gpt-image-2

🪞 GPT Image 2 — ChatGPT サブスクリプション経由の画像生成

agentspace.so · GitHub

既存の ChatGPT Plus または Pro サブスクリプションを使って、エージェント内で GPT Image 2（ChatGPT Images 2.0）を使って画像を生成できます。別途 OpenAI アクセスは不要で、Fal や Replicate のトークンも不要、画像ごとの課金もありません。

テキストからの画像生成、画像から画像への編集、スタイル変換、複数の参照画像を使った合成に対応しています。すでにログイン済みのローカル codex CLI だけで処理します。

ご注意 — このスキルを使うには、ChatGPT Plus または Pro のサブスクリプションと、ローカルにインストールされた Codex CLI が必要です。 どちらもお持ちでない場合は、代わりに RunComfy 経由でブラウザーから GPT Image 2 を利用できます。ホスト型のため、ChatGPT サブスクリプションもローカルインストールも不要です（RunComfy アカウントは必要です）。

• テキストからの画像生成： runcomfy.com/models/openai/gpt-image-2/text-to-image
• 画像編集（i2i）： runcomfy.com/models/openai/gpt-image-2/edit

このドキュメントの以降の内容では、ユーザーが ChatGPT サブスクリプションを持つエージェント向けに、ローカルの Codex CLI を使う手順を説明します。

出力例：シンプルなベタ塗りのアイコンを --ref で浮世絵風に描き直しています。構図は維持され、描画スタイルが変わり、時代に合った赤い印がモデルによってプロンプトなしで追加されています。

実行するタイミング

ユーザーが ChatGPT サブスクリプション経由で GPT Image 2 を使うよう明示的に求めた場合に実行します。たとえば、次のような場合です。

• 「GPT Image 2 を使って」／「gpt-image-2 を使って」／「ChatGPT Images 2.0 を使って」
• 「Image 2 を使って」／「これを Image 2 で」
• 参照画像を添付し、それをリミックス／編集／別のスタイルに変更するよう依頼した場合

ユーザーがこの方法を指定していない場合、単に「画像を生成して」という依頼に対して自動的に実行しないでください。この方法を指定された場合は、HTML モックアップ、スクリーンショット、別の画像モデルに黙って切り替えないでください。

呼び出し方法

単一の bash スクリプトですべてを処理します。適切なフラグを指定して codex exec を実行し、保存されたセッションロールアウトから生成画像をデコードします。

テキストからの画像生成：

bash scripts/gen.sh \
  --prompt "<user's raw prompt>" \
  --out <absolute/path/to/output.png>

画像から画像への生成（複数の参照画像を使った合成では、参照フラグを繰り返し指定できます）：

bash scripts/gen.sh \
  --prompt "<user's raw prompt, e.g. 'repaint in watercolor'>" \
  --ref /absolute/path/to/reference.png \
  --out <absolute/path/to/output.png>

オプション：--timeout-sec 300（デフォルトは 300）。

デフォルトの動作

• ユーザーのプロンプトはそのまま渡します。 ユーザーから依頼されない限り、翻訳、推敲、スタイル指定の追加は行いません。
• 出力先を選択します。 ユーザーが指定しない場合は、現在の作業ディレクトリに ./image-<YYYYMMDD-HHMMSS>.png を出力先として指定します。
• 画像を渡します。 スクリプトの実行が成功したら、出力ファイルを表示／添付します。「完了しました。パス X を確認してください」だけで終わらせないでください。
• テキスト量の多いレイアウトにも対応できます。 Image 2 はインフォグラフィックやタイムラインのプロンプトにも適しています。プロンプトに大量のテキストが含まれているというだけで、事前に警告しないでください。

厳守事項

• 許可なく別の方法に切り替えないでください。ユーザーが「GPT Image 2 を使って」と指定した場合、DALL·E、Midjourney、HTML モックアップ、手作業によるスクリーンショット作成に置き換えないでください。
• 依頼されない限り、プロンプトを書き換えないでください。
• ローカルで codex にログインしており、画像生成の利用資格が含まれる有効な ChatGPT サブスクリプションがなければ、このスキルが使えないことを明確にしてください。

前提条件

1. codex CLI がインストールされていること — brew install codex を実行するか、openai/codex を参照してください。
2. Image 2 が含まれる ChatGPT プランでログインしていること — codex login を実行してください。
3. python3 が PATH にあること（macOS には標準で付属しています。Linux では apt install python3 を実行してください）。

このスキル自体が画像生成機能を提供するわけではありません。ユーザーがすでに ChatGPT サブスクリプションを通じて利用できる機能を使えるようにするものです。

終了コード

コード	意味
0	成功 — 出力パスを標準出力に表示
2	引数が不正
3	codex または python3 CLI が見つからない
4	--ref ファイルが存在しない
5	codex exec が失敗（認証？ネットワーク？モデル？）
6	新しいセッションファイルが検出されない
7	imagegen が画像ペイロードを生成しなかった（機能が有効でない、クォータ、または機能が拒否された）

失敗した場合は、完全な標準エラー出力をユーザーに表示するのではなく、どのレイヤーで失敗したかを1文で示します。

動作の仕組み

codex CLI はログイン済みの ChatGPT セッションを再利用し、imagegen ツールを公開します（image_generation 機能フラグによる制御）。スクリプトの処理は次のとおりです。

1. 実行前に ~/.codex/sessions/ のスナップショットを取得します
2. codex exec --enable image_generation --sandbox read-only ... を実行します（参照画像ごとに -i <file> を指定）
3. sessions ディレクトリの差分を確認し、scripts/extract_image.py を実行して、新しいロールアウト JSONL をすべてスキャンし、base64 形式の画像ペイロードを探します（PNG／JPEG／WebP のマジックヘッダーとの一致）
4. 一致したデータのうち最大のものをデコードし、--out に書き込みます

codex-cli 0.111.0 以降で、他のラッパーが誤りやすい、わかりにくいフラグが2つあります。

• --enable image_generation は必須です。この機能はまだ開発中で、デフォルトでは無効になっています。
• --ephemeral は使用してはいけません。エフェメラルセッションは永続化されないため、画像ペイロードを保存できません。

データの取り扱い

このスクリプトは、意図的に対象を限定しています。

• 独自の codex exec 呼び出しで作成されたセッションのロールアウトファイルのみを読み取ります。呼び出し前に sessions ディレクトリのスナップショットを取得し、呼び出し後に差分を確認するため、以前からある ~/.codex/sessions/* ファイル（無関係な Codex の会話が含まれている場合があります）に触れたり、読み取ったり、送信したりすることはありません。
• 書き込むファイルは2種類のみです。呼び出し元が指定した --out パスの出力 PNG と、終了時にトラップによって自動削除される短期間だけ存在する mktemp ログです。
• 環境変数は読み取りません。認証情報も要求しません。~/.codex/ 以下のほかのパスにはアクセスしません。
• このスキルから外部へのネットワーク呼び出しはありません。外部への通信は、ユーザーの既存の ChatGPT ログイン情報を使用する codex CLI 自身が行うものだけです。このスキルがエンドポイント、テレメトリ、コールバックを追加することはありません。

このスキルに該当しないもの

OpenAI API の直接のクライアントではありません。機能を付与するものでもありません。ユーザーが正常に使用できる Codex CLI へのログインに依存します。マルチテナントサービスでもありません（呼び出しごとに1回実行され、同時呼び出しはファイルシステムのスナップショット差分によって直列化されます）。