Gemini API CLI

Gemini API CLI (gemini-api) হল একটি স্টেটলেস, জিরো-ডিপেন্ডেন্সি কমান্ড-লাইন ক্লায়েন্ট যা শেল অ্যাক্সেস সহ AI এজেন্টের জন্য তৈরি করা হয়েছে (এবং স্ক্রিপ্ট ও CI থেকে ব্যবহারযোগ্য)। আপনার কোডিং এজেন্ট তারপর টেক্সট ও মিডিয়া তৈরি করতে, ফাইল বিশ্লেষণ করতে এবং Gemini ম্যানেজ করা এজেন্ট-কে টাস্ক ডেলিগেট করতে পারবে। এটি Antigravity, Claude Code, Codex, Cursor, OpenClaw, Hermes বা যেকোনও শেল এনভায়রনমেন্টের সাথে কাজ করে।

প্রতিটি ফিচার Interactions API-তে স্ট্যান্ডার্ড শেল কমান্ড হিসেবে রান করে। এজেন্ট সাবপ্রসেস, আপনার টার্মিনাল বা CI পাইপলাইন থেকে একই কমান্ড রান করুন:

# 1. Install on macOS or Linux
curl -fsSL https://raw.githubusercontent.com/google-gemini/gemini-api-cli/main/scripts/install.sh | bash

# 2. Set your API key
export GEMINI_API_KEY="YOUR_API_KEY"

# 3. Generate media, analyze a file, or launch a background managed agent
gemini-api image "Minimalist isometric icon of a cloud database" --out ./assets/db-icon.jpg
gemini-api analyze -i ./docs/quarterly-report.pdf "Summarize the key findings in three bullets."
gemini-api agent run "Compare WebRTC SFU architectures and cite sources" \
  --agent deep-research-preview-04-2026 \
  --background \
  --stream=false

সঠিক Gemini টুল বেছে নিন

আপনার প্রোজেক্টে SDK কোড যোগ না করে শেল থেকে সরাসরি Gemini-কে কল করার জন্য কোনও এজেন্ট বা স্ক্রিপ্টের প্রয়োজন হলে gemini-api ব্যবহার করুন। আপনি যখন কোনও অ্যাপ্লিকেশনে Gemini বিল্ড করছেন তখন SDK এবং কোডিং এজেন্ট সেট-আপ ব্যবহার করুন:

এটি কীভাবে কাজ করে

র REST কল এবং ইন্টার‍্যাক্টিভ CLI-এর কারণে প্রায়ই কোডিং এজেন্টের সমস্যা হয়। Base64 মিডিয়া কনটেক্সট উইন্ডো পূরণ করে, ইন্টার‍্যাক্টিভ প্রম্পট সাবপ্রসেস ব্লক করে এবং পুরনো ট্রেনিং ডেটার কারণে হ্যালুসিনেটেড ফ্ল্যাগ দেখা যায়।

চারটি ডিজাইন সংক্রান্ত পছন্দ এজেন্টদের জন্য gemini-api-কে নির্ভরযোগ্য করে তোলে:

• অফলাইন স্কিমা লুক-আপ: কমান্ড ট্রি (KDL-এ) প্রিন্ট করতে --usage পাস করুন অথবা --body অনুরোধের জন্য JSON স্কিমা প্রিন্ট করতে --schema পাস করুন।
• ডিস্কে ফাইল, stdout-এ পাথ: মিডিয়া ও ট্রান্সক্রিপশন কমান্ড ডিস্কে ফাইল লেখে এবং শুধু আউটপুট পাথ প্রিন্ট করে, বাইনারি ডেটা কনটেক্সটের বাইরে রাখে।
• ড্রাই রান ও স্ট্রাকচার্ড আউটপুট: --dry-run ইনপুট যাচাই করে, ক্রেডেনশিয়াল এডিট করে এবং অফলাইনে HTTP অনুরোধের প্রিভিউ দেখায়। মেশিনের ক্ষেত্রে গ্রহণযোগ্য আউটপুটের জন্য -o json, -o toon বা --jq পাস করুন। stderr-এ স্ট্রাকচার্ড JSON সমস্যা ফেরত পেতে --agent-mode যোগ করুন এবং ব্যর্থতা ম্যানেজ করতে এক্সিট কোড চেক করুন। আপনি --interactive পাস না করলে কমান্ড কখনই প্রম্পট করে না।
• ডিফল্ট হিসেবে স্টেটলেস: কমান্ড কোনও লুকানো লোকাল স্টেট রাখে না। চেন --previous-interaction-id, আপলোড করা files/<id> URI বা ব্যাকগ্রাউন্ড ইন্টার‍্যাকশন আইডির সাথে স্পষ্টভাবে মাল্টি-স্টেপ কাজ।

