このページでは、すぐに使える Agent Skill を提供します。1つのスクリプトで、gpt-image-2 (公式)、gpt-image-2-all、gpt-image-2-vip(リバース)の3つのチャネルすべてをカバーします。いずれも同じ OpenAI Images API を使用し、違うのは
--modelだけです。既に使っているコーディング Agent にそのまま入れて、1つの prompt で画像を生成できます。必要なのはたった2ファイルです。このスキルが行うこと
単一の統合スキルです。スクリプトは入力画像を渡すかどうかを自動判定し、テキストから画像生成と画像編集を切り替えます:テキストから画像生成
プロンプトのみ → 強力なテキスト描画と写実的な品質を備えた、まったく新しい画像。
マルチ画像融合
複数の画像(最大16枚)+ 1つの指示 → 画像1の人物を画像2のシーンに入れ、画像3のスタイルを維持する、など。
インペインティング
1枚の画像 +
--mask + 指示 → マスクした領域だけを変更します(gpt-image-2 の公式サポートのみ対応)。どのモデルを選ぶか
3つのチャネルはすべて同じ呼び出し方です。違いはソースチャネル、価格/速度、そしてどのパラメータが反映されるかだけです。スクリプトは--modelによってこれらの違いを自動的に処理します:
どのエージェントが使用できますか
Skill は本質的には単なる フォルダ です。つまり、エージェントが読むための手順の集まり(
SKILL.md)+ 実際の作業を行うスクリプトです。したがって、ローカルファイルを読み取り、シェルコマンドを実行できる あらゆるコーディングエージェントが使用できます。たとえば Codex、OpenClaw、hermes-agent、Claude Code などです。必要条件は1つだけです。エージェントが動作するマシン(お使いのコンピュータまたはサーバー)に Python 3 がインストールされており、ネットワークアクセス があることです(スクリプトが api.apiyi.com を直接呼び出します)。それだけです。特定のエージェントに紐づいているわけではありません。3ステップでセットアップ
① フォルダを作成してファイルを貼り付け、依存関係をインストールする
次の2つのファイルを含むスキルフォルダを作成します(完全な内容は次の2セクションにあります)。このスキルはOpenAI SDK経由で呼び出すため、まず依存関係を1つインストールします:② 同じフォルダにキーを入れる
APIYIのAPIキー(api.apiyi.comコンソールで1つ作成します)をgpt-image-2/.envに書き込みます:
.envからキーを自動で読み取ります — 追加の設定や環境変数は不要です。
③ Agentに渡す
- スキルを自動検出するAgent(例: Claude Code)は、
gpt-image-2/フォルダ全体をそのskillsディレクトリに入れてください。個人用の~/.claude/skills/、またはプロジェクトレベルの.claude/skills/(リポジトリ経由で共有)です。 - その他のAgentは、それぞれのスキル/プラグインの規約に従って配置してください。あるいは、最も簡単なのは、単にAgentに「このフォルダのSKILL.mdを読んで、それに従ってください」と伝えることです。
SKILL.md
gpt-image-2/SKILL.md を以下の全文で作成してください(description には「何をするか + いつ使うか」を記載します。これは Agent が自動起動に使います):
scripts/gpt_image.py
OpenAI SDK を APIYI(base_url="https://api.apiyi.com/v1")に向けて使用して、gpt-image-2/scripts/gpt_image.pyを作成します:
モデルの切り替え方法
チャンネルの切り替えは--model だけで、3つの値のうちの1つです:
--model を渡さなくて済むように)、gpt-image-2/.env に1行追加します:
スクリプトは base64 と URL の両方のレスポンスを自動的に処理します(逆方向モデルの
b64_json には data:image;base64, プレフィックスが付いており、スクリプトがそれを取り除きます)。URL 出力を厳密に必要とする 場合にのみ、APIYI コンソールで token の課金グループを image2_OSS に切り替える必要があります。通常の生成では必要ありません。なぜ1文で画像が生成されるのか
多くの人がこう疑問に思います。コマンドを一度も入力していないのに、どうして「猫を描いて」で画像が生成されたのでしょうか? 仕組みはこうです。起動時に、Agent は 各スキルのSKILL.md から description をまず読み取ります(これは「このスキルが何をするか、いつ使うか」を説明する、とても短いメタデータです)。あなたのリクエストがそのシナリオに 一致する 場合(たとえば「画像を描く / 生成する / レンダリングする」、「これらの画像を合成する」など)、Agent は 自動的にそのスキルを呼び出すことを決定し、SKILL.md 全体を読み取り、スクリプトを実行します。しかも、あなたがどのコマンドも覚えていなくてよいように、すべて自動で行われます。
Agent に推測してほしくない場合や 完全に制御したい 場合は、以下の 明示的な呼び出し を使ってください。
使い方
自然言語(暗黙のトリガー)
インストール後は、エージェントに話しかけるだけです:明示的な呼び出し(より細かく制御)
-
スラッシュコマンドに対応しているエージェント(例: Claude Code):
-
任意のエージェント / スクリプトを実行するよう指示するだけ(最も汎用的):
生成された画像の保存先
-oが bare filename(例:-o cat.png)の場合、画像はすべて プロジェクトルートのgpt-image-output/フォルダ に保存されます(自動で作成されます)。そのため、プロジェクト内のその場所ですぐに見つかります。- 「Project root」とは、スクリプト自身の場所から上位にたどって見つかる
.gitまたは.claudeを含む最初のディレクトリです。つまり、エージェントがどのディレクトリから実行されても、画像はプロジェクト内に保存され、見つけられない一時ディレクトリには保存されません。 - スクリプトは、画像ごとに完全な絶対パスを 1 つずつ出力します。例:
Image saved to /Users/you/project/gpt-image-output/cat.png。 - デフォルトでは 1 枚だけ 生成します。
-n 3では一度に 3 枚生成されます(最大 5 枚)し、-1、-2、-3のサフィックスが自動で追加されます。 -oが ディレクトリを含むパス(例:-o images/cat.pngや絶対パス)の場合は、その正確なパスに保存され、gpt-image-output/には保存されません。- 編集 / フュージョンも同じ仕組みです。出力は新しいファイルになり、元のファイルは上書きされません。