🪞 GPT Image 2 — ChatGPT サブスクリプションを使用した画像生成

agentspace.so · GitHub

既存の ChatGPT Plus または Pro サブスクリプションを使用して、エージェント内で GPT Image 2（ChatGPT Images 2.0）で画像を生成します — 追加の OpenAI アクセス、Fal や Replicate トークン、画像単位の課金は不要です。

テキストから画像への生成、画像から画像への編集、スタイル転送、複数リファレンスを使用したコンポジション。すべてはすでにログイン済みのローカル codex CLI を通じて実行されます。

注意 — このスキルは ChatGPT Plus または Pro サブスクリプション かつ ローカルにインストールされた Codex CLI が必要です。 どちらもない場合は、RunComfy を使用してブラウザで GPT Image 2 を使用できます — ホスト型で、ChatGPT サブスクリプションやローカルインストール不要（RunComfy アカウントが必要）:

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

以下のドキュメントは、ChatGPT サブスクリプションを持つユーザーのエージェント向けのローカル Codex CLI フローを対象としています。

出力例: シンプルなフラットカラーアイコンが --ref を使用して浮世絵スタイルで再作成 — コンポジション保持、レンダリング変更、モデルによって自動追加された時代相応の赤い印鑑。

トリガーの時機

ユーザーが ChatGPT サブスクリプションを使用して GPT Image 2 を明示的にリクエストする場合にトリガーします。例：

• "use GPT Image 2" / "use gpt-image-2" / "use ChatGPT Images 2.0"
• "use Image 2" / "image 2 this"
• リファレンス画像を添付して、それを再ミックス / 編集 / リスタイルするよう要求

ユーザーがこのルートを指定しなかった場合、単純な「画像を生成して」というリクエストに対して自動トリガーしないでください。指定した場合は、HTML モックアップ、スクリーンショット、または別の画像モデルへの黙認的なフォールバックは行わないでください。

起動方法

単一の bash スクリプトがすべてを処理します。適切なフラグで codex exec を実行し、保持されたセッション rollout から生成された画像をデコードします。

テキストから画像:

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

画像から画像 (reference フラグは複数リファレンスコンポジション向けに繰り返し可能):

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 300)。

デフォルト動作

• ユーザーのプロンプトはそのまま渡します。 ユーザーが要求しない限り、翻訳、磨き上げ、またはスタイル修飾子を追加しないでください。
• 出力パスを選択します。 ユーザーが指定しなかった場合、現在の作業ディレクトリの ./image-<YYYYMMDD-HHMMSS>.png をデフォルトとします。
• 画像を配信します。 スクリプトが成功した後、出力ファイルを表示 / 添付します。「完了、パス X を参照」で止まらないでください。
• テキスト量が多いレイアウトは問題ありません。 Image 2 はインフォグラフィックスとタイムラインプロンプトをよく処理します。プロンプトに大量のテキストが含まれているからといって、予防的に警告しないでください。

ハード制約

• 許可なしにルートを切り替えないでください。ユーザーが「GPT Image 2 を使用」と言った場合、DALL·E、Midjourney、HTML モックアップ、または手動スクリーンショットワークフローに置き換えないでください。
• 要求されない限りプロンプトを書き換えないでください。
• このスキルがローカル codex ログインと画像生成権限を持つ有効な ChatGPT サブスクリプションなしで機能することを暗に示さないでください。

前提条件

1. codex CLI がインストール済み — brew install codex または openai/codex を参照。
2. Image 2 を含む ChatGPT プランでログイン — codex login。
3. PATH に python3 がある (macOS に付属; Linux では apt install python3)。

このスキルは、それ自体では画像生成能力を付与しません。ユーザーが既に ChatGPT サブスクリプションを通じて持っている能力を公開します。

終了コード

code	意味
0	成功 — 出力パスが stdout に出力される
2	不正な引数
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 に失敗 (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い (機能が有効でない、クォータ不足、または機能が拒否)

失敗時、完全な stderr をユーザーにダンプする代わりに、1 文でレイヤー名を指定します。

動作原理

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 (image_generation フィーチャーフラグの背後にある) を公開します。スクリプトは:

1. 実行前に ~/.codex/sessions/ をスナップショット
2. codex exec --enable image_generation --sandbox read-only ... を実行 (各リファレンス画像に対して -i <file>)
3. セッションディレクトリを diff し、scripts/extract_image.py を実行して新しいすべての rollout JSONL を base64 画像ペイロード (PNG / JPEG / WebP マジックヘッダーマッチ) についてスキャン
4. 最大のマッチするブロブをデコードして --out に書き込み

他のラッパーが codex-cli 0.111.0+ で間違える 2 つの非自明なフラグ:

• --enable image_generation は 必須です; 機能はまだ開発中で、デフォルトではオフです。
• --ephemeral は 使用してはいけません — ephemeral セッションは保持されないため、画像ペイロードが存在する場所がありません。

データ処理

スクリプトは意図的に狭いスコープです:

• それは のみ 自身の codex exec 呼び出しによって作成されたセッション rollout ファイルを読みます。セッションディレクトリは呼び出し前にスナップショットされ、その後で差分されるため、(無関係の Codex 会話を含む可能性のある) 以前の ~/.codex/sessions/* ファイルは決して触られる、読まれる、または送信されません。
• 2 種類のファイルのみを書きます: 呼び出し元の --out パスの出力 PNG、および exit 時にトラップによって自動削除される短寿命の mktemp ログ。
• 環境変数は読みません。認証情報はリクエストされません。~/.codex/ の他のパスはアクセスされません。
• このスキルから出ていくネットワーク呼び出しはありません。唯一の送信トラフィックは codex CLI 自体によって行われるもの (OpenAI へ、ユーザーの既存 ChatGPT ログインを使用) — このスキルはエンドポイント、テレメトリ、またはコールバックを追加しません。

このスキルではないもの

直接の OpenAI API クライアントではありません。能力付与ではなく — ユーザーの動作中の Codex CLI ログインに依存します。マルチテナントサービスではありません (1 回の呼び出しあたり 1 呼び出し; 同時呼び出しはファイルシステムスナップショット diff によってシリアル化)。