-o json-এর মাধ্যমে, মিডিয়া কমান্ড এখনও ডিস্কে ফাইল লেখে এবং stdout-এ মেটাডেটা প্রিন্ট করে:

{
  "kind": "image",
  "mime_type": "image/jpeg",
  "path": "/path/to/project/assets/db-icon.jpg",
  "response_id": "v1_...",
  "size_bytes": 2914159,
  "status": "completed"
}

শুরু করুন

CLI ইনস্টল করুন, আপনার PATH-এ gemini-api রাখুন, GEMINI_API_KEY সেট করুন এবং আপনার কোডিং এজেন্টে ব্যবহারের নিয়ম যোগ করুন।

১. বাইনারি ইনস্টল করুন

curl -fsSL https://raw.githubusercontent.com/google-gemini/gemini-api-cli/main/scripts/install.sh | bash

curl -fsSL https://raw.githubusercontent.com/google-gemini/gemini-api-cli/main/scripts/install.sh | GEMINI_VERSION=<release-tag> bash

iwr -useb https://raw.githubusercontent.com/google-gemini/gemini-api-cli/main/scripts/install.ps1 | iex

go install github.com/google-gemini/gemini-api-cli/cmd/gemini-api@latest

২. যাচাইকরণ কনফিগার ও যাচাই করুন

Google AI Studio-তে একটি API key তৈরি করুন ( API key দেখুন)। আপনার শেলে GEMINI_API_KEY সেট করুন এবং আপনার এজেন্টের সাবপ্রসেস এনভায়রনমেন্ট:

export GEMINI_API_KEY="YOUR_API_KEY"

লোকাল ওয়ার্কস্টেশনে, আপনি নিজের OS কীচেনে (macOS কীচেন, Linux সিক্রেট সার্ভিস বা Windows ক্রেডেনশিয়াল ম্যানেজার) 'কী' সেভ করতে পারবেন। পরিবর্তে ~/.config/gemini-api/config.yaml-এ 'কী' স্টোর করতে --no-keyring পাস করুন:

# Save to your OS keychain (or run gemini-api configure --interactive)
gemini-api configure --api-key "YOUR_API_KEY"

# Check the active credential source, then preview a request offline
gemini-api whoami
gemini-api generate "Confirm CLI setup in one sentence." --dry-run

৩. আপনার এজেন্টকে নির্দেশাবলী দিন

আপনার প্রোজেক্টের AGENTS.md, CLAUDE.md, .cursorrules বা সিস্টেম প্রম্পটে এই স্নিপেট যোগ করুন যাতে আপনার কোডিং এজেন্ট জানতে পারে যে কীভাবে gemini-api ব্যবহার করতে হয়:

## Gemini API CLI (`gemini-api`)

You have access to `gemini-api` through the shell. Use it to generate text or media (images, speech, music, video), analyze documents and recordings, or run and manage Gemini managed agents.

1. Run `gemini-api --help` or `gemini-api --usage` to choose a command, and `gemini-api <command> --schema` before building a `--body` JSON payload.
2. Preview unfamiliar or complex calls offline with `--dry-run -o json`.
3. For a single JSON result or `--jq` filtering on `generate` or `agent run`, pass `--stream=false -o json`.
4. To chain multi-step workflows, capture the output paths that media and transcription commands print to stdout, and the `id` values returned by `generate` or `agent run`.

তারপর আপনার কোডিং এজেন্টকে আগের মতোই প্রম্পট করুন:

Build a landing page for our developer tool. Use Gemini to generate a hero
illustration and a 15-second welcome voiceover, and start a background Deep
Research agent to compare competing CLI onboarding flows. Wire the assets and
findings into the page.

কমান্ড

সব কমান্ডের তালিকা দেখতে gemini-api --help রান করুন অথবা ইন্টার‍্যাক্টিভভাবে সেগুলি ব্রাউজ করতে gemini-api explore রান করুন।

ওয়ার্কফ্লো

প্রতিটি কমান্ড ডিফল্ট হিসেবে এমন একটি মডেল ব্যবহার করে যা তার টাস্কের জন্য উপযুক্ত। অন্য মডেল বেছে নিতে --model (-m) পাস করুন। উপলভ্য বিকল্পের তালিকা দেখতে gemini-api models রান করুন।

ইমেজ জেনারেশন ও এডিটিং

ওয়েব বা মোবাইল UI তৈরি করা এজেন্টরা Nano Banana-এর সাহায্যে প্লেসহোল্ডার, আইকন ও অনেক বড় ছবি জেনারেট করতে পারবেন। ছবি এডিট করতে -i-এর সাথে জেনারেট করা পাথ পাস করুন:

