MiniMax CLI — Agent Skill Guide

mmx を使用して、MiniMax AI プラットフォームを経由してテキスト、画像、動画、音声、音楽を生成し、Web 検索を実行します。

前提条件

# インストール
npm install -g mmx-cli

# 認証 (~/.mmx/credentials.json に永続化)
mmx auth login --api-key sk-xxxxx

# または呼び出し時に指定
mmx text chat --api-key sk-xxxxx --message "Hello"

リージョンは自動検出されます。--region global または --region cn でオーバーライドできます。

---

Agent フラグ

非対話型 (agent/CI) コンテキストでは、常に以下のフラグを使用してください:

フラグ	用途
--non-interactive	引数が不足している場合、プロンプトを表示せずに失敗
--quiet	スピナー/進行状況を抑制; stdout は純粋なデータ
--output json	マシンが読める JSON 形式の出力
--async	タスク ID をすぐに返す (動画生成)
--dry-run	API リクエストをプレビュー (実行しない)
--yes	確認プロンプトをスキップ

---

コマンド

text chat

チャット補完。デフォルトモデル: MiniMax-M2.7。

mmx text chat --message <text> [flags]

フラグ	型	説明
--message <text>	string, 必須, 繰り返し可	メッセージテキスト。ロールを設定する場合は role: をプレフィックスに (例: "system:You are helpful", "user:Hello")
--messages-file <path>	string	messages 配列を含む JSON ファイル。stdin の場合は -
--system <text>	string	システムプロンプト
--model <model>	string	モデル ID (デフォルト: MiniMax-M2.7)
--max-tokens <n>	number	最大トークン数 (デフォルト: 4096)
--temperature <n>	number	サンプリング温度 (0.0, 1.0]
--top-p <n>	number	ニュークレウスサンプリング閾値
--stream	boolean	トークンをストリーム (TTY ではデフォルトで有効)
--tool <json-or-path>	string, 繰り返し可	ツール定義 JSON またはファイルパス

# 単一メッセージ
mmx text chat --message "user:What is MiniMax?" --output json --quiet

# 複数ターン
mmx text chat \
  --system "You are a coding assistant." \
  --message "user:Write fizzbuzz in Python" \
  --output json

# ファイルから
cat conversation.json | mmx text chat --messages-file - --output json

stdout: レスポンステキスト (text モード) または完全なレスポンスオブジェクト (json モード)。

---

image generate

画像を生成します。モデル: image-01。

mmx image generate --prompt <text> [flags]

フラグ	型	説明
--prompt <text>	string, 必須	画像の説明
--aspect-ratio <ratio>	string	例: 16:9, 1:1
--n <count>	number	画像の枚数 (デフォルト: 1)
--subject-ref <params>	string	サブジェクト参照: type=character,image=path-or-url
--out-dir <dir>	string	ディレクトリに画像をダウンロード
--out-prefix <prefix>	string	ファイル名プレフィックス (デフォルト: image)

mmx image generate --prompt "A cat in a spacesuit" --output json --quiet
# stdout: 画像 URL (quiet モードではそれぞれ 1 行)

mmx image generate --prompt "Logo" --n 3 --out-dir ./gen/ --quiet
# stdout: 保存されたファイルパス (それぞれ 1 行)

---

video generate

動画を生成します。デフォルトモデル: MiniMax-Hailuo-2.3。これは非同期タスクです — デフォルトでは完了までポーリングします。

mmx video generate --prompt <text> [flags]

フラグ	型	説明
--prompt <text>	string, 必須	動画の説明
--model <model>	string	MiniMax-Hailuo-2.3 (デフォルト) または MiniMax-Hailuo-2.3-Fast
--first-frame <path-or-url>	string	最初のフレーム画像
--callback-url <url>	string	完了時の Webhook URL
--download <path>	string	動画を特定のファイルに保存
--async	boolean	タスク ID をすぐに返す
--no-wait	boolean	--async と同じ
--poll-interval <seconds>	number	ポーリング間隔 (デフォルト: 5)

# ノンブロッキング: タスク ID を取得
mmx video generate --prompt "A robot." --async --quiet
# stdout: {"taskId":"..."}

# ブロッキング: 待機してファイルパスを取得
mmx video generate --prompt "Ocean waves." --download ocean.mp4 --quiet
# stdout: ocean.mp4

video task get

動画生成タスクのステータスを照会します。

mmx video task get --task-id <id> [--output json]

video download

完了した動画をタスク ID でダウンロードします。

mmx video download --file-id <id> [--out <path>]

---

speech synthesize

テキスト音声変換。デフォルトモデル: speech-2.8-hd。最大 10k 文字。

mmx speech synthesize --text <text> [flags]

フラグ	型	説明
--text <text>	string	合成するテキスト
--text-file <path>	string	ファイルからテキストを読み込む。stdin の場合は -
--model <model>	string	speech-2.8-hd (デフォルト), speech-2.6, speech-02
--voice <id>	string	ボイス ID (デフォルト: English_expressive_narrator)
--speed <n>	number	速度乗数
--volume <n>	number	音量レベル
--pitch <n>	number	ピッチ調整
--format <fmt>	string	音声フォーマット (デフォルト: mp3)
--sample-rate <hz>	number	サンプリングレート (デフォルト: 32000)
--bitrate <bps>	number	ビットレート (デフォルト: 128000)
--channels <n>	number	オーディオチャンネル数 (デフォルト: 1)
--language <code>	string	言語ブースト
--subtitles	boolean	サブタイトルタイミングデータを含める
--pronunciation <from/to>	string, 繰り返し可	カスタム発音
--sound-effect <effect>	string	サウンドエフェクトを追加
--out <path>	string	音声をファイルに保存
--stream	boolean	生のオーディオを stdout にストリーム

mmx speech synthesize --text "Hello world" --out hello.mp3 --quiet
# stdout: hello.mp3

echo "Breaking news." | mmx speech synthesize --text-file - --out news.mp3

---

music generate

音楽を生成します。モデル: music-2.5。豊かで構造的な説明に反応します。

mmx music generate --prompt <text> [--lyrics <text>] [flags]

