GPT Image 1 MCP
🚀 Inicio rápido
npx -y @cloudwerxlab/gpt-image-1-mcp📋 Requisitos previos
🔑 Variables de entorno
💻 Ejemplo de uso con NPX
# Set your OpenAI API key
export OPENAI_API_KEY=sk-your-openai-api-key
# Optional: Set custom output directory
export GPT_IMAGE_OUTPUT_DIR=/home/username/Pictures/ai-generated-images
# Run the server with NPX
npx -y @cloudwerxlab/gpt-image-1-mcp# Set your OpenAI API key
$env:OPENAI_API_KEY = "sk-your-openai-api-key"
# Optional: Set custom output directory
$env:GPT_IMAGE_OUTPUT_DIR = "C:\Users\username\Pictures\ai-generated-images"
# Run the server with NPX
npx -y @cloudwerxlab/gpt-image-1-mcp:: Set your OpenAI API key
set OPENAI_API_KEY=sk-your-openai-api-key
:: Optional: Set custom output directory
set GPT_IMAGE_OUTPUT_DIR=C:\Users\username\Pictures\ai-generated-images
:: Run the server with NPX
npx -y @cloudwerxlab/gpt-image-1-mcpRelated MCP server: OpenAI MCP
🔌 Integración con clientes MCP
🛠️ Configuración en un cliente MCP
{
"mcpServers": {
"gpt-image-1": {
"command": "npx",
"args": [
"-y",
"@cloudwerxlab/gpt-image-1-mcp"
],
"env": {
"OPENAI_API_KEY": "PASTE YOUR OPEN-AI KEY HERE",
"GPT_IMAGE_OUTPUT_DIR": "OPTIONAL: PATH TO SAVE GENERATED IMAGES"
}
}
}
}Configuraciones de ejemplo para diferentes sistemas operativos
{
"mcpServers": {
"gpt-image-1": {
"command": "npx",
"args": ["-y", "@cloudwerxlab/gpt-image-1-mcp"],
"env": {
"OPENAI_API_KEY": "sk-your-openai-api-key",
"GPT_IMAGE_OUTPUT_DIR": "C:\\Users\\username\\Pictures\\ai-generated-images"
}
}
}
}{
"mcpServers": {
"gpt-image-1": {
"command": "npx",
"args": ["-y", "@cloudwerxlab/gpt-image-1-mcp"],
"env": {
"OPENAI_API_KEY": "sk-your-openai-api-key",
"GPT_IMAGE_OUTPUT_DIR": "/home/username/Pictures/ai-generated-images"
}
}
}
}Nota : Para las rutas de Windows, use barras invertidas dobles (
\\) para escapar la barra invertida en JSON. Para Linux/MacOS, use barras diagonales (/).
✨ Características
💡 Capacidades mejoradas
🔄 Cómo funciona
📁 Comportamiento del directorio de salida
Instalación y uso
Paquete NPM
Este paquete está disponible en npm: @cloudwerxlab/gpt-image-1-mcp
Puedes instalarlo globalmente:
npm install -g @cloudwerxlab/gpt-image-1-mcpO ejecútelo directamente con npx como se muestra en la sección Inicio rápido.
Herramienta: create_image
Genera una nueva imagen basándose en una solicitud de texto.
Parámetros
Parámetro | Tipo | Requerido | Descripción |
| cadena | Sí | La descripción del texto de la imagen a generar (máximo 32.000 caracteres) |
| cadena | No | Tamaño de la imagen: "1024x1024" (predeterminado), "1536x1024" o "1024x1536" |
| cadena | No | Calidad de imagen: "alta" (predeterminada), "media" o "baja" |
| entero | No | Número de imágenes a generar (1-10, predeterminado: 1) |
| cadena | No | Estilo de fondo: "transparente", "opaco" o "automático" (predeterminado) |
| cadena | No | Formato de salida: "png" (predeterminado), "jpeg" o "webp" |
| entero | No | Nivel de compresión (0-100, predeterminado: 0) |
| cadena | No | Identificador de usuario para el seguimiento del uso de OpenAI |
| cadena | No | Nivel de moderación: «bajo» o «automático» (predeterminado) |
Ejemplo
<use_mcp_tool>
<server_name>gpt-image-1</server_name>
<tool_name>create_image</tool_name>
<arguments>
{
"prompt": "A futuristic city skyline at sunset, digital art",
"size": "1024x1024",
"quality": "high",
"n": 1,
"background": "auto"
}
</arguments>
</use_mcp_tool>Respuesta
La herramienta devuelve:
Un mensaje de texto formateado con detalles sobre las imágenes generadas
Las imágenes como datos codificados en base64
Metadatos que incluyen el uso de tokens y rutas de archivos
Herramienta: create_image_edit
Edita una imagen existente basándose en un mensaje de texto y una máscara opcional.