# Generate a 16:9 image at 2K resolution (512, 1K, 2K, or 4K) and capture its path
HERO_PATH=$(gemini-api image "Friendly robot mascot in a sunlit workshop, space on left for headline" \
  --aspect-ratio 16:9 \
  --image-size 2K \
  --out ./public/images/hero.jpg)

# Edit the generated image
gemini-api image "Add a winter scarf and soft snowfall outside the window" \
  -i "$HERO_PATH" \
  --out ./public/images/hero-winter.jpg

রেফারেন্স ইমেজ একত্রিত করতে -i একাধিকবার পাস করুন, যেমন কোনও চরিত্র এবং স্টাইল গাইড।

টেক্সট-টু-স্পিচ

gemini-api tts UI কিউ, অ্যাক্সেসিবিলিটি প্রিভিউ এবং ন্যারেট করা ওয়াকথ্রু-এর জন্য ২৪ kHz WAV অডিও সিন্থেসাইজ করে। ডিফল্ট ভয়েস হল Kore; --voice-এর মাধ্যমে অন্য একটি বেছে নিন। দুই-স্পিকারের ডায়ালগের জন্য, প্রম্পটে প্রতিটি টার্ন লেবেল করুন এবং স্পিকারদের ভয়েসের সাথে ম্যাপ করুন:

gemini-api tts "Build succeeded. All integration tests passed." \
  --voice Aoede \
  --out ./public/audio/build-ok.wav

gemini-api tts "Alice: Welcome to the release walkthrough! Bob: Let's look at what shipped today." \
  --multi-speaker "Alice=Kore,Bob=Puck" \
  --out ./public/audio/release-intro.wav

মিউজিক ও ভিডিও

Lyria-র সাহায্যে আসল ট্র্যাক কম্পোজ করুন এবং Gemini Omni-র সাহায্যে MP4 ক্লিপ তৈরি করুন:

gemini-api music "Warm ambient synth and acoustic guitar background loop, 95 BPM" \
  --out ./public/audio/bg-loop.mp3

gemini-api video "A drone shot of a mountain landscape at sunrise." \
  --aspect-ratio 16:9 \
  --resolution 1080p \
  --out ./public/video/mountain-sunrise.mp4

ডিফল্ট হিসেবে, video কমান্ড জেনারেশন শেষ হওয়ার জন্য অপেক্ষা করে এবং ডিস্কে MP4 ফাইল লেখে। অবিলম্বে ইন্টার‍্যাকশন আইডি ফেরত পেতে --async পাস করুন, তারপর পরে gemini-api video --resume <id> --out <path> রান করুন। আগে থেকে থাকা ছবি অ্যানিমেট করতে -i পাস করুন।

টেক্সট তৈরি করা

gemini-api generate stdout-এ টেক্সট স্ট্রিম করে:

gemini-api generate "Write a one-paragraph welcome message for new users of a note-taking app."

প্রম্পটে পাইপ টেক্সট করতে --stdin যোগ করুন। আগের ইন্টার‍্যাকশন চালিয়ে যেতে --previous-interaction-id পাস করুন।

ডকুমেন্ট বিশ্লেষণ ও ট্রান্সক্রিপশন

analyze PDF, স্প্রেডশিট, স্ক্রিনশট, অডিও ও ভিডিও ফাইল এবং সর্বজনীন YouTube URL সম্পর্কে প্রশ্নের উত্তর দেয়। transcribe ডিস্কে ফর্ম্যাট করা ট্রান্সক্রিপ্ট (md, text, json, অথবা srt) লেখে:

gemini-api analyze -i ./docs/product-brief.pdf "List the open questions and who owns each one." > open-questions.md

gemini-api transcribe -i ./fixtures/customer-call.mp4 --format srt --out ./fixtures/customer-call.srt

ফাইল তুলনা করতে analyze-এ একাধিকবার -i পাস করুন, যেমন আগে-ও-পরে স্ক্রিনশট।

gemini-api সর্বাধিক ১৪ এমবি (base64 এনকোডিংয়ের পরে ২০ এমবি) পর্যন্ত লোকাল ফাইল ইনলাইন পাঠায়। বড় ফাইলের ক্ষেত্রে, files upload --wait-এর মাধ্যমে একবার আপলোড করুন এবং ফেরত পাওয়া files/<id> URI আবার ব্যবহার করুন:

FILE_URI=$(gemini-api files upload ./recordings/all-hands.mp4 --wait)

gemini-api analyze -i "$FILE_URI" "List action items with owners and timestamps."
gemini-api transcribe -i "$FILE_URI" --format json --out ./recordings/all-hands.json

