Google 发布 Gemini API CLI（gemini-api）实验预览：零依赖 Go 二进制，让 Claude Code、Codex、Cursor 等编码 Agent 直接出图、出视频、转写并调度托管 Agent

核心背景与行业痛点

编码 Agent 越来越多地需要在写代码之外顺手做别的事：给落地页生成配图和配音、读一份 PDF、把会议录音转成字幕，或者把调研交给后台 Agent。过去 Agent 调用 Gemini 往往要猜模型 ID、临时写一段 SDK 脚本，或者拼一长串 curl，还常把 base64 图片直接倒进上下文。Google 把开发栈分成三层：Gemini API 本身、面向生产后端的 Gen AI SDK（Python/TypeScript/Go/Java），以及这次新增、面向终端和 Agent 的 gemini-api CLI。

架构亮点与底层机制

gemini-api 是无状态的 Go 单文件，每次调用独立执行，由宿主 Agent 提供上下文、选择模型、决定下一步。命令分为 Create（generate、image、tts、music、video）、Understand（analyze、transcribe）、Manage（agent、files、models 等）和 Advanced（environments、credentials、webhooks、triggers）。整套接口能从二进制本身发现：--usage 给出 KDL 格式的完整命令树，--schema 给出请求体的 JSON Schema，--dry-run 不联网也不读系统钥匙串，就能校验参数并预览隐去凭据的 HTTP 请求。媒体命令把文件写到磁盘、只打印路径；托管 Agent 任务返回 interaction ID，之后再取结果。

权威 Benchmark 与实测跑分对比

这是开发工具发布，官方未公布性能或准确率跑分。可以核对的事实是：GitHub 仓库 google-gemini/gemini-api-cli 采用 Apache 2.0 许可，最新版本 v0.4.3 于 2026-10-19 发布；官方文档明确标注为实验项目、并非受支持的 Google 产品。模型能力取决于底层默认模型（如 Gemini 3.8 Flash、Nano Banana 2.1），CLI 本身不改变模型效果。另需注意它与已有的 Gemini CLI（交互式编码 Agent）是两个不同产品，社区已有人对命名表示困惑。

开发者实战落地与开箱指南

macOS/Linux 用官方 install.sh 安装，或 go install github.com/google-gemini/gemini-api-cli/cmd/gemini-api@latest；在 AI Studio 创建 API Key 后 export GEMINI_API_KEY。先用 gemini-api generate "Hello" --dry-run 离线自检，再去掉 --dry-run 真调用。官方建议把一段说明写进 AGENTS.md、CLAUDE.md 或 .cursorrules，让 Agent 先看 --help/--usage、用 --dry-run 预览，并记录返回的文件路径和 interaction ID。生产后端仍建议用 Gen AI SDK，CLI 更适合 shell 流水线、CI 和编码 Agent。