Tools

Generación de imágenes

La herramienta image_generate permite al agente crear y editar imágenes usando tus proveedores configurados. Las imágenes generadas se entregan automáticamente como adjuntos multimedia en la respuesta del agente.

Inicio rápido

Configurar autenticación

Establece una clave de API para al menos un proveedor (por ejemplo OPENAI_API_KEY, GEMINI_API_KEY, OPENROUTER_API_KEY) o inicia sesión con OAuth de OpenAI Codex.

Elegir un modelo predeterminado (opcional)

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openai/gpt-image-2",        timeoutMs: 180_000,      },    },  },}

OAuth de Codex usa la misma referencia de modelo openai/gpt-image-2. Cuando se configura un perfil OAuth openai-codex, OpenClaw enruta las solicitudes de imagen a través de ese perfil OAuth en lugar de intentar primero OPENAI_API_KEY. La configuración explícita models.providers.openai (clave de API, URL base personalizada/Azure) vuelve a optar por la ruta directa de la API de imágenes de OpenAI.

Pedir al agente

"Genera una imagen de una mascota robot amigable."

El agente llama a image_generate automáticamente. No es necesario incluir la herramienta en una lista de permitidas; está habilitada de forma predeterminada cuando hay un proveedor disponible.

Rutas comunes

Objetivo	Referencia de modelo	Autenticación
Generación de imágenes de OpenAI con facturación por API	`openai/gpt-image-2`	`OPENAI_API_KEY`
Generación de imágenes de OpenAI con autenticación de suscripción de Codex	`openai/gpt-image-2`	OAuth de OpenAI Codex
PNG/WebP con fondo transparente de OpenAI	`openai/gpt-image-1.5`	`OPENAI_API_KEY` u OAuth de OpenAI Codex
Generación de imágenes de DeepInfra	`deepinfra/black-forest-labs/FLUX-1-schnell`	`DEEPINFRA_API_KEY`
Generación de imágenes de OpenRouter	`openrouter/google/gemini-3.1-flash-image-preview`	`OPENROUTER_API_KEY`
Generación de imágenes de LiteLLM	`litellm/gpt-image-2`	`LITELLM_API_KEY`
Generación de imágenes de Google Gemini	`google/gemini-3.1-flash-image-preview`	`GEMINI_API_KEY` o `GOOGLE_API_KEY`

La misma herramienta image_generate gestiona texto a imagen y la edición con imágenes de referencia. Usa image para una referencia o images para varias referencias. Las indicaciones de salida admitidas por el proveedor, como quality, outputFormat y background, se reenvían cuando están disponibles y se informan como ignoradas cuando un proveedor no las admite. La compatibilidad incluida con fondos transparentes es específica de OpenAI; otros proveedores aún pueden conservar el alfa de PNG si su backend lo emite.

Proveedores compatibles

Proveedor	Modelo predeterminado	Compatibilidad de edición	Autenticación
ComfyUI	`workflow`	Sí (1 imagen, configurada por workflow)	`COMFY_API_KEY` o `COMFY_CLOUD_API_KEY` para cloud
DeepInfra	`black-forest-labs/FLUX-1-schnell`	Sí (1 imagen)	`DEEPINFRA_API_KEY`
fal	`fal-ai/flux/dev`	Sí (límites específicos del modelo)	`FAL_KEY`
Google	`gemini-3.1-flash-image-preview`	Sí	`GEMINI_API_KEY` o `GOOGLE_API_KEY`
LiteLLM	`gpt-image-2`	Sí (hasta 5 imágenes de entrada)	`LITELLM_API_KEY`
MiniMax	`image-01`	Sí (referencia de sujeto)	`MINIMAX_API_KEY` o OAuth de MiniMax (`minimax-portal`)
OpenAI	`gpt-image-2`	Sí (hasta 4 imágenes)	`OPENAI_API_KEY` u OAuth de OpenAI Codex
OpenRouter	`google/gemini-3.1-flash-image-preview`	Sí (hasta 5 imágenes de entrada)	`OPENROUTER_API_KEY`
Vydra	`grok-imagine`	No	`VYDRA_API_KEY`
xAI	`grok-imagine-image`	Sí (hasta 5 imágenes)	`XAI_API_KEY`