এজেন্ট রান ও ম্যানেজ করা

আপনার কোডিং এজেন্ট, মাল্টি-স্টেপ রিসার্চ বা স্যান্ডবক্স করা টাস্ক Gemini ম্যানেজড এজেন্ট-কে ডেলিগেট করতে পারে, যেমন Deep Research এজেন্ট। স্ট্রিম খোলা রাখার পরিবর্তে অবিলম্বে একটি ইন্টার‍্যাকশন আইডি পেতে --background --stream=false পাস করুন:

# Launch a Deep Research job in the background and capture its interaction ID
RESEARCH_ID=$(gemini-api agent run "Compare open-source vector index benchmarks and cite primary papers." \
  --agent deep-research-preview-04-2026 \
  --background \
  --stream=false \
  --jq '.id')

# Check status or fetch the finished result while continuing other work
gemini-api agent status "$RESEARCH_ID" -o json

চলমান কাজ বন্ধ করতে gemini-api agent cancel <id> রান করুন। এছাড়াও, আপনি agent run-এর সাহায্যে রিমোট স্যান্ডবক্সে Antigravity এজেন্ট লঞ্চ করতে পারেন অথবা agent create, list, get ও delete-এর সাহায্যে কাস্টম এজেন্ট ম্যানেজ করতে পারেন। এজেন্ট স্যান্ডবক্স কনফিগার করতে এনভায়রনমেন্ট দেখুন।

কাস্টম অনুরোধের প্রধান অংশ

ডেডিকেটেড ফ্ল্যাগ ছাড়া বিকল্পের জন্য, --body (ইনলাইন বা @file.json হিসেবে) সহ একটি র Interactions API JSON পেলোড পাস করুন। response_format স্কিমা, ফাংশন-কলিং টুল, generation_config বা "store": false সেট করতে --body পাস করুন। সঠিক ফিল্ড চেক করতে প্রথমে gemini-api <command> --schema রান করুন:

# Inspect the JSON Schema for the request body
gemini-api generate --schema > generate-schema.json

# Return schema-constrained JSON and skip storing the interaction
cat logs.txt | gemini-api generate "Extract every error message from these logs." \
  --stdin \
  --body '{
    "response_format": {
      "type": "text",
      "mime_type": "application/json",
      "schema": {
        "type": "object",
        "properties": {"errors": {"type": "array", "items": {"type": "string"}}},
        "required": ["errors"]
      }
    },
    "store": false
  }'

--body কমান্ড ফ্ল্যাগের সাথে মার্জ করে। উভয়ই একই কী সেট করলে, এক্সিট কোড 2 সহ কমান্ড কাজ করে না, তাই পরস্পরবিরোধী ইনপুট দ্রুত কাজ করা বন্ধ করে দেয়।

কোড থেকে বেরিয়ে আসুন

প্রতিটি কমান্ড একটি টাইপ করা এক্সিট কোড রিটার্ন করে যাতে স্ক্রিপ্ট এবং এজেন্টরা ত্রুটি টেক্সট পার্স না করেই ব্যর্থতাগুলি পরিচালনা করতে পারে। যেমন, 3 যাচাইকরণ সংক্রান্ত সমস্যা এবং 2 ভুল কমান্ড সিনট্যাক্স সিগন্যাল করে:

প্রতিটি কমান্ডের মাধ্যমে শেয়ার করা গ্লোবাল ফ্ল্যাগ তালিকাভুক্ত করতে gemini-api --help-global রান করুন (যাচাইকরণ, আউটপুট, নেটওয়ার্ক ও ডায়াগনস্টিক)।

সীমাবদ্ধতা

• স্ট্রিমিং কমান্ডের (generate এবং agent run) জন্য --stream=false প্রয়োজন যখন -o json বা --jq-এর সাথে একত্রিত হয়ে একটি JSON রেসপন্স অবজেক্ট রিটার্ন করে।
• ইনলাইন -i ফাইল ইনপুট ক্যাপ ১৪ এমবি র ফাইল ডেটা (২০ এমবি অনুরোধ পেলোড base64 এনকোডিং সহ)। gemini-api files upload-এর মাধ্যমে বড় ফাইল আপলোড করুন। Files API ৪৮ ঘণ্টা পরে আপলোড করা ফাইল মুছে দেয়।
• gemini-api স্ট্যান্ডার্ড HTTP অনুরোধ, SSE স্ট্রিমিং ও অ্যাসিঙ্ক পোলিং সাপোর্ট করে, তবে দ্বিমুখী WebSocket নয়। রিয়েল-টাইম ভয়েস ও ভিডিও স্ট্রিমিংয়ের জন্য, Google GenAI SDK-এর সাথে Live API ব্যবহার করুন।

এর পরে কী করতে হবে

• কোডিং এজেন্ট সেট-আপ
• Interactions API
• Gemini ম্যানেজড এজেন্ট
• GitHub-এ gemini-api-cli