4.1 KiB

Raw Blame History

name	description
ai-image	Generate images via AI text-to-image API (GPT Image / Grok). Use when the user asks to draw, paint, generate, or create an image from a text description.

AI 绘图工具

通过 FastAPI 文生图服务生成图片，供 Agent 通过 HTTP/cURL 直接调用，无需自己实现模型请求逻辑。

服务端使用 OpenAI Python SDK 请求 GPT Image / Grok Image 上游接口，生成的图片保存在服务端 output/ 目录，并通过 HTTP 返回访问地址。

服务端 API 不要求调用方提供上游 API Key；上游鉴权通过项目根目录 .env 配置
.env 不应提交到 Git，复制 .env.example 为 .env 后填写真实 Key
使用 Docker Compose 时会自动读取 .env 并注入容器

可用脚本

能力	服务端文件	HTTP 端点	模型
GPT / Grok 绘图	`agent-image-t2i.py`	`POST /images/generations`	`gpt-image-2-1K` / `gpt-image-2-2K` / `gpt-image-2-4K` / `grok-imagine-image-lite`
健康检查	`agent-image-t2i.py`	`GET /health`	—
图片访问	`agent-image-t2i.py`	`GET /output/{profile_name}/{filename}`	—

GPT 模型说明

模型	输出尺寸	备注
`gpt-image-2-1K`	~1254×1254（1:1）或 1536×1024（横版）	推荐，线路稳定
`gpt-image-2-2K`	不固定	线路不稳定，可能 503
`gpt-image-2-4K`	不固定	线路不稳定，可能 503

Grok 模型的 size 参数不可靠，API 返回尺寸不受控。

使用方式

先启动 FastAPI 服务：

uvicorn agent-image-t2i:app --host 0.0.0.0 --port 8765

默认服务地址为 http://localhost:8765。

健康检查：

curl http://localhost:8765/health

使用 Grok 绘图：

curl -X POST http://localhost:8765/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a cute cat",
    "provider": "grok",
    "size": "1024x1024",
    "n": 1,
    "profile_name": "your-agent-name"
  }'

使用 GPT 绘图：

curl -X POST http://localhost:8765/images/generations \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "a cute cat",
    "provider": "gpt",
    "model": "gpt-image-2-1K",
    "size": "1536x1024",
    "n": 1,
    "profile_name": "your-agent-name"
  }'

生成结果中的 url 为图片访问地址，例如 http://localhost:8765/output/{profile_name}/{filename}。

调用建议

优先用 Grok：稳定出图，适合日常使用
追求画质用 GPT 1K：请求中设置 "provider": "gpt"
GPT 2K/4K 线路可能不稳定：不推荐作为默认模型
Prompt 用英文：效果通常比中文好
使用 Docker Compose 时，项目的 output/ 会映射到容器的 /app/output

请求参数

请求体为 JSON，发送到 POST /images/generations：

profile_name：必填，调用方 agent 的标识（建议用 agent 名称），不填会报 422 错误；图片会保存到 output/<profile_name>/ 目录
prompt：必填，图片提示词
provider：可选，grok 或 gpt，默认 grok
model：可选，覆盖 provider 的默认模型
size：可选，默认 1024x1024
n：可选，生成数量，范围 1 ~ 10，默认 1

输出规范

图片保存在服务端 output/<profile_name>/ 目录，按调用方 agent 区分
响应返回 filename、url 和文件大小 bytes
图片通过 GET /output/{profile_name}/{filename} 访问
服务启动后，响应中的相对路径 url 需要拼接服务地址，例如 http://localhost:8765/output/{profile_name}/{filename}

Prompt 技巧

使用英文 prompt 效果更好
描述要具体：主体 + 环境 + 光线 + 风格 + 情绪
横版图用 --size 1536x1024，正方形用 --size 1024x1024
加上 cinematic lighting, highly detailed, 4K 等后缀提升质感

配置与注意事项

单次上游请求超时为 120 秒
上游请求遇到网络错误或 408/429/500/502/503/504 时，最多自动重试 3 次，并使用指数退避
FastAPI 自动文档地址：http://localhost:8765/docs

4.1 KiB Raw Blame History