画像生成と編集

LibreChatには、Agentに追加できる画像ツールが組み込まれています。各ツールには独自のモデル、価格設定、セットアップがあり、通常はAPIキーやURLのみが必要です。独立した画像生成ページは存在しません。画像ツールが有効になっているAgentとチャットすることで、画像の生成や編集を行います。

クイックスタート

OpenAI Image Toolsを使用して、数分で画像生成機能を有効にしましょう。

IMAGE_GEN_OAI_API_KEY=sk-your-openai-api-key
# Optional; defaults to gpt-image-1
IMAGE_GEN_OAI_MODEL=gpt-image-1

OpenAI 画像ツール

「OpenAI Image Tools」は、2つの独立したツールで構成されるエージェントツールキットです：

• Image Generationは、テキストプロンプトから全く新しい画像を生成します（アップロードは不要です）。
• Image Editing は、アップロードした画像を編集またはリミックスします。色の変更、オブジェクトの追加、キャンバスの拡張などを行うことができます。

どちらも、指示への追従、テキストレンダリング、詳細な編集、および実世界の知識についてはデフォルトで GPT-Image-1 を使用します。デプロイメントがサポートしている場合に別のOpenAI画像モデルを選択するには、IMAGE_GEN_OAI_MODEL を使用してください。詳細については、OpenAIの Image Generation documentation を参照してください。

生成 vs. 編集

両方のツールは常に利用可能であり、エージェントはリクエストに基づいて適切なものを選択します：

• Image Generationは、テキストによる説明のみから新しい画像を生成します。
• 画像編集 (Image Editing) は、画像IDを使用して既存の画像を修正またはリミックスします。これには、現在のメッセージ内の画像や、以前に生成され参照された画像が含まれます。LLMは、画像がコンテキストウィンドウ内に留まっている限り画像IDを追跡し、それらをツール出力に含めます。

パラメータ

画像生成

• prompt: テキストの説明 (必須)
• size: auto (デフォルト), 1024x1024 (正方形), 1536x1024 (横長), または 1024x1536 (縦長)
• quality: auto (デフォルト), high, medium, または low
• background: auto (デフォルト), transparent, または opaque (transparentにはPNGまたはWebP形式が必要です)

画像編集

• image_ids: 編集の参照として使用する画像IDの配列（必須）
• prompt: 変更内容のテキスト説明（必須）
• size: auto (デフォルト), 1024x1024, 1536x1024, 1024x1536, 256x256, または 512x512
• quality: auto (デフォルト), high, medium, または low

セットアップ

OpenAIキーを作成または再利用して.envに追加し、エージェントのToolsリストに「OpenAI Image Tools」を追加してください。

IMAGE_GEN_OAI_API_KEY=sk-...
# optional extras
IMAGE_GEN_OAI_MODEL=gpt-image-1
IMAGE_GEN_OAI_BASEURL=https://...

Azure OpenAI デプロイメントについては、まず https://aka.ms/oai/gptimage1access でアクセスをリクエストし、その後 .env に認証情報を追加してください：

IMAGE_GEN_OAI_API_KEY=your-api-key
# optional extras
IMAGE_GEN_OAI_MODEL=gpt-image-1
IMAGE_GEN_OAI_BASEURL=https://deploymentname.openai.azure.com/openai/deployments/gpt-image-1/
IMAGE_GEN_OAI_AZURE_API_VERSION=2025-04-01-preview

高度な設定

以下の環境変数を使用して、ツール説明とプロンプトガイダンスをカスタマイズします：

# Image Model
IMAGE_GEN_OAI_MODEL=gpt-image-1

# Image Generation Tool Descriptions
IMAGE_GEN_OAI_DESCRIPTION=...
IMAGE_GEN_OAI_PROMPT_DESCRIPTION=...

# Image Editing Tool Descriptions
IMAGE_EDIT_OAI_DESCRIPTION=...
IMAGE_EDIT_OAI_PROMPT_DESCRIPTION=...

料金

画像生成のコストについては、GPT-Image-1 pricing page および Image Generation documentation を参照してください。

Gemini Image Tools

Gemini Image Toolsは、Googleの最新の画像生成モデルを統合しており、テキストから画像への生成と、画像の内容を認識した編集の両方をサポートしています。

