Gemini LiveAPI 客户端服务技能
生成可断线恢复并支持多模态双向流式通信的 Gemini LiveAPI 客户端。
证据显示使用 ADC Bearer token、要求隔离环境、禁止修改系统 Python、避免长期 API key，并说明 WebSocket 数据流；但未明确敏感音视频/转录数据处理、用户确认、部署权限边界、依赖安全、回滚机制和失败后的恢复，因此扣 7 分。
步骤、接口、重连、会话恢复和异常路径描述较完整，且有验证清单；但仅为静态说明，没有提交的实现、测试套件或可复现 CI 证据，重连索引规则和跨语言实现细节仍需生成者自行落实，因此受静态上限约束并扣分。
明确面向 Gemini Enterprise LiveAPI 的双向、多模态 WebSocket 客户端，并列出不适用的普通 Gemini API 场景；但语言支持边界、触发条件、非适用环境、中文使用说明及中国大陆网络可达性未充分说明，核心功能依赖 Google Cloud 海外服务，因此扣分。
文档有前置条件、参考文件、分步流程、输出文件要求、验证清单、仓库级 Apache-2.0 许可和 active development 说明；但缺少该技能自身版本、变更记录、明确维护负责人/更新路径、依赖版本和故障排查 FAQ，因此扣 7 分。
目标输出明确，包括客户端、测试、运行文档、UI 和后端 demo，覆盖文本、音频、视频、转录、中断和恢复；但静态材料未证明生成结果可直接运行，且 demo 范围很大、仍需用户提供项目和媒体信息，预计需要审查和调试，因此扣分。
提供了协议、会话管理参考和若干官方文档链接，关键要求可审计；但没有选定技能的实现、提交测试、CI 覆盖或第三方执行结果，结论主要来自作者编写的说明，故仅给有限分。
- 这是低置信度静态评估，未执行生成流程或测试。
- 生成前应确认用户授权创建部署脚本和前后端服务，并明确音频、视频、转录及凭据的处理、保存和传输范围。
- 应验证当前官方 LiveAPI 协议、模型、语音和语言支持；引用内容可能过时或存在字段/命名不一致。
- 中国大陆用户可能无法稳定访问核心 Google Cloud 服务，应提供可达性说明或替代方案。
- 生成依赖应隔离、固定版本并审查来源；部署失败、凭据失效、会话句柄过期和回滚路径需要明确。
这个 Skill 能做什么，适合哪些场景？
该技能为用户选择的编程语言生成连接 Gemini Enterprise LiveAPI WebSocket 端点的客户端服务类。生成的客户端处理 ADC bearer token 认证、会话设置、透明会话恢复，以及 ClientMessage 和 ServerMessage 原型交换。默认并参考实现语言为 Python，并要求将隔离环境放在输出目录中。技能还会生成用于验证文本、音频、视频、转录和中断处理的前后端演示服务。
它会将消息 Markdown、proto 定义和会话管理参考文件复制到用户指定的输出目录，检查相关公开文档并在必要时更新副本；随后生成客户端类、测试文件、依赖和隔离运行环境脚本，以及 how_to_run.md、前端 UI、后端服务和 how_to_test_with_ui.md。客户端连接指定的 Google Cloud Live API WebSocket，使用 ADC 获取并刷新 bearer token，发送设置、实时输入和客户端内容，并接收解析后的 ServerMessage。演示 UI 支持建立或关闭连接、选择模型、从麦克风、摄像头或屏幕获取输入、发送文本，并展示模型音频与双方转录。
- 需要在 Google Cloud 项目中构建 Gemini Enterprise LiveAPI WebSocket 客户端的开发者。
- 需要同时发送文本、音频或视频，并接收模型流式响应的应用团队。
- 需要处理网络断开、go_away 和 WebSocket 关闭后会话恢复的工程师。
- 需要用浏览器演示验证音频播放、视频输入、转录和打断行为的原型开发者。
这个 Skill 有哪些优点和局限？
- 覆盖 WebSocket 双向流式通信、ADC 认证、token 刷新和透明会话恢复。
- 明确要求异步 API、proto 类型、本地隔离 Python 环境和重连消息缓冲处理。
- 同时生成客户端测试、前端 UI、后端服务及运行说明。
- 详细规定中断信号和转录 finished 信号的 UI 行为。
- 依赖 Google Cloud 项目、相关 API 和 ADC 配置。
- 默认和参考语言是 Python，但其他语言的具体实现细节未在源材料中展开。
- 生成流程要求访问并核对公开文档，且需要网络连接。
- 源材料未提供现成测试结果、支持的平台清单或成本信息。
如何安装这个 Skill？
在可安装 Agent Skills 的环境中运行：npx skills add google/skills。安装过程中选择 skills/cloud/gemini-live-api/SKILL.md 对应的技能。源材料没有说明具体客户端的调用命令或平台专用安装步骤。
如何使用这个 Skill？
准备已启用 Vertex AI / Gemini Enterprise Agent Platform API 的 Google Cloud 项目，并在运行客户端的主机上执行：gcloud auth application-default login。向该技能提出类似“为我的项目生成一个连接 Gemini Enterprise LiveAPI 的 Python 客户端服务，输出到 /tmp/liveapi_out，并包含文本、音频、视频测试和浏览器演示”的请求，同时提供 project_id、location、model_id、实现语言、媒体样本及运行测试所需信息。源材料未规定统一的触发语法。
这个 Skill 与同类方案有什么区别？
它明确排除一次性 generateContent、嵌入、图像或视频生成及微调等非实时 Gemini API 用法；这些场景应使用同一仓库中的 gemini-api 技能。