メインコンテンツへスキップ
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6つのモデル、gpt-image-2.5-flare / gpt-image-2.5-sunburst / gpt-image-2 (公式) および gpt-image-2.5-all / gpt-image-2-all / gpt-image-2-vip(リバース)をカバーします。いずれも同じ OpenAI Images API を使用し、異なるのは --model のみです。すでに使用しているコーディング Agent に追加すれば、わずか2つのファイルで1つの prompt から画像を生成できます。

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)。

どのモデルを選ぶべきか

6つのモデルはすべてまったく同じ方法で呼び出されます。異なるのは提供チャネル、価格/速度、およびサポートされているパラメータのみです。3つの公式モデル(2.5-flare / 2.5-sunburst / 2)は価格とパラメータを共有しており、3つのリバースモデルも同様です。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:
簡単な目安:日常的なテキストからの画像生成 → gpt-image-2.5-flare、編集 / マスクインペインティング → gpt-image-2.5-sunburst、高速&安価 → gpt-image-2.5-all / gpt-image-2-all、固定サイズ/4K&安価 → gpt-image-2-vip。

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:
スクリプトはこの.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。
.envには秘密キーが保存されます。このスキルをプロジェクトのリポジトリ経由で共有する場合は、必ず.envを.gitignoreに追加し、gitにコミットしないでください。

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。
インストールが終われば準備完了です — 例は使い方をご覧ください。

SKILL.md

以下の完全な内容で gpt-image-2/SKILL.md を作成します(description には「何ができるか+いつ使用するか」を記述します。これは Agent が自動トリガーするために使用されます):
name は小文字の英字+ハイフンである必要があります。スラッシュコマンドをサポートする Agent では、ディレクトリ名がそのままコマンドになります — gpt-image-2 は /gpt-image-2 になります。${CLAUDE_SKILL_DIR} は Claude Code が提供するスキルディレクトリ変数です。他の Agent では、スクリプトの実際のパスを使用してください。

scripts/gpt_image.py

APIYI を指定した OpenAI SDK を使用して gpt-image-2/scripts/gpt_image.py を作成します(base_url="https://api.apiyi.com/v1"):

モデルの切り替え方法

モデルの切り替えは、6つの値のいずれかである --model を変更するだけです。
デフォルトのチャンネルを変更する(毎回 --model を渡さないようにする)には、gpt-image-2/.env に次の行を追加します。
スクリプトは base64 と URL のレスポンスの両方を自動的に処理します(リバースモデルの b64_json には data:image;base64, プレフィックスが含まれており、スクリプトがこれを取り除きます)。URL 出力が必須の場合に限り、APIYI コンソールでトークンの課金グループを image2_OSS に切り替えてください。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。

使用方法

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(より細かい制御)

  • スラッシュコマンドに対応するエージェント(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。

関連ドキュメント