--- read_when: - Generowanie lub edytowanie obrazów za pomocą agenta - Konfigurowanie dostawców i modeli generowania obrazów - Zrozumienie parametrów narzędzia image_generate sidebarTitle: Image generation summary: Generuj i edytuj obrazy za pomocą image_generate w OpenAI, Google, fal, MiniMax, ComfyUI, DeepInfra, OpenRouter, LiteLLM, xAI, Vydra title: Generowanie obrazów x-i18n: generated_at: "2026-05-11T20:39:07Z" model: gpt-5.5 provider: openai source_hash: 10c15b48a673ef673e3cf7c4f4950a08961d64a3fd21eff9d1944ec6d4b9c410 source_path: tools/image-generation.md workflow: 16 --- Narzędzie `image_generate` pozwala agentowi tworzyć i edytować obrazy za pomocą skonfigurowanych providerów. Wygenerowane obrazy są dostarczane automatycznie jako załączniki multimedialne w odpowiedzi agenta. Narzędzie pojawia się tylko wtedy, gdy dostępny jest co najmniej jeden provider generowania obrazów. Jeśli nie widzisz `image_generate` w narzędziach agenta, skonfiguruj `agents.defaults.imageGenerationModel`, ustaw klucz API providera albo zaloguj się za pomocą OpenAI Codex OAuth. ## Szybki start Ustaw klucz API dla co najmniej jednego providera (na przykład `OPENAI_API_KEY`, `GEMINI_API_KEY`, `OPENROUTER_API_KEY`) albo zaloguj się za pomocą OpenAI Codex OAuth. ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openai/gpt-image-2", timeoutMs: 180_000, }, }, }, } ``` Codex OAuth używa tego samego odwołania do modelu `openai/gpt-image-2`. Gdy skonfigurowany jest profil OAuth `openai-codex`, OpenClaw kieruje żądania obrazów przez ten profil OAuth zamiast najpierw próbować `OPENAI_API_KEY`. Jawna konfiguracja `models.providers.openai` (klucz API, niestandardowy/Azure bazowy URL) przełącza z powrotem na bezpośrednią trasę OpenAI Images API. _"Wygeneruj obraz przyjaznej maskotki robota."_ Agent automatycznie wywołuje `image_generate`. Lista dozwolonych narzędzi nie jest potrzebna - narzędzie jest domyślnie włączone, gdy dostępny jest provider. W przypadku punktów końcowych LAN zgodnych z OpenAI, takich jak LocalAI, zachowaj niestandardowe `models.providers.openai.baseUrl` i jawnie włącz za pomocą `browser.ssrfPolicy.dangerouslyAllowPrivateNetwork: true`. Prywatne i wewnętrzne punkty końcowe obrazów pozostają domyślnie zablokowane. ## Typowe trasy | Cel | Odwołanie do modelu | Uwierzytelnianie | | ---------------------------------------------------- | -------------------------------------------------- | -------------------------------------- | | Generowanie obrazów OpenAI z rozliczaniem przez API | `openai/gpt-image-2` | `OPENAI_API_KEY` | | Generowanie obrazów OpenAI z uwierzytelnianiem subskrypcji Codex | `openai/gpt-image-2` | OpenAI Codex OAuth | | PNG/WebP OpenAI z przezroczystym tłem | `openai/gpt-image-1.5` | `OPENAI_API_KEY` lub OpenAI Codex OAuth | | Generowanie obrazów DeepInfra | `deepinfra/black-forest-labs/FLUX-1-schnell` | `DEEPINFRA_API_KEY` | | Generowanie obrazów OpenRouter | `openrouter/google/gemini-3.1-flash-image-preview` | `OPENROUTER_API_KEY` | | Generowanie obrazów LiteLLM | `litellm/gpt-image-2` | `LITELLM_API_KEY` | | Generowanie obrazów Google Gemini | `google/gemini-3.1-flash-image-preview` | `GEMINI_API_KEY` lub `GOOGLE_API_KEY` | To samo narzędzie `image_generate` obsługuje generowanie obrazu z tekstu oraz edycję obrazów referencyjnych. Użyj `image` dla jednej referencji albo `images` dla wielu referencji. Wskazówki wyjścia obsługiwane przez providera, takie jak `quality`, `outputFormat` i `background`, są przekazywane, gdy są dostępne, i zgłaszane jako zignorowane, gdy provider ich nie obsługuje. Wbudowana obsługa przezroczystego tła jest specyficzna dla OpenAI; inni providerzy mogą nadal zachowywać kanał alfa PNG, jeśli emituje go ich backend. ## Obsługiwani providerzy | Provider | Model domyślny | Obsługa edycji | Uwierzytelnianie | | ---------- | --------------------------------------- | ---------------------------------- | ----------------------------------------------------- | | ComfyUI | `workflow` | Tak (1 obraz, skonfigurowane w workflow) | `COMFY_API_KEY` lub `COMFY_CLOUD_API_KEY` dla chmury | | DeepInfra | `black-forest-labs/FLUX-1-schnell` | Tak (1 obraz) | `DEEPINFRA_API_KEY` | | fal | `fal-ai/flux/dev` | Tak (limity zależne od modelu) | `FAL_KEY` | | Google | `gemini-3.1-flash-image-preview` | Tak | `GEMINI_API_KEY` lub `GOOGLE_API_KEY` | | LiteLLM | `gpt-image-2` | Tak (do 5 obrazów wejściowych) | `LITELLM_API_KEY` | | MiniMax | `image-01` | Tak (referencja obiektu) | `MINIMAX_API_KEY` lub MiniMax OAuth (`minimax-portal`) | | OpenAI | `gpt-image-2` | Tak (do 4 obrazów) | `OPENAI_API_KEY` lub OpenAI Codex OAuth | | OpenRouter | `google/gemini-3.1-flash-image-preview` | Tak (do 5 obrazów wejściowych) | `OPENROUTER_API_KEY` | | Vydra | `grok-imagine` | Nie | `VYDRA_API_KEY` | | xAI | `grok-imagine-image` | Tak (do 5 obrazów) | `XAI_API_KEY` | Użyj `action: "list"`, aby sprawdzić dostępnych providerów i modele w czasie działania: ```text /tool image_generate action=list ``` ## Możliwości providerów | Możliwość | ComfyUI | DeepInfra | fal | Google | MiniMax | OpenAI | Vydra | xAI | | --------------------- | ------------------ | --------- | ------------------------- | -------------- | --------------------- | -------------- | ----- | -------------- | | Generowanie (maks. liczba) | Zdefiniowane przez workflow | 4 | 4 | 4 | 9 | 4 | 1 | 4 | | Edycja / referencja | 1 obraz (workflow) | 1 obraz | Flux: 1; GPT: 10; NB2: 14 | Do 5 obrazów | 1 obraz (referencja obiektu) | Do 5 obrazów | - | Do 5 obrazów | | Kontrola rozmiaru | - | ✓ | ✓ | ✓ | - | Do 4K | - | - | | Proporcje obrazu | - | - | ✓ | ✓ | ✓ | - | - | ✓ | | Rozdzielczość (1K/2K/4K) | - | - | ✓ | ✓ | - | - | - | 1K, 2K | ## Parametry narzędzia Prompt generowania obrazu. Wymagany dla `action: "generate"`. Użyj `"list"`, aby sprawdzić dostępnych providerów i modele w czasie działania. Nadpisanie providera/modelu (np. `openai/gpt-image-2`). Użyj `openai/gpt-image-1.5` dla przezroczystych teł OpenAI. Pojedyncza ścieżka obrazu referencyjnego albo URL dla trybu edycji. Wiele obrazów referencyjnych dla trybu edycji (do 5 u obsługujących providerów). Wskazówka rozmiaru: `1024x1024`, `1536x1024`, `1024x1536`, `2048x2048`, `3840x2160`. Proporcje obrazu: `1:1`, `2:3`, `3:2`, `3:4`, `4:3`, `4:5`, `5:4`, `9:16`, `16:9`, `21:9`. Wskazówka rozdzielczości. Wskazówka jakości, gdy provider ją obsługuje. Wskazówka formatu wyjściowego, gdy provider go obsługuje. Wskazówka tła, gdy provider ją obsługuje. Użyj `transparent` z `outputFormat: "png"` albo `"webp"` dla providerów obsługujących przezroczystość. Liczba obrazów do wygenerowania (1-4). Opcjonalny limit czasu żądania providera w milisekundach. Gdy Codex wywołuje `image_generate` przez narzędzia dynamiczne, ta wartość dla pojedynczego wywołania nadal zastępuje skonfigurowaną wartość domyślną i jest ograniczona do 600000 ms. Wskazówka nazwy pliku wyjściowego. Wskazówki tylko dla OpenAI: `background`, `moderation`, `outputCompression` i `user`. Nie wszyscy providerzy obsługują wszystkie parametry. Gdy provider awaryjny obsługuje podobną opcję geometrii zamiast dokładnie żądanej, OpenClaw mapuje ją na najbliższy obsługiwany rozmiar, proporcje obrazu albo rozdzielczość przed wysłaniem. Nieobsługiwane wskazówki wyjścia są usuwane dla providerów, którzy nie deklarują obsługi, i zgłaszane w wyniku narzędzia. Wyniki narzędzia zgłaszają zastosowane ustawienia; `details.normalization` przechwytuje każde tłumaczenie z żądanego na zastosowane. ## Konfiguracja ### Wybór modelu ```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", ], }, }, }, } ``` ### Kolejność wyboru providerów OpenClaw próbuje providerów w tej kolejności: 1. Parametr **`model`** z wywołania narzędzia (jeśli agent go określi). 