Usa action: "list" para inspeccionar los proveedores y modelos disponibles en tiempo de ejecución:

text

/tool image_generate action=list

Capacidades de los proveedores

Capacidad	ComfyUI	DeepInfra	fal	Google	MiniMax	OpenAI	Vydra	xAI
Generar (cantidad máx.)	Definido por workflow	4	4	4	9	4	1	4
Editar / referencia	1 imagen (workflow)	1 imagen	Flux: 1; GPT: 10; NB2: 14	Hasta 5 imágenes	1 imagen (ref. de sujeto)	Hasta 5 imágenes	-	Hasta 5 imágenes
Control de tamaño	-	✓	✓	✓	-	Hasta 4K	-	-
Relación de aspecto	-	-	✓	✓	✓	-	-	✓
Resolución (1K/2K/4K)	-	-	✓	✓	-	-	-	1K, 2K

Parámetros de la herramienta

promptstringrequired

Prompt de generación de imagen. Obligatorio para action: "generate".

action"generate" | "list"default: generate

Usa "list" para inspeccionar los proveedores y modelos disponibles en tiempo de ejecución.

modelstring

Anulación de proveedor/modelo (p. ej., openai/gpt-image-2). Usa openai/gpt-image-1.5 para fondos transparentes de OpenAI.

imagestring

Ruta o URL de una sola imagen de referencia para el modo de edición.

imagesstring[]

Varias imágenes de referencia para el modo de edición (hasta 5 en proveedores compatibles).

sizestring

Indicación de tamaño: 1024x1024, 1536x1024, 1024x1536, 2048x2048, 3840x2160.

aspectRatiostring

Relación de aspecto: 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9.

resolution"1K" | "2K" | "4K"

quality"low" | "medium" | "high" | "auto"

Indicación de calidad cuando el proveedor la admite.

outputFormat"png" | "jpeg" | "webp"

Indicación de formato de salida cuando el proveedor lo admite.

background"transparent" | "opaque" | "auto"

Indicación de fondo cuando el proveedor la admite. Usa transparent con outputFormat: "png" o "webp" para proveedores capaces de transparencia.

countnumber

timeoutMsnumber

Tiempo de espera opcional de solicitud del proveedor en milisegundos. Cuando Codex llama a image_generate a través de herramientas dinámicas, este valor por llamada sigue anulando el predeterminado configurado y tiene un límite de 600000 ms.

filenamestring

openaiobject

Indicaciones solo de OpenAI: background, moderation, outputCompression y user.

Configuración

Selección de modelo

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openai/gpt-image-2",        timeoutMs: 180_000,        fallbacks: [          "openrouter/google/gemini-3.1-flash-image-preview",          "google/gemini-3.1-flash-image-preview",          "fal/fal-ai/flux/dev",        ],      },    },  },}

Orden de selección de proveedores

OpenClaw prueba proveedores en este orden:

Parámetro model de la llamada de herramienta (si el agente especifica uno).
imageGenerationModel.primary de la configuración.
imageGenerationModel.fallbacks en orden.
Detección automática: solo valores predeterminados de proveedores con autenticación:
- proveedor predeterminado actual primero;
- proveedores restantes registrados para generación de imágenes en orden de id. de proveedor.

Si un proveedor falla (error de autenticación, límite de tasa, etc.), se prueba automáticamente el siguiente candidato configurado. Si todos fallan, el error incluye detalles de cada intento.

Las anulaciones de modelo por llamada son exactas

Una anulación model por llamada prueba solo ese proveedor/modelo y no continúa con el principal/de respaldo configurado ni con proveedores detectados automáticamente.