• Text-to-image generation: 詳細なテキスト記述から高品質な画像を生成します。
• 画像コンテキストのサポート: 既存の画像を新しい生成のコンテキストやインスピレーションとして使用します。
• 画像編集: 既存の画像への変更に基づいて新しい画像を生成します（元の画像のIDを含めてください）。
• 複数のモデル: gemini-2.5-flash-image (デフォルト) または gemini-3-pro-image-preview を選択します。
• デュアルAPIサポート: シンプルなGemini APIキーとGoogle Cloud Vertex AIの両方で動作します。

パラメータ

• prompt: 生成したい画像の詳細なテキスト説明（必須、最大32,000文字）
• image_ids: 生成の視覚的コンテキストとして使用する画像IDのオプションの配列

セットアップ

Gemini APIについては、Google AI Studioからキーを取得してください：

GEMINI_API_KEY=your_api_key_here

Vertex AI の場合 (Vertex AI にアクセス可能な Google Cloud ユーザー向け):

GOOGLE_SERVICE_KEY_FILE=/path/to/service-account.json
GOOGLE_CLOUD_LOCATION=us-central1  # optional, default: global

モデルの選択

# Default model (fast and efficient)
GEMINI_IMAGE_MODEL=gemini-2.5-flash-image

# Higher quality model
GEMINI_IMAGE_MODEL=gemini-3-pro-image-preview

高度な設定

環境変数を使用してツール（tool）の説明をカスタマイズする：

GEMINI_IMAGE_GEN_DESCRIPTION=...
GEMINI_IMAGE_GEN_PROMPT_DESCRIPTION=...
GEMINI_IMAGE_IDS_DESCRIPTION=...

詳細は、専用の Gemini Image Gen ガイド を参照してください。

DALL·E (レガシー)

DALL·Eは、OpenAIのdall-e-3画像モデルを使用したレガシーな画像生成機能を提供します。

パラメータ

• prompt: 画像に対する希望のテキスト説明（必須、最大4000文字）
• style: vivid (ハイパーリアル、ドラマチック、デフォルト) または natural (ハイパーリアルさを抑えたもの)
• quality: standard (デフォルト) または hd
• size: 1024x1024 (デフォルト、正方形)、1792x1024 (ワイド)、または 1024x1792 (トール)

セットアップ

# Required
DALLE_API_KEY=sk-...  # or DALLE3_API_KEY=sk-...

# Optional
DALLE_REVERSE_PROXY=https://...  # Alternative endpoint
DALLE3_BASEURL=https://...  # For Azure or custom endpoints
DALLE3_AZURE_API_VERSION=2023-12-01-preview  # For Azure deployments
DALLE3_SYSTEM_PROMPT=...  # Custom system prompt for DALL·E

エージェントに対して DALL·E ツールを有効にし、プロンプトの入力を開始します。

高度な設定

Azure OpenAI デプロイメントの場合は、ベースURLとAPIバージョンを設定してください：

DALLE3_BASEURL=https://your-resource-name.openai.azure.com/openai/deployments/your-deployment-name
DALLE3_AZURE_API_VERSION=2023-12-01-preview
DALLE3_API_KEY=your-azure-api-key

料金

画像生成のコストについては、DALL-E pricing page および Image Generation documentation を参照してください。

Stable Diffusion (ローカル)

画像を完全に自分のマシンまたはサーバー上で実行します。LibreChatを任意のAutomatic1111（または互換性のある）endpointに向けるだけで準備完了です。

パラメータ

• prompt: 画像に含めたい要素を記述する詳細なキーワード（必須）
• negative_prompt: 画像から除外する要素を記述するキーワード（必須）

Stable Diffusionの実装では、ほとんどのユースケースで良好な結果が得られる以下の固定されたデフォルトパラメータを使用します：

• cfg_scale: 4.5
• steps: 22
• width: 1024
• height: 1024

セットアップ

APIキーは不要です。Automatic1111 WebUIのアクセス可能なURLのみが必要です：

SD_WEBUI_URL=http://127.0.0.1:7860  # URL to your Automatic1111 WebUI

Automatic1111の設定に関する詳細は、専用のStable Diffusionガイドをご覧ください。

Flux

速度とオプションのファインチューニング済みモデルを重視したクラウドジェネレーター。

• 高速なクラウドベースの画像生成
• ファインチューニングされたモデルのサポート
• 複数の品質レベルとアスペクト比
• より加工が少なく、より自然な見た目の画像のためのRawモード

パラメータ

Fluxツールは、主に3つのアクションをサポートしています：

1. generate: テキストプロンプトから新しい画像を生成します
2. generate_finetuned: ファインチューニングされたモデルを使用して画像を生成する
3. list_finetunes: ユーザーが利用可能なカスタムモデルを一覧表示します