2. **`imageGenerationModel.primary`** z konfiguracji. 3. **`imageGenerationModel.fallbacks`** w kolejności. 4. **Automatyczne wykrywanie** - wyłącznie domyślne providery z dostępnym uwierzytelnianiem: - najpierw bieżący domyślny provider; - pozostali zarejestrowani providerzy generowania obrazów w kolejności identyfikatorów providerów. Jeśli provider zawiedzie (błąd uwierzytelniania, limit częstotliwości itd.), następny skonfigurowany kandydat jest próbowany automatycznie. Jeśli wszystkie zawiodą, błąd zawiera szczegóły z każdej próby. Nadpisanie `model` dla pojedynczego wywołania próbuje tylko tego providera/modelu i nie przechodzi do skonfigurowanego głównego/awaryjnego ani automatycznie wykrytych providerów. Domyślny provider trafia na listę kandydatów tylko wtedy, gdy OpenClaw może faktycznie uwierzytelnić tego providera. Ustaw `agents.defaults.mediaGenerationAutoProviderFallback: false`, aby używać tylko jawnych wpisów `model`, `primary` i `fallbacks`. Ustaw `agents.defaults.imageGenerationModel.timeoutMs` dla wolnych backendów obrazów. Parametr narzędzia `timeoutMs` dla pojedynczego wywołania zastępuje skonfigurowaną wartość domyślną. Wywołania narzędzi dynamicznych Codex respektują ten sam budżet czasu, ograniczony przez maksymalny limit mostka narzędzi dynamicznych OpenClaw wynoszący 600000 ms. Użyj `action: "list"`, aby sprawdzić aktualnie zarejestrowanych providerów, ich modele domyślne i wskazówki dotyczące zmiennych środowiskowych uwierzytelniania. ### Edycja obrazów OpenAI, OpenRouter, Google, DeepInfra, fal, MiniMax, ComfyUI i xAI obsługują edycję obrazów referencyjnych. Przekaż ścieżkę obrazu referencyjnego albo URL: ```text "Generate a watercolor version of this photo" + image: "/path/to/photo.jpg" ``` OpenAI, OpenRouter, Google i xAI obsługują do 5 obrazów referencyjnych przez parametr `images`. fal obsługuje 1 obraz referencyjny dla Flux image-to-image, do 10 dla edycji GPT Image 2 oraz do 14 dla edycji Nano Banana 2. MiniMax i ComfyUI obsługują 1. ## Szczegółowe omówienie dostawców Generowanie obrazów OpenAI domyślnie używa `openai/gpt-image-2`. Jeśli skonfigurowano profil OAuth `openai-codex`, OpenClaw ponownie używa tego samego profilu OAuth, którego używają modele czatu subskrypcji Codex, i wysyła żądanie obrazu przez backend Codex Responses. Starsze bazowe adresy URL Codex, takie jak `https://chatgpt.com/backend-api`, są kanonizowane do `https://chatgpt.com/backend-api/codex` dla żądań obrazów. OpenClaw **nie** przełącza się po cichu na `OPENAI_API_KEY` dla tego żądania - aby wymusić bezpośrednie routowanie przez OpenAI Images API, skonfiguruj jawnie `models.providers.openai` z kluczem API, niestandardowym bazowym adresem URL albo endpointem Azure. Modele `openai/gpt-image-1.5`, `openai/gpt-image-1` i `openai/gpt-image-1-mini` nadal można wybrać jawnie. Użyj `gpt-image-1.5` do wyjścia PNG/WebP z przezroczystym tłem; obecne API `gpt-image-2` odrzuca `background: "transparent"`. `gpt-image-2` obsługuje zarówno generowanie tekst-na-obraz, jak i edycję obrazów referencyjnych przez to samo narzędzie `image_generate`. OpenClaw przekazuje do OpenAI `prompt`, `count`, `size`, `quality`, `outputFormat` oraz obrazy referencyjne. OpenAI **nie** otrzymuje bezpośrednio `aspectRatio` ani `resolution`; gdy to możliwe, OpenClaw mapuje je na obsługiwany `size`, w przeciwnym razie narzędzie zgłasza je jako zignorowane nadpisania. Opcje specyficzne dla OpenAI znajdują się w obiekcie `openai`: ```json { "quality": "low", "outputFormat": "jpeg", "openai": { "background": "opaque", "moderation": "low", "outputCompression": 60, "user": "end-user-42" } } ``` `openai.background` przyjmuje `transparent`, `opaque` albo `auto`; przezroczyste wyniki wymagają `outputFormat` `png` albo `webp` oraz modelu obrazów OpenAI obsługującego