Parámetros
Parámetro | Tipo | Requerido | Descripción |
| cadena, objeto o matriz | Sí | Las imágenes a editar (cadena base64 u objeto de ruta de archivo) |
| cadena | Sí | La descripción del texto de la edición deseada (máximo 32.000 caracteres) |
| cadena u objeto | No | La máscara que define las áreas a editar (cadena base64 u objeto de ruta de archivo) |
| cadena | No | Tamaño de la imagen: "1024x1024" (predeterminado), "1536x1024" o "1024x1536" |
| cadena | No | Calidad de imagen: "alta" (predeterminada), "media" o "baja" |
| entero | No | Número de imágenes a generar (1-10, predeterminado: 1) |
| cadena | No | Estilo de fondo: "transparente", "opaco" o "automático" (predeterminado) |
| cadena | No | Identificador de usuario para el seguimiento del uso de OpenAI |
Ejemplo con imagen codificada en Base64
<use_mcp_tool>
<server_name>gpt-image-1</server_name>
<tool_name>create_image_edit</tool_name>
<arguments>
{
"image": "BASE64_ENCODED_IMAGE_STRING",
"prompt": "Add a small robot in the corner",
"mask": "BASE64_ENCODED_MASK_STRING",
"quality": "high"
}
</arguments>
</use_mcp_tool>Ejemplo con ruta de archivo
<use_mcp_tool>
<server_name>gpt-image-1</server_name>
<tool_name>create_image_edit</tool_name>
<arguments>
{
"image": {
"filePath": "C:/path/to/your/image.png"
},
"prompt": "Add a small robot in the corner",
"mask": {
"filePath": "C:/path/to/your/mask.png"
},
"quality": "high"
}
</arguments>
</use_mcp_tool>Respuesta
La herramienta devuelve:
Un mensaje de texto formateado con detalles sobre las imágenes editadas
Las imágenes editadas como datos codificados en base64
Metadatos que incluyen el uso de tokens y rutas de archivos
🔧 Solución de problemas
🚨 Problemas comunes
🔍 Manejo y generación de informes de errores
El servidor MCP incluye un sistema integral de gestión de errores que proporciona información detallada cuando algo falla. Cuando se produce un error:
Formato de error : Todos los errores se devuelven con:
Un mensaje de error claro que describe qué salió mal
El código o tipo de error específico
Contexto adicional sobre el error cuando esté disponible
Comportamiento del asistente de IA : al utilizar este servidor MCP con asistentes de IA:
La IA siempre informará el mensaje de error completo para ayudar con la solución de problemas.
La IA explicará la causa probable del error en un lenguaje sencillo.
La IA sugerirá pasos específicos para resolver el problema.
📄 Licencia
🙏 Agradecimientos
Available Tools
2 toolscreate_imageD
Inputs: prompt (required), background, n, output_compression, +5 more.
create_image_editD
Inputs: image (required), prompt (required), background, mask, +4 more.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 2 tools
The two tools have overlapping purposes—both involve creating images—and without descriptions, it's unclear how they differ. 'create_image_edit' suggests editing an existing image, but this could easily be confused with the base 'create_image' tool, leading to potential misselection.
Both tools follow a consistent verb_noun pattern with 'create_image' as the base, and 'create_image_edit' extends this logically. The naming is predictable and clear, with no deviations in style or convention.
With only 2 tools, the server feels thin for an image-related domain, which typically requires operations like listing, retrieving, updating, or deleting images. This limited set may not support common workflows, making it under-scoped.
The tool surface is severely incomplete for an image server; there are no tools for reading, updating, deleting, or managing images beyond creation and editing. This will cause significant agent failures in handling image lifecycles or varied tasks.
Maintenance
Related MCP Connectors
Generate and edit images (PNG, transparent, GIF, SVG) with GPT Image and Nano Banana models.
Focused MCP server for OpenAI image/audio generation (v2.0.0). Wraps endpoints via HAPI CLI.
MCP server for Qwen Image 3 AI image generation
Generate images from Claude, ChatGPT, Cursor and Codex with 12 top AI image models. Up to 4 images per call, SVG vectorization, background removal, upscaling and image-to-video. Remote MCP with OAuth, no API keys.
Related MCP Servers
- AlicenseNot gradedqualityDmaintenanceA server that provides AI-powered image generation, modification, and processing capabilities through the Model Context Protocol, leveraging Google Gemini models and other image services.19MIT
- AlicenseNot gradedqualityFmaintenanceA Model Context Protocol server enabling AI assistants to generate images through OpenAI's DALL-E API with full support for all available options and fine-grained control.1MIT
- AlicenseDqualityDmaintenanceA Model Context Protocol server that provides image generation capabilities using Google's Gemini 2 API, allowing users to generate multiple images with customizable parameters like prompts, aspect ratios, and person generation settings.16MIT
- AlicenseBqualityDmaintenanceA Model Context Protocol server that provides OpenAI's DALL-E 3 image generation capabilities, allowing LLMs to generate high-quality images through a standardized interface.119 npm1MIT