O Google mantém no GitHub, sob a licença aberta Apache 2.0, uma ferramenta chamada gemini-api (abre em nova aba). O próprio README resume a proposta assim: "modelos Gemini e agentes gerenciados para o agente que você já usa". A versão mais recente, a v0.4.3, foi publicada em 19 de outubro. O projeto se apresenta como experimental.
O que chama atenção é a lista de agentes que o Google cita como público-alvo: Codex, Claude Code, Antigravity, OpenClaw, Hermes "ou qualquer outro agente com acesso ao shell". O Codex é da OpenAI e o Claude Code é da Anthropic, duas concorrentes diretas. O Google não está pedindo que você troque de assistente. Está oferecendo o Gemini como uma peça que o assistente que você já usa pode chamar quando precisar gerar uma imagem, transcrever um áudio ou produzir um vídeo.
Para quem não é técnico, isso significa poder usar os modelos de mídia do Google sem abandonar a ferramenta com que você já trabalha. Para o Google, é uma aposta pragmática. Se a disputa pelo agente principal está difícil, vale disputar o papel de fornecedor das capacidades que esses agentes não têm.
O que é, sem jargão
CLI é um programa de linha de comando: em vez de botões, ele recebe instruções digitadas num terminal. Segundo o README, a gemini-api foi feita para uso "headless", sem interface, por agentes de programação e scripts. Na prática, quem digita os comandos não é você. É o agente, quando decide que precisa de algo que só o Gemini faz.
A ferramenta organiza o trabalho em comandos, cada um com um modelo padrão:
generate,analyzeetranscribe(gerar texto, analisar conteúdo e transcrever):gemini-3.8-flashimage(imagens):gemini-nano-banana-2.1tts(texto para fala):gemini-3.8-flash-ttsmusic(música):lyria-3.5video(vídeo):gemini-omni-1.1-flash
É um único programa, escrito na linguagem Go, que roda em macOS, Linux e Windows.
Feita para máquinas, não para pessoas
Várias decisões de projeto só fazem sentido quando o usuário é outro software:
- Arquivos ficam no seu computador. Os comandos de mídia salvam o resultado localmente e devolvem apenas o caminho do arquivo. O agente fica sabendo onde está a imagem sem carregar o conteúdo dela na própria conversa.
- Ensaio antes de agir. A opção
--dry-runvalida o pedido e mostra exatamente o que seria enviado ao Google, com as credenciais ocultas, sem fazer nenhuma chamada pela internet. - Erros legíveis para máquinas. No "modo agente", os erros saem em JSON, um formato estruturado que programas leem com facilidade. Os códigos de saída também separam o tipo de problema: 1 indica falha na execução ou na API, 2 indica uso incorreto e 3 indica falha de autenticação. Assim o agente sabe se o problema está no pedido ou na chave de acesso.
- Tarefas longas em segundo plano. Para os agentes gerenciados do Gemini, a opção
--backgrounddevolve um número de identificação em vez de manter a conexão aberta esperando a resposta. O agente pode seguir com outras tarefas e voltar ao resultado depois.
Isso é coerente com o objetivo. Uma ferramenta pensada para ser operada por IA precisa ser previsível, falar um formato que a máquina entenda e não inundar o agente com dados desnecessários.
O que muda para você
Se você já usa um desses agentes, o caminho descrito no README é curto. Primeiro, instale o programa: há scripts prontos para macOS e Linux e para o PowerShell do Windows, além da instalação via go install, que exige Go 1.26.8 ou superior para a versão atual. Depois, gere uma chave de API no Google AI Studio (abre em nova aba) e guarde-a na variável GEMINI_API_KEY. A partir daí, a ideia é que você peça ao seu agente uma imagem, uma narração ou uma transcrição, e ele recorra à ferramenta para entregar o resultado.
A configuração exige abrir o terminal pelo menos uma vez. Não é um aplicativo de clicar e usar, e não promete ser.
O que trouxe a v0.4.3
A versão de 19 de outubro é sobretudo de acabamento:
- A ferramenta passou a avisar quando faltam credenciais, para que erros de acesso negado (os "403") levem o usuário direto à configuração.
- O nome do modelo informado agora é validado antes do envio.
- Há novas formas de passar conteúdo: pela entrada padrão (
--stdin), por arquivo (-f/--file) ou como instrução de sistema (--system). - O comando de vídeo ganhou opções de proporção de tela, de resolução e de continuação a partir de uma interação anterior.
O registro de mudanças também inclui gemini-4-argon na lista de modelos aceitos pela parte de interações, sem nenhuma explicação adicional. O nome não aparece na tabela de modelos padrão da ferramenta.
Lançamento discreto
Pelo menos por ora, a ferramenta passa quase despercebida. Numa captura recente, o repositório tinha 53 estrelas e 24 forks no GitHub, números pequenos para um projeto com o selo do Google, apesar de já somar 146 commits. A licença também é generosa: o código está sob Apache 2.0 e os demais materiais sob Creative Commons Attribution 4.0. Empresas e desenvolvedores podem usar, modificar e redistribuir o projeto, desde que deem os créditos.
Na minha leitura, o interessante aqui não é a ferramenta em si, mas a postura que ela revela. O Google está admitindo, no próprio README, que o agente principal de muita gente pode ser de outra empresa. E está se oferecendo para ser quem fornece imagem, voz, música e vídeo a esse agente.
Para o leitor, a recomendação é simples. Se você já trabalha com Claude Code, Codex ou similar e quer gerar mídia sem trocar de ferramenta, vale testar. Só não construa um processo importante em cima de uma versão 0.4, que quebrou a compatibilidade com as anteriores há apenas três semanas.