La detección automática tiene en cuenta la autenticación

Un valor predeterminado de proveedor solo entra en la lista de candidatos cuando OpenClaw puede autenticar realmente ese proveedor. Establece agents.defaults.mediaGenerationAutoProviderFallback: false para usar solo entradas explícitas de model, primary y fallbacks.

Tiempos de espera

Establece agents.defaults.imageGenerationModel.timeoutMs para backends de imagen lentos. Un parámetro de herramienta timeoutMs por llamada anula el valor predeterminado configurado. Las llamadas de herramientas dinámicas de Codex respetan el mismo presupuesto de tiempo de espera, limitado por el máximo de 600000 ms del puente de herramientas dinámicas de OpenClaw.

Inspeccionar en tiempo de ejecución

Usa action: "list" para inspeccionar los proveedores actualmente registrados, sus modelos predeterminados y las indicaciones de variables de entorno de autenticación.

Edición de imágenes

OpenAI, OpenRouter, Google, DeepInfra, fal, MiniMax, ComfyUI y xAI admiten la edición de imágenes de referencia. Pasa una ruta o URL de imagen de referencia:

text

"Genera una versión en acuarela de esta foto" + image: "/path/to/photo.jpg"

OpenAI, OpenRouter, Google y xAI admiten hasta 5 imágenes de referencia mediante el parámetro images. fal admite 1 imagen de referencia para imagen a imagen de Flux, hasta 10 para ediciones de GPT Image 2 y hasta 14 para ediciones de Nano Banana 2. MiniMax y ComfyUI admiten 1.

Análisis detallado de proveedores

OpenAI gpt-image-2 (y gpt-image-1.5)

La generación de imágenes de OpenAI usa openai/gpt-image-2 de forma predeterminada. Si hay un perfil OAuth de openai-codex configurado, OpenClaw reutiliza el mismo perfil OAuth que usan los modelos de chat de suscripción de Codex y envía la solicitud de imagen a través del backend de Codex Responses. Las URL base heredadas de Codex como https://chatgpt.com/backend-api se canonizan a https://chatgpt.com/backend-api/codex para solicitudes de imagen. OpenClaw no recurre silenciosamente a OPENAI_API_KEY para esa solicitud; para forzar el enrutamiento directo a la API de OpenAI Images, configura models.providers.openai explícitamente con una clave de API, una URL base personalizada o un endpoint de Azure.

Los modelos openai/gpt-image-1.5, openai/gpt-image-1 y openai/gpt-image-1-mini todavía se pueden seleccionar explícitamente. Usa gpt-image-1.5 para salida PNG/WebP con fondo transparente; la API actual de gpt-image-2 rechaza background: "transparent".

gpt-image-2 admite tanto generación de texto a imagen como edición con imágenes de referencia mediante la misma herramienta image_generate. OpenClaw reenvía prompt, count, size, quality, outputFormat y las imágenes de referencia a OpenAI. OpenAI no recibe aspectRatio ni resolution directamente; cuando es posible, OpenClaw los asigna a un size admitido; de lo contrario, la herramienta los informa como anulaciones ignoradas.

Las opciones específicas de OpenAI viven bajo el objeto openai:

json

{  "quality": "low",  "outputFormat": "jpeg",  "openai": {    "background": "opaque",    "moderation": "low",    "outputCompression": 60,    "user": "end-user-42"  }}

openai.background acepta transparent, opaque o auto; las salidas transparentes requieren outputFormat png o webp y un modelo de imagen de OpenAI compatible con transparencia. OpenClaw enruta las solicitudes predeterminadas de gpt-image-2 con fondo transparente a gpt-image-1.5. openai.outputCompression se aplica a las salidas JPEG/WebP.

La sugerencia de nivel superior background es neutral respecto al proveedor y actualmente se asigna al mismo campo de solicitud background de OpenAI cuando se selecciona el proveedor OpenAI. Los proveedores que no declaran compatibilidad con fondos la devuelven en ignoredOverrides en lugar de recibir el parámetro no admitido.