詳細は、専用の Flux guide を参照してください。

セットアップ

エージェント内で Flux ツールを選択します。プロンプトはプレーンテキストであり、1回の呼び出しで1枚の画像が生成されます。

FLUX_API_KEY=flux_live_...
FLUX_API_BASE_URL=https://api.us1.bfl.ai   # default is fine for most users

料金

画像生成のコストについては、Flux pricing page を参照してください。

Model Context Protocol (MCP)

MCPサーバーからの画像出力がサポートされています。例えば、Puppeteer MCP Server はウェブページのスクリーンショットを生成でき、期待される形式で画像を出力するため、LibreChatの組み込み画像ツールと同様に扱われます。

mcpServers:
  puppeteer:
    command: npx
    args:
      - -y
      - '@modelcontextprotocol/server-puppeteer'

The following is an example of an Image Generation server that outputs images using the Replicate API, but returns URLs of the images, which doesn't conform to MCP's image response standard.

mcpServers:
  image-gen:
    command: 'node'
    # First, install the package globally using npm:
    # `npm install -g @gongrzhe/image-gen-server`
    # Then, point to the location of the installed package,
    # which you can find by running `npm root -g`
    args:
      - '{REPLACE_WITH_NODE_MODULES_LOCATION}/@gongrzhe/image-gen-server/build/index.js'
      # Example with output from `npm root -g`:
      # - "/home/danny/.nvm/versions/node/v24.16.0/lib/node_modules/@gongrzhe/image-gen-server/build/index.js"
    env:
      # Do not hardcode the API token here, use the environment variable instead
      # The following will pick up the token from your .env file or environment
      REPLICATE_API_TOKEN: '${REPLICATE_API_TOKEN}'
      MODEL: 'google/imagen-3'

画像の保存と取り扱い

生成されたすべての画像は以下の通りです：

1. 設定された fileStrategy に従って保存されます。
2. チャットインターフェースに直接表示されます
3. 生成に続いて、即時のチャットコンテキストの一部としてLLMに送信されます

最後の点については、いくつか注意点があります：

• これは、画像入力をサポートしていないLLMで問題を引き起こす可能性があります。エージェントごとにこの動作を無効にするオプションを計画中です。
• 出力は、すべてのメッセージごとではなく、生成時にのみLLMへ送信されます。
• 後のターンで画像を含めるには、サイドパネルからメッセージに画像を添付してください。
• 要約すると、LLMはユーザーメッセージに添付された画像、および生成や編集の直後に行われたものからのみ、ビジョンコンテキストを取得します。

プロキシサポート

すべての画像生成ツールは、PROXY 環境変数を通じたプロキシ設定をサポートしています：

PROXY=http://proxy-url:port

PROXY が設定されていない場合、サポートされているサーバーサイドのクライアントは HTTP_PROXY、HTTPS_PROXY、および NO_PROXY/no_proxy を尊重します。

エラーハンドリング

ツールでエラーが発生した場合、何が問題であったかを説明するメッセージが返されます。一般的な問題には以下が含まれます：

• 無効なAPIキー
• APIの利用不可
• コンテンツポリシー違反
• プロキシ/ネットワークの問題
• 無効なパラメータ
• サポートされていない画像ペイロード（上記の Image Storage and Handling を参照）

プロンプトエンジニアリング

OpenAI Image Tools および DALL·E のプロンプトはカスタマイズ可能ですが、以下のヒントはツールが提供するデフォルトのプロンプトに関する情報であり、独自のプロンプトを作成する際に役立ちます。

1. 被写体とスタイル（写真、油絵など）から始めてください。
2. 構図（composition）やカメラ/媒体（camera/medium）（「…の広角ショット」、「水彩画…」など）を追加します。
3. 照明と雰囲気（「ゴールデンアワー」、「ドラマチックな影」など）について言及してください。
4. 詳細なキーワード（テクスチャ、色、表情）で締めくくってください。
5. ネガティブな表現をポジティブに保つ：避けるべきことではなく、含めるべきことを記述してください。

例:

暖かい午後の日差しに包まれたアンティークな図書館の映画のような写真。背の高い木製の棚には革表紙の本があふれ、光の中で塵が輝いている。手前の磨き上げられたマホガニーの机の上では、緑色のシェードがついたバンカーズランプが、開かれた地図帳を照らしている。85mmレンズ、浅い被写界深度、豊かな琥珀色のトーン、超高精細。

関連ページ