przezroczystość. OpenClaw kieruje domyślne żądania `gpt-image-2` z przezroczystym tłem do `gpt-image-1.5`. `openai.outputCompression` stosuje się do wyjść JPEG/WebP. Wskazówka najwyższego poziomu `background` jest neutralna względem dostawcy i obecnie mapuje się na to samo pole żądania OpenAI `background`, gdy wybrany jest dostawca OpenAI. Dostawcy, którzy nie deklarują obsługi tła, zwracają ją w `ignoredOverrides`, zamiast otrzymać nieobsługiwany parametr. Aby kierować generowanie obrazów OpenAI przez wdrożenie Azure OpenAI zamiast `api.openai.com`, zobacz [endpointy Azure OpenAI](/pl/providers/openai#azure-openai-endpoints). Generowanie obrazów OpenRouter używa tego samego `OPENROUTER_API_KEY` i jest routowane przez API obrazów chat completions OpenRouter. Wybieraj modele obrazów OpenRouter z prefiksem `openrouter/`: ```json5 { agents: { defaults: { imageGenerationModel: { primary: "openrouter/google/gemini-3.1-flash-image-preview", }, }, }, } ``` OpenClaw przekazuje do OpenRouter `prompt`, `count`, obrazy referencyjne oraz zgodne z Gemini wskazówki `aspectRatio` / `resolution`. Obecne wbudowane skróty modeli obrazów OpenRouter obejmują `google/gemini-3.1-flash-image-preview`, `google/gemini-3-pro-image-preview` i `openai/gpt-5.4-image-2`. Użyj `action: "list"`, aby zobaczyć, co udostępnia skonfigurowany Plugin. Generowanie obrazów MiniMax jest dostępne przez obie dołączone ścieżki uwierzytelniania MiniMax: - `minimax/image-01` dla konfiguracji z kluczem API - `minimax-portal/image-01` dla konfiguracji OAuth Dołączony dostawca xAI używa `/v1/images/generations` dla żądań zawierających tylko prompt oraz `/v1/images/edits`, gdy obecne jest `image` albo `images`. - Modele: `xai/grok-imagine-image`, `xai/grok-imagine-image-pro` - Liczba: do 4 - Referencje: jedno `image` albo do pięciu `images` - Proporcje obrazu: `1:1`, `16:9`, `9:16`, `4:3`, `3:4`, `2:3`, `3:2` - Rozdzielczości: `1K`, `2K` - Wyniki: zwracane jako załączniki obrazów zarządzane przez OpenClaw OpenClaw celowo nie udostępnia natywnych dla xAI opcji `quality`, `mask`, `user` ani dodatkowych proporcji obrazu dostępnych tylko natywnie, dopóki te kontrolki nie pojawią się we współdzielonym, międzydostawczym kontrakcie `image_generate`. ## Przykłady ```text /tool image_generate action=generate model=openai/gpt-image-2 prompt="A clean editorial poster for OpenClaw image generation" size=3840x2160 count=1 ``` ```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 ``` Równoważne CLI: ```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 ``` ```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 ``` ```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 ``` ```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 ``` Te same flagi `--output-format` i `--background` są dostępne w `openclaw infer image edit`; `--openai-background` pozostaje aliasem specyficznym dla OpenAI. Dołączeni dostawcy inni niż OpenAI nie deklarują obecnie jawnej kontroli tła, więc `background: "transparent"` jest dla nich zgłaszane jako zignorowane. ## Powiązane - [Przegląd narzędzi](/pl/tools) - wszystkie dostępne narzędzia agenta - [ComfyUI](/pl/providers/comfy) - konfiguracja lokalnego ComfyUI i workflow Comfy Cloud - [fal](/pl/providers/fal) - konfiguracja dostawcy obrazów i wideo fal - [Google (Gemini)](/pl/providers/google) - konfiguracja dostawcy obrazów Gemini - [MiniMax](/pl/providers/minimax) - konfiguracja dostawcy obrazów MiniMax - [OpenAI](/pl/providers/openai) - konfiguracja dostawcy OpenAI Images - [Vydra](/pl/providers/vydra) - konfiguracja obrazów, wideo i mowy Vydra - [xAI](/pl/providers/xai) - konfiguracja obrazów, wideo, wyszukiwania, wykonywania kodu i TTS Grok - [Odniesienie konfiguracji](/pl/gateway/config-agents#agent-defaults) - konfiguracja `imageGenerationModel` - [Modele](/pl/concepts/models) - konfiguracja modeli i failover