フラグ	型	説明
--prompt <text>	string	音楽スタイルの説明 (詳細可)
--lyrics <text>	string	構造タグ付きのオーディオ歌詞。インストルメンタルの場合は "\u65e0\u6b4c\u8bcd" を使用。--instrumental と併用不可
--lyrics-file <path>	string	ファイルから歌詞を読み込む。stdin の場合は -
--vocals <text>	string	ボーカルスタイル、例: "warm male baritone", "bright female soprano", "duet with harmonies"
--genre <text>	string	音楽ジャンル、例: folk, pop, jazz
--mood <text>	string	ムードまたは感情、例: warm, melancholic, uplifting
--instruments <text>	string	フィーチャーする楽器、例: "acoustic guitar, piano"
--tempo <text>	string	テンポの説明、例: fast, slow, moderate
--bpm <number>	number	正確なテンポ (ビート/分)
--key <text>	string	音階、例: C major, A minor, G sharp
--avoid <text>	string	生成音楽で避けるべき要素
--use-case <text>	string	ユースケースコンテキスト、例: "background music for video", "theme song"
--structure <text>	string	曲の構造、例: "verse-chorus-verse-bridge-chorus"
--references <text>	string	リファレンストラックまたはアーティスト、例: "similar to Ed Sheeran"
--extra <text>	string	追加の微調整要件
--instrumental	boolean	インストルメンタル音楽を生成 (ボーカルなし)。--lyrics または --lyrics-file と併用不可
--aigc-watermark	boolean	AI 生成コンテンツウォーターマークを埋め込む
--format <fmt>	string	音声フォーマット (デフォルト: mp3)
--sample-rate <hz>	number	サンプリングレート (デフォルト: 44100)
--bitrate <bps>	number	ビットレート (デフォルト: 256000)
--out <path>	string	音声をファイルに保存
--stream	boolean	生のオーディオを stdout にストリーム

--prompt または --lyrics の少なくとも 1 つが必須です。

# シンプルな使用法
mmx music generate --prompt "Upbeat pop" --lyrics "La la la..." --out song.mp3 --quiet

# ボーカル特性を含む詳細なプロンプト
mmx music generate --prompt "Warm morning folk" \
  --vocals "male and female duet, harmonies in chorus" \
  --instruments "acoustic guitar, piano" \
  --bpm 95 \
  --lyrics-file song.txt \
  --out duet.mp3

# インストルメンタル (--instrumental フラグを使用)
mmx music generate --prompt "Cinematic orchestral, building tension" --instrumental --out bgm.mp3

---

vision describe

VLM による画像認識。--image または --file-id のいずれかを指定してください (両方ではなく)。

mmx vision describe (--image <path-or-url> | --file-id <id>) [flags]

フラグ	型	説明
--image <path-or-url>	string	ローカルパスまたは URL (自動的に base64 エンコード)
--file-id <id>	string	事前アップロードされたファイル ID (base64 をスキップ)
--prompt <text>	string	画像に関する質問 (デフォルト: "Describe the image.")

mmx vision describe --image photo.jpg --prompt "What breed?" --output json

stdout: 説明テキスト (text モード) または完全なレスポンス (json モード)。

---

search query

MiniMax 経由の Web 検索。

mmx search query --q <query>

フラグ	型	説明
--q <query>	string, 必須	検索クエリ

mmx search query --q "MiniMax AI" --output json --quiet

---

quota show

Token Plan の使用状況と残りのクォータを表示します。

mmx quota show [--output json]

---

ツールスキーマエクスポート

すべてのコマンドを Anthropic/OpenAI 互換の JSON ツールスキーマとしてエクスポート:

# すべてのツール相応コマンド (auth/config/update を除く)
mmx config export-schema

# 単一コマンド
mmx config export-schema --command "video generate"

これを使用して、agent フレームワークで mmx コマンドをツールとして動的に登録します。

---

終了コード

コード	意味
0	成功
1	一般的なエラー
2	使用法エラー (不正なフラグ、引数不足)
3	認証エラー
4	クォータ超過
5	タイムアウト
10	コンテンツフィルターがトリガー

---

パイプパターン

# stdout は常にクリーンなデータ — 安全にパイプ可
mmx text chat --message "Hi" --output json | jq '.content'

# stderr には進行状況/スピナー — 必要に応じて破棄
mmx video generate --prompt "Waves" 2>/dev/null

# チェーン: 画像生成 → 説明する
URL=$(mmx image generate --prompt "A sunset" --quiet)
mmx vision describe --image "$URL" --quiet

# 非同期動画ワークフロー
TASK=$(mmx video generate --prompt "A robot" --async --quiet | jq -r '.taskId')
mmx video task get --task-id "$TASK" --output json
mmx video download --task-id "$TASK" --out robot.mp4

---

設定優先順位

CLI フラグ → 環境変数 → ~/.mmx/config.json → デフォルト。

# 永続的な設定
mmx config set --key region --value cn
mmx config show

# 環境変数
export MINIMAX_API_KEY=sk-xxxxx
export MINIMAX_REGION=cn