图像生成与编辑

LibreChat 附带了内置的图像工具，您可以将其添加到 Agent 中。每个工具都有其自己的模型、价格点和设置，通常只需要一个 API 密钥或 URL。没有单独的图像页面：您可以通过与启用了图像工具的 Agent 聊天来生成或编辑图像。

图像生成的工作原理

当您想要编辑图片时，请上传一张图片；当您想要生成新图片时，请发送一段纯文本提示词。生成的图片遵循配置的 fileStrategy，且工具输出会在生成后立即作为聊天上下文的一部分发送给 LLM。

快速开始

使用 OpenAI Image Tools 在几分钟内完成图像生成功能的配置。

创建 Agent。 从 endpoint 菜单中选择 Agents，从侧边栏打开 Agent Builder，然后创建一个新的 Agent。为其命名，例如“Image Creator”。

添加 OpenAI Image Tools。 打开智能体的 Tools 列表，选择 OpenAI Image Tools，然后保存智能体。这将同时添加图像生成和图像编辑功能。

设置您的 API key。 将以下内容添加到您的 .env 文件中：

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

重启并测试。 重启 LibreChat，然后向你的智能体发送一条消息，例如 “Generate an image of a sunset over mountains”。

部署方式	命令
Docker	`docker compose down && docker compose up -d`
本地	停止 (Ctrl+C) 然后运行 `npm run backend`

值得了解的信息

可以省略 API keys，让用户从 UI 输入他们自己的 key。
图像输出仅在生成后立即发送给 LLM，而不是在每条消息中发送。除此之外，LLM 仅从用户消息中附加的图像获取视觉上下文。请参阅 Image Storage and Handling。
MCP server 工具也可以输出图像，尽管它们可能并不总是使用正确的格式。请参阅 MCP 部分。

OpenAI 图像工具

“OpenAI Image Tools” 是一个由两个独立工具组成的智能体工具包：

图像生成 (Image Generation) 可根据文本提示词创建全新的图像（无需上传）。
图像编辑功能可以编辑或重混您上传的图像：更改颜色、添加对象、扩展画布等。

两者默认均使用 GPT-Image-1 来进行指令遵循、文本渲染、详细编辑和现实世界知识处理。当您的部署支持时，请使用 IMAGE_GEN_OAI_MODEL 来选择其他 OpenAI 图像模型。有关更多详细信息，请参阅 OpenAI 的 Image Generation documentation。

生成与编辑

用例	调用
"Start from scratch"	Image Generation
"Use existing image(s)"	Image Editing

这两个工具始终可用，代理会根据请求选择合适的工具：

图像生成 (Image Generation) 仅根据文本描述创建新图像。
图像编辑 (Image Editing) 使用图像 ID 来修改或重混现有图像。这些图像可以是当前消息中的图像，也可以是之前生成并引用的图像。只要图像 ID 保留在上下文窗口中，LLM 就会对其进行追踪，并将其包含在工具输出中。

图像编辑依赖于图像 ID

图像 ID 会保留在聊天记录中。当文件上传到当前请求时，它们的 ID 会在生成任何 token 之前被添加到 LLM 的上下文中。
只要之前引用或生成的图像 ID 仍在上下文窗口内，就可以用于编辑。当调用编辑工具时，LLM 会将任何相关的 ID 包含在 image_ids 数组中。
您可以从侧边栏附加之前上传的图片，而无需再次上传。这还能为视觉模型提供图片上下文，从而有助于为编辑工具提供 prompt 信息。

参数

图像生成

prompt: 文本描述（必填）
size: auto（默认值）、1024x1024（正方形）、1536x1024（横向）或 1024x1536（纵向）
quality: auto (默认), high, medium 或 low
background: auto (默认), transparent, 或 opaque (transparent 需要 PNG 或 WebP 格式)

图像编辑

image_ids: 用作编辑参考的图像 ID 数组（必需）
prompt: 变更的文本描述（必填）
size: auto（默认值）、1024x1024、1536x1024、1024x1536、256x256 或 512x512
quality: auto (默认), high, medium 或 low

设置

创建或复用一个 OpenAI key 并将其添加到 .env，然后在您的 agent 的 Tools 列表中添加 "OpenAI Image Tools"：

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

对于 Azure OpenAI 部署，请先在 https://aka.ms/oai/gptimage1access 申请访问权限，然后将您的凭据添加到 .env：

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

高级配置

使用以下环境变量自定义工具描述和提示词引导：

# 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=...

定价

请参阅 GPT-Image-1 定价页面和图像生成文档以了解图像生成的费用。

Gemini 图像工具

Gemini Image Tools 集成了 Google 最新的图像生成模型，支持文本生成图像以及基于图像上下文的编辑功能。

文本生成图像 (Text-to-image generation)：根据详细的文本描述创建高质量图像。
图像上下文支持：使用现有图像作为新生成的上下文或灵感。
图像编辑：基于对现有图像的修改生成新图像（包含原始图像 ID）。
多个模型：选择 gemini-2.5-flash-image（默认）或 gemini-3-pro-image-preview。
双 API 支持：同时支持简单的 Gemini API 密钥和 Google Cloud Vertex AI。

参数

prompt: 所需图像的详细文本描述（必填，最多 32,000 个字符）
image_ids: 可选的图像 ID 数组，用作生成的视觉上下文

设置

对于 Gemini API，请从 Google AI Studio 获取密钥：

GEMINI_API_KEY=your_api_key_here

对于 Vertex AI（拥有 Vertex AI 访问权限的 Google Cloud 用户）：

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

模型选择

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

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

高级配置

通过环境变量自定义工具描述：

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

更多详细信息请参阅专门的 Gemini Image Gen 指南。

DALL·E (旧版)

