mcpField
G
gpt-image-mcp

gpt-image-mcp

ローカル
github.com/runapi-aiメディア・デザイン01 週間前に更新

gpt-image-mcp について

MCP 対応クライアント向けのRunAPI専用MCPサーバーで、GPT Imageの画像生成・編集タスク作成、状態確認、料金照会を行えます。このモデル系列に対象を絞りたいエージェント向けです。

主な機能

  1. 01テキストから画像タスクを作成
  2. 02画像編集タスクを作成
  3. 03非同期タスクの状態確認
  4. 04モデルとエンドポイントの料金照会
  5. 05完了待ちまたは後から状態確認

活用シーン

  1. 01エージェントからGPT Imageの画像を作成
  2. 02画像編集を依頼して出力URLを取得
  3. 03タスク作成前に現在の料金を確認

MCP 対応

MCPクライアントにGPT Imageの画像生成、画像編集、タスク状態、料金照会ツールを提供します。タスク操作にはログインが必要ですが、料金照会は認証不要です。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定
{
"mcpServers": {
"runapi-builder-gpt-image": {
"command": "npx",
"args": [
"-y",
"@runapi.ai/gpt-image-mcp"
],
"env": {
"RUNAPI_API_KEY": "<RUNAPI_API_KEY>"
}
}
}
}
起動コマンドnpx -y @runapi.ai/gpt-image-mcp
設定が必要な環境変数
RUNAPI_API_KEYシークレットOptional RunAPI API key for headless hosts. Interactive MCP hosts can use the login tool, which writes shared RunAPI config.

ローカルサーバーにはマシン上の実行環境(Node.js 18 以上など)が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
npm@runapi.ai/gpt-image-mcp0.2.1

ツール

5

掲載時のツール一覧 · 1 週間前に更新

パラメーター型必須説明
forcebooleanいいえ現在の認証情報がローカル設定ファイルに由来する場合、ブラウザーログインを再実行します。

詳細

RunAPI GPT Image MCP サーバー

AI エージェントから GPT Image API にアクセスできます。画像生成タスクの実行、非同期処理の結果確認、料金の確認を、目的を絞った 1 つの MCP サーバーで行えます。

Claude Code、Codex、Cursor、Windsurf、VS Code、Roo Code、および MCP 互換のあらゆるホストで利用できます。

npm バージョン GitHub リポジトリ Apache-2.0 ライセンス MCP サーバー モデル 1 種類

インストール | ツール | モデル | エージェントプロンプト | 設定 | リンク


このパッケージを選ぶ理由

@runapi.ai/gpt-image-mcp は、RunAPI の GPT Image モデル系列に特化した Model Context Protocol サーバーです。 MCP 互換のアシスタントから、RunAPI の全カタログを読み込まずに 2 つのエンドポイントと 1 種類のモデルバリアントへ直接アクセスできます。

エージェントの対象を GPT Image に限定する場合は、このモデル専用サーバーを使用してください。1 つのアシスタントから RunAPI のすべてのモデル系列を確認する場合は、@runapi.ai/mcp を使用してください。


インストール

Claude Code に追加します:

claude mcp add gpt-image -s user -- npx -y @runapi.ai/gpt-image-mcp

サーバーをリポジトリで共有する場合は、プロジェクトスコープを使用します:

claude mcp add gpt-image -s project -- npx -y @runapi.ai/gpt-image-mcp

Codex、Cursor、Windsurf、VS Code、Roo Code、その他の MCP ホストでも、同じ stdio コマンドを使用できます:

{
  "mcpServers": {
    "gpt-image": {
      "command": "npx",
      "args": ["-y", "@runapi.ai/gpt-image-mcp"]
    }
  }
}

check_pricing はサインイン前でも利用できます。タスクの作成やステータスの確認には、アシスタントに login ツールを呼び出すよう依頼してください。ブラウザーでログイン画面が開き、認証情報が ~/.config/runapi/config.json に保存されます。このファイルは runapi login でも使用されます。 ヘッドレス環境や CI ホストでは、MCP ホストの起動前に RUNAPI_API_KEY を設定することもできます。

Claude、Cursor、Windsurf、VS Code、Roo Code 向けのすぐに使えるサンプルは examples/ にあります。


ツール

ツール認証用途
edit_image必要GPT Image の画像編集タスクを作成し、必要に応じて最終ステータスまで待機します。タスク ID、ステータス、出力 URL を返します。
text_to_image必要GPT Image のテキストから画像を生成するタスクを作成し、必要に応じて最終ステータスまで待機します。タスク ID、ステータス、出力 URL を返します。
get_task必要既存のタスクの現在のステータスと最新のペイロードを取得します。
check_pricing不要GPT Image のモデルとエンドポイントの現在の料金を確認します。

モデル

GPT Image は、2 つのエンドポイントで 1 種類のモデルバリアントに対応しています。各ツールで、そのツールに記載されたモデルを使用できます:

ツールモデル
edit_imagegpt-image-1.5
text_to_imagegpt-image-1.5

モデルの利用状況はリリースによって変わる場合があります。最新のカタログを確認するには、check_pricing またはGPT Image モデルページを使用してください。


エージェントプロンプト

アシスタントに自然言語で依頼すると、料金を確認し、タスクを作成して、タスク ID と出力 URL を返します。

タスクを作成する
Run a GPT Image edit image task with RunAPI.

アシスタントは check_pricing を呼び出してから edit_image を呼び出し、タスク ID、ステータス、出力 URL を返します。

待機せずに送信する
Create the task but don't wait for it to finish.

アシスタントは wait: false を指定して作成ツールを呼び出し、タスク ID を返します。後から get_task で状況を確認してください。

作成前に料金を確認する
Check current GPT Image pricing, then create the task if it matches my request.

アシスタントは check_pricing を呼び出し、正式なカタログ項目として GPT Image モデルページ へのリンクを案内できます。


設定

サーバーは次の順序で認証情報を解決します。

  1. RUNAPI_API_KEY 環境変数。ヘッドレスホストや CI ホストで便利です
  2. ~/.config/runapi/config.json。MCP の login ツールまたは runapi login によって作成されます
  3. キーなし。この場合も check_pricing は使用できます

通常、設定ファイルはログインによって管理されます。事前にプロビジョニングされたヘッドレス設定では、次のようにできます。

{
  "apiKey": "your_runapi_key"
}

実際の API キーをコミットしないでください。


リンク

リソースURL
GPT Image モデルページhttps://runapi.ai/models/gpt-image
npm パッケージ@runapi.ai/gpt-image-mcp
GitHub リポジトリrunapi-ai/gpt-image-mcp
RunAPI MCP の概要runapi.ai/mcp
RunAPI ドキュメントrunapi.ai/docs

ライセンス

Apache License, Version 2.0 のもとでライセンスされています。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。