, utile programelor care prelucrează automat rezultatele.

Scheme verificabile și răspunsuri pentru procese automate

Clientul include descrierea comenzilor și schemele cererilor, care pot fi consultate fără acces la rețea. Potrivit Google, agentul poate verifica astfel structura parametrilor direct în executabilul instalat. Funcția de simulare validează datele și afișează cererea HTTP pregătită, cu datele de autentificare mascate, fără a trimite apelul către API.

Execuția obișnuită este concepută pentru folosire fără dialoguri interactive. Acestea se activează explicit, iar erorile pot fi întoarse în format structurat. Codurile de ieșire diferențiază succesul, problemele de execuție sau de API, parametrii invalizi și erorile de autentificare. Un proces automat poate folosi aceste categorii pentru a decide dacă oprește sarcina sau solicită intervenția operatorului.

Parametrii uzuali sunt disponibili prin opțiunile comenzilor, iar configurațiile suplimentare pot fi trimise ca un corp de cerere în format JSON. Documentația include utilizarea unor scheme pentru rezultatul generat și configurarea instrumentelor apelate de model. Dacă aceeași valoare este definită în mod conflictual prin două mecanisme, clientul respinge cererea în etapa de validare.

Analiza documentelor și păstrarea fișierelor

Funcțiile de analiză acceptă documente PDF, imagini, înregistrări audio și video, fișiere CSV și text, precum și adrese publice YouTube. Mai multe fișiere pot fi incluse în aceeași solicitare, inclusiv pentru comparații. Transcrierea produce fișiere cu text, marcaje temporale și identificarea vorbitorilor, în formate precum Markdown, JSON sau SRT, conform comenzii folosite.

Pentru intrările locale trimise direct, Gemini API CLI stabilește o limită de 14 MB de date brute, în cadrul pragului de 20 MB pentru cererea cu date codificate base64. Fișierele mai mari sunt încărcate prin Files API, iar solicitările ulterioare folosesc identificatorul rezultat. Această limită a clientului este distinctă de capacitatea serviciului de stocare a fișierelor.

Files API permite până la 2 GB pentru un fișier și un total de 20 GB pe proiect. Fișierele încărcate sunt păstrate timp de 48 de ore și apoi șterse automat; serviciul permite și ștergerea lor manuală. Metadatele pot fi consultate pe durata păstrării. Google precizează că descărcarea fișierelor generate de modele este tratată separat de accesul la fișierele încărcate de utilizator.

Sarcini în fundal, cu identificatori expliciți

Pentru operațiunile de durată, clientul poate porni agenți administrați în cloud, inclusiv Deep Research, și poate întoarce imediat identificatorul interacțiunii. Programul care a inițiat cererea păstrează acest identificator, consultă starea execuției și recuperează rezultatul după finalizare. Sunt disponibile și operațiuni de anulare a unei sarcini active.

Lipsa istoricului local implicit al clientului este separată de păstrarea datelor în Interactions API. API-ul stochează implicit interacțiunile și poate folosi identificatorul unei interacțiuni anterioare pentru continuarea conversației. Conform documentației, istoricul intrărilor și ieșirilor este reutilizat prin acest mecanism, în timp ce instrumentele, instrucțiunile de sistem și configurația generării se aplică interacțiunii curente.

Stocarea interacțiunilor poate fi dezactivată printr-un parametru explicit. Această configurație exclude însă execuția în fundal și continuarea ulterioară pe baza identificatorului interacțiunii. Prin urmare, un proces care lansează un agent de cercetare în fundal și unul care cere un răspuns fără stocarea interacțiunii au configurații distincte în API.

Acces prin API și integrare în aplicații

Autentificarea se face cu o cheie Gemini API asociată unui proiect Google Cloud, prin care sunt administrate permisiunile, cotele și facturarea. Clientul poate primi cheia din mediul de execuție sau o poate păstra în mecanismul de stocare a secretelor al sistemului de operare. Pentru procesele CI, Google indică utilizarea unui gestionar de secrete, separat de codul proiectului.

Modelul poate fi selectat pentru fiecare sarcină, iar clientul include comenzi pentru consultarea modelelor disponibile. Alegerea modelului stabilește capabilitățile folosite pentru text, imagini sau celelalte tipuri de conținut. Cheia de acces rămâne o credențială a proiectului; publicarea ei în codul unei pagini web ar permite altor persoane să folosească resursele asociate.

Google separă acest mod de lucru din terminal de integrarea bibliotecilor GenAI în codul unei aplicații. Pentru dezvoltarea aplicațiilor cu integrare AI, SDK-urile oferă acces direct din limbaje precum Python, JavaScript, Go sau Java. Gemini API CLI deservește în schimb agentul, scriptul sau procesul de dezvoltare care are nevoie de un apel din shell.

Clientul utilizează cereri HTTP, răspunsuri transmise progresiv prin SSE și verificarea periodică a operațiunilor asincrone. Conexiunile bidirecționale WebSocket necesare unor sesiuni audio și video în timp real sunt deservite prin Live API și SDK-urile GenAI. Pentru mediile automate, Google recomandă fixarea unei versiuni a clientului beta, deoarece actualizările pot schimba compatibilitatea între versiuni.