Para enrutar la generación de imágenes de OpenAI a través de un despliegue de Azure OpenAI en lugar de api.openai.com, consulta endpoints de Azure OpenAI.

Modelos de imagen de OpenRouter

La generación de imágenes de OpenRouter usa la misma OPENROUTER_API_KEY y se enruta a través de la API de imágenes de finalizaciones de chat de OpenRouter. Selecciona modelos de imagen de OpenRouter con el prefijo openrouter/:

json5

{  agents: {    defaults: {      imageGenerationModel: {        primary: "openrouter/google/gemini-3.1-flash-image-preview",      },    },  },}

OpenClaw reenvía prompt, count, imágenes de referencia y sugerencias aspectRatio / resolution compatibles con Gemini a OpenRouter. Los accesos directos actuales integrados para modelos de imagen de OpenRouter incluyen google/gemini-3.1-flash-image-preview, google/gemini-3-pro-image-preview y openai/gpt-5.4-image-2. Usa action: "list" para ver qué expone tu plugin configurado.

Autenticación dual de MiniMax

La generación de imágenes de MiniMax está disponible mediante ambas rutas de autenticación integradas de MiniMax:

minimax/image-01 para configuraciones con clave de API
minimax-portal/image-01 para configuraciones con OAuth

xAI grok-imagine-image

El proveedor xAI integrado usa /v1/images/generations para solicitudes solo con prompt y /v1/images/edits cuando image o images está presente.

Modelos: xai/grok-imagine-image, xai/grok-imagine-image-pro
Recuento: hasta 4
Referencias: una image o hasta cinco images
Relaciones de aspecto: 1:1, 16:9, 9:16, 4:3, 3:4, 2:3, 3:2
Resoluciones: 1K, 2K
Salidas: se devuelven como adjuntos de imagen gestionados por OpenClaw

OpenClaw no expone intencionadamente quality, mask, user ni relaciones de aspecto adicionales exclusivas de xAI hasta que esos controles existan en el contrato compartido entre proveedores image_generate.

Ejemplos

Generar (paisaje 4K)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="A clean editorial poster for OpenClaw image generation" size=3840x2160 count=1

Generar (PNG transparente)

text

/tool image_generate action=generate model=openai/gpt-image-1.5 prompt="A simple red circle sticker on a transparent background" outputFormat=png background=transparent

CLI equivalente:

bash

openclaw infer image generate \--model openai/gpt-image-1.5 \--output-format png \--background transparent \--prompt "A simple red circle sticker on a transparent background" \--json

Generar (dos cuadrados)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Two visual directions for a calm productivity app icon" size=1024x1024 count=2

Editar (una referencia)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Keep the subject, replace the background with a bright studio setup" image=/path/to/reference.png size=1024x1536

Editar (varias referencias)

text

/tool image_generate action=generate model=openai/gpt-image-2 prompt="Combine the character identity from the first image with the color palette from the second" images='["/path/to/character.png","/path/to/palette.jpg"]' size=1536x1024

Las mismas marcas --output-format y --background están disponibles en openclaw infer image edit; --openai-background permanece como un alias específico de OpenAI. Los proveedores integrados distintos de OpenAI no declaran control explícito de fondo actualmente, por lo que background: "transparent" se informa como ignorado para ellos.

Relacionado

Resumen de herramientas - todas las herramientas de agente disponibles
ComfyUI - configuración de flujos de trabajo locales de ComfyUI y Comfy Cloud
fal - configuración del proveedor de imágenes y video fal
Google (Gemini) - configuración del proveedor de imágenes Gemini
MiniMax - configuración del proveedor de imágenes MiniMax
OpenAI - configuración del proveedor OpenAI Images
Vydra - configuración de imágenes, video y voz de Vydra
xAI - configuración de imagen, video, búsqueda, ejecución de código y TTS de Grok
Referencia de configuración - configuración de imageGenerationModel
Modelos - configuración de modelos y conmutación por error

Was this useful?