Gemini API CLI w becie. Narzędzie Google dla agentów kodu

Czym jest Gemini API CLI i czym różni się od Gemini CLI

Gemini API CLI to klient wiersza poleceń, który wywołuje Gemini API bez pisania kodu w Pythonie czy JavaScripcie. Dokumentacja Google opisuje go jako narzędzie bezstanowe i bez zależności. Każde polecenie wykonuje jedno zadanie, zapisuje wynik i kończy działanie, więc łatwo je wpiąć w skrypt, zadanie CI albo pracę agenta kodu.

Nazwa łatwo myli się z Gemini CLI, czyli interaktywnym agentem programistycznym Google uruchamianym w terminalu. Google wprost rozdziela te narzędzia. Gemini CLI sam pisze kod i prowadzi rozmowę, a gemini-api jest prostym klientem API, którego mogą używać inne agenty. Według dokumentacji współpracuje z Antigravity, Claude Code, Codex, Cursor i każdą powłoką systemową.

Co potrafi narzędzie gemini-api

Polecenia podzielono na kilka grup. Zestawienie poniżej opiera się na przewodniku Gemini API CLI w dokumentacji Google, sprawdzonym 28 października 2026 roku.

• Tworzenie treści - polecenia generate (tekst), image (generowanie i edycja obrazów), tts (mowa, także z kilkoma głosami), music i video, z opcją pracy asynchronicznej.
• Analiza - polecenie analyze przyjmuje pliki PDF, obrazy, nagrania, wideo, pliki CSV i publiczne filmy z YouTube, a transcribe zapisuje transkrypcję w formatach md, text, json lub srt.
• Agenci - polecenie agent uruchamia, sprawdza i anuluje zarządzanych agentów Gemini, w tym długie zadania Deep Research w tle.
• Pliki i konfiguracja - polecenia files, models, configure i whoami do przesyłania plików, listy modeli i sprawdzania aktywnego klucza.
• Tryb dla automatów - wynik w JSON, filtr --jq, tryb --dry-run, który pokazuje zapytanie bez wysyłania go, oraz stałe kody wyjścia (0 sukces, 1 błąd API, 2 błąd parametrów, 3 błąd uwierzytelnienia).

Dlaczego to narzędzie dla agentów kodu

Google projektował gemini-api z myślą o agentach, które wykonują polecenia w terminalu. Polecenia generujące multimedia zapisują plik na dysku i zwracają tylko jego ścieżkę. Dzięki temu dane binarne nie trafiają do kontekstu agenta i nie zużywają tokenów. Tryb --agent-mode zwraca błędy w ustrukturyzowanym formacie JSON, a polecenie --usage wypisuje całe drzewo komend, które agent może odczytać sam.

W praktyce agent kodu pracujący na przykład w Claude Code może poprosić Gemini o wygenerowanie grafiki do aplikacji, transkrypcję nagrania albo analizę dokumentu PDF bez osobnej integracji z SDK. Google zaleca opisanie zasad korzystania z narzędzia w plikach instrukcji agenta, takich jak AGENTS.md czy CLAUDE.md. To podobne podejście jak w otwartym standardzie Agent Skills, który opisywaliśmy przy okazji jego przekazania fundacji AAIF.

Instalacja, klucz API i koszty

Narzędzie działa na macOS, Linuksie i Windows. Można je zainstalować skryptem z repozytorium na GitHubie, przez go install albo z gotowych archiwów w zakładce Releases. W środowiskach CI i kontenerach Docker dokumentacja zaleca archiwa z przypiętą wersją, bo beta może wprowadzać zmiany niezgodne wstecz między wydaniami.

Uwierzytelnienie wymaga klucza Gemini API w zmiennej środowiskowej GEMINI_API_KEY. Na własnym komputerze polecenie gemini-api configure zapisuje klucz w systemowym pęku kluczy, czyli w Pęku kluczy macOS, usłudze Secret Service w Linuksie albo Menedżerze poświadczeń Windows. W CI klucz powinien pochodzić z magazynu sekretów, a nie z pliku w repozytorium.

Google nie wprowadza opłaty za samo narzędzie. Każde polecenie wywołuje jednak model, więc koszt zależy od cennika Gemini API dla użytego modelu i liczby tokenów. Przy generowaniu wideo, muzyki i długich zadaniach Deep Research rachunek może rosnąć szybciej niż przy zwykłych zapytaniach tekstowych.

Ograniczenia i ryzyka wersji beta

Najważniejsze ograniczenie to status beta. Google zastrzega, że narzędzie zmienia się razem z Interactions API, a zmiany niezgodne wstecz mogą pojawić się między wersjami pomocniczymi. Pliki przekazywane bezpośrednio w poleceniu mogą mieć do 14 MB, większe trzeba wysłać poleceniem files upload, a Files API usuwa je po 48 godzinach. Narzędzie nie obsługuje połączeń WebSocket, więc do rozmów głosowych i wideo w czasie rzeczywistym nadal potrzebne jest Live API i biblioteki SDK.

Druga kwestia dotyczy danych. Gemini API CLI działa na Interactions API, które od początku domyślnie zapisuje zapytania i odpowiedzi w logach projektu na płatnym planie. Firma, która przekazuje agentowi dokumenty z danymi osobowymi, powinna wyłączyć logi w ustawieniach projektu albo dodawać do zapytań parametr store o wartości false przez opcję --body. Warto też pamiętać, że agent z dostępem do klucza API może wywoływać płatne modele bez nadzoru, dlatego klucze do automatyzacji dobrze jest trzymać w osobnym projekcie z limitem budżetu.

Co to oznacza dla polskich zespołów

Dla zespołów, które już korzystają z agentów kodu, gemini-api upraszcza dodanie modeli Google do istniejących procesów. Zamiast pisać skrypt z SDK, wystarczy jedno polecenie w potoku CI, na przykład do transkrypcji nagrań ze spotkań, generowania grafik do testów interfejsu czy analizy plików PDF. Gemini API jest dostępne w Polsce, a narzędzie korzysta z tych samych kluczy i projektów co dotychczasowe integracje.

W naszej ocenie na tym etapie narzędzie najlepiej sprawdzi się w eksperymentach i wewnętrznych automatyzacjach. W procesach produkcyjnych warto przypiąć konkretną wersję, sprawdzić ustawienia logowania pod kątem RODO i ustawić limity wydatków w projekcie Google Cloud, zanim agent dostanie klucz do płatnego API.