图像生成工具（image_generate）

概述

image_generate 工具让 Agent 通过配置的 provider 创建和编辑图像，生成的图像自动作为媒体附件发送。支持文本生成图像和参考图像编辑两种模式，同步执行（秒级完成）。工具仅在至少一个图像生成 provider 可用时出现。

核心功能

支持的 Provider

Provider	默认模型	编辑支持	认证
OpenAI	gpt-image-2	最多 4 张	OPENAI_API_KEY 或 Codex OAuth
Google	gemini-3.1-flash-image-preview	支持	GEMINI_API_KEY
fal	fal-ai/flux/dev	模型相关	FAL_KEY
DeepInfra	FLUX-1-schnell	1 张	DEEPINFRA_API_KEY
OpenRouter	gemini-3.1-flash-image-preview	最多 5 张	OPENROUTER_API_KEY
MiniMax	image-01	1 张（主体参考）	MINIMAX_API_KEY
ComfyUI	workflow	1 张（workflow）	COMFY_API_KEY
xAI	grok-imagine-image	最多 5 张	XAI_API_KEY

关键参数

• prompt：生成提示（必填）
• action："generate"（默认）或 "list"（查看可用 provider）
• model：provider/model 覆盖（如 openai/gpt-image-2）
• image / images：参考图像（编辑模式）
• size：尺寸（如 1024x1024、3840x2160）
• aspectRatio：宽高比（如 16:9、9:16）
• quality：low/medium/high/auto
• outputFormat：png/jpeg/webp
• background：transparent/opaque/auto（透明背景需 OpenAI gpt-image-1.5）
• count：生成数量（1-4）

Provider 选择顺序

1. 工具调用中的 model 参数
2. imageGenerationModel.primary 配置
3. imageGenerationModel.fallbacks 列表
4. 自动检测（有认证的 provider 默认值）

配置/权限

{
  agents: {
    defaults: {
      imageGenerationModel: {
        primary: "openai/gpt-image-2",
        timeoutMs: 180000,
        fallbacks: [
          "openrouter/google/gemini-3.1-flash-image-preview",
          "fal/fal-ai/flux/dev"
        ]
      }
    }
  }
}

透明背景：使用 openai/gpt-image-1.5 + outputFormat: "png" + background: "transparent"。

私有网络端点（如 LocalAI）：需设置 browser.ssrfPolicy.dangerouslyAllowPrivateNetwork: true。

相关页面

• tool-media-overview — 媒体能力总览
• tool-video-generation — 视频生成工具
• models — 模型配置