DALL·E 使用 OpenAI 的 dall-e-3 图像模型提供传统的图像生成功能。

参数

prompt: 所需图像的文本描述（必填，最多 4000 个字符）
style: vivid（超现实、戏剧化，默认）或 natural（非超现实）
quality: standard (默认) 或 hd
size: 1024x1024（默认，正方形）、1792x1024（宽屏）或 1024x1792（竖屏）

设置

# 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

为智能体启用 DALL·E 工具并开始提示。

高级配置

对于 Azure OpenAI 部署，请配置 base URL 和 API version：

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

prompt: 描述图像中所需元素的详细关键词（必填）
negative_prompt: 描述要从图像中排除的元素的关键词（必需）

Stable Diffusion 的实现使用了这些固定的默认参数，它们在大多数用例中都能产生良好的效果：

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

设置

无需 API 密钥，只需提供您 Automatic1111 WebUI 可访问的 URL：

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

有关设置 Automatic1111 的更多详细信息，请参阅专门的 Stable Diffusion 指南。

Flux

专注于速度并提供可选微调模型的云生成器。

基于云的快速图像生成
支持微调模型
多种质量级别和长宽比
Raw 模式，用于生成处理痕迹更少、更自然的图像

参数

Flux 工具支持三个主要操作：

generate: 根据文本提示词创建新图像
generate_finetuned: 使用微调模型生成图像
list_finetunes: 列出用户可用的自定义模型

更多详细信息请参阅专门的 Flux 指南。

设置

在智能体中选择 Flux 工具。提示词为纯文本，每次调用生成一张图像。

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

定价

请参阅 Flux 定价页面以了解图像生成的费用。

Model Context Protocol (MCP)

MCP 服务器支持图像输出。例如，Puppeteer MCP Server 可以生成网页截图，它以预期的格式输出图像，并被视为与 LibreChat 内置图像工具相同。

MCP 图像支持尚处于起步阶段

以下示例假设 LibreChat 在 Docker 之外运行，直接使用 Node.js。Model Context Protocol 是一个相对较新的框架，许多开发者仍在学习如何使用 uv/node 为其系统提供服务，以实现可扩展的部署。
目前存在的图像生成服务器较少，且许多服务器尚未采用正确的图像响应格式。
虽然许多 MCP 服务器在 Docker 中运行良好，但以下示例则不然，或者需要更高级的配置才能运行，这反映了目前 MCP 服务器之间存在的一些不一致性。

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

以下是一个 Image Generation server 的示例，它使用 Replicate API 输出图像，但返回的是图像的 URL，这不符合 MCP 的图像响应标准。

需要全局安装

对于此特定服务器，请使用 npm install -g @gongrzhe/image-gen-server 全局安装 @gongrzhe/image-gen-server 包，然后按下文所示指向该包的编译文件。

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'

图像存储与处理

所有生成的图像均为：

根据配置的 fileStrategy 进行保存
直接显示在聊天界面中
在生成后作为即时聊天上下文的一部分发送给 LLM

关于最后一点，有几点注意事项：

这可能会导致不支持图像输入功能的 LLM 出现问题。我们计划在每个 agent 的设置中增加一个禁用此行为的选项。
输出仅在生成时发送给 LLM，而不是在每条消息发送时。
若要在后续对话中包含图片，请将其从侧边栏附加到消息中。
简而言之，LLM 仅从用户消息中附加的图像，以及紧随其后发生的生成或编辑操作中获取视觉上下文。

代理支持

所有图像生成工具都支持通过 PROXY 环境变量进行代理配置：

PROXY=http://proxy-url:port

当 PROXY 未设置时，受支持的服务器端客户端会遵循 HTTP_PROXY、HTTPS_PROXY 和 NO_PROXY/no_proxy。

错误处理

如果工具遇到错误，它会返回一条消息，解释出错的原因。常见问题包括：

无效的 API key
API 不可用
违反内容政策
代理/网络问题
无效参数
不支持的图像负载（请参阅上方的 Image Storage and Handling）

提示词 (Prompting)

您可以自定义 OpenAI Image Tools 和 DALL·E 的提示词，但以下提示说明了工具所提供的默认提示词，了解这些内容对您自己的编写工作很有帮助：

从主题和风格（照片、油画等）开始。
添加 构图 (composition) 和 镜头/媒介 (camera/medium)（例如：“wide-angle shot of…”、“watercolour…”）。
提及光照和氛围（“黄金时刻”、“戏剧性阴影”）。
最后以细节关键词（纹理、颜色、表情）收尾。
保持否定为肯定：描述应该包含的内容，而不是要避免的内容。

示例：

一张电影质感的照片，展示了一座沐浴在午后暖阳下的古老图书馆。高大的木制书架上堆满了皮质封面的书籍，尘埃在光线中闪烁。前景中，一盏绿罩银行家台灯照亮了抛光红木书桌上一本打开的地图集。85mm 镜头，浅景深，浓郁的琥珀色调，超高细节。

智能体

创建并配置带有自定义工具的 AI 智能体

→

MCP 服务器

通过 Model Context Protocol 自带工具

→

Gemini 图像工具

Google Gemini 图像生成详细设置指南

→

图像生成与编辑

快速开始

OpenAI 图像工具

生成与编辑

参数

设置

高级配置

定价

Gemini 图像工具

参数

设置

模型选择

高级配置

DALL·E (旧版)

参数

设置

高级配置

定价

Stable Diffusion (本地)

参数

设置

Flux

参数

设置

定价

Model Context Protocol (MCP)

图像存储与处理

代理支持

错误处理

提示词 (Prompting)

智能体

MCP 服务器

Gemini 图像工具

本页内容