chatgpt-image-bridge

透過獨立 Google Chrome profile 中的 ChatGPT Web自動生成圖片的 CLI 工具與 MCP server。

不是逆向 API、不用額外訂閱：工具用 Chrome DevTools Protocol（CDP）驅動一個專用 Chrome profile 裡已登入的 ChatGPT Web——在「新對話」輸入框注入 prompt、按「傳送」、輪詢到生成完畢、把圖片取回落盤。這個 profile 與你平常使用的 ChatGPT Desktop/Chrome 完全分離。

存在的意義

你訂閱 ChatGPT 就已經有聊天生圖額度，但它只能靠人在聊天窗口裡手動使用。這個工具把那份額度變成一個可被程式呼叫的介面：任何支援 MCP 的 Agent 環境（OpenCode、Claude Desktop 等）裝上它，Agent 就能直接「叫圖生圖」，產出 PNG 回傳繼續工作流——不用額外申請 OpenAI API key、不用按 API 計費付費、不動到帳號安全性（它只是自動化你本人的 UI 操作，官方看到的就是一個使用者在聊天）。

一句話：把 ChatGPT 聊天的生圖額度搬進你自己的 Agent 工具鏈。

Related MCP server: Image Generation MCP Server

原理

bridge 會以獨立 Chrome profile 啟動 ChatGPT Web，並用 loopback CDP 對頁面執行 Runtime.evaluate：

1. 檢查 127.0.0.1:<port>/json/version；若尚未啟動，開啟 Google Chrome，使用 ~/.chatgpt-bridge/chrome-profile、--remote-debugging-port=<port> 並前往 https://chatgpt.com/。port 預設從 ~/.chatgpt-bridge/cdp-port 讀取（可用 --port 顯式指定）；新啟動的 Chrome 會使用隨機高端口並寫回該檔，避免與其他 CDP 工具固定搶 9342。不會關閉或重啟 ChatGPT Desktop。

2. Attach https://chatgpt.com/ 頁面，並安裝反偵測加固層（見下節）。

3. 以模擬真人滑鼠軌跡的 trusted click 點「新對話」→ 找到目前可見的 ChatGPT composer → trusted click 聚焦後，以「假貼上」注入 prompt：在頁面內直接合成 ClipboardEvent('paste') 並把文字放進事件的 DataTransfer（不經系統剪貼簿），前導補發 Cmd/Ctrl+V 的按鍵事件序列；驗證文字未入欄時才回退系統剪貼簿真貼上，再失敗回退 Input.insertText。最後 trusted click 點「傳送」。

4. 隨機間隔輪詢：無「停止」按鈕且生成圖片容器（[data-testid="generated-image-preview"]／generated-image-gallery）中出現比發送前更多的圖片即完成。

5. 同時支援 data:image/... 與新版 ChatGPT Web 的 blob:https://chatgpt.com/... 圖片來源；blob 會在頁面內轉成 data URL，再經 CDP 回傳並寫成 PNG。stdout 輸出 路徑 bytes。

CDP 只綁 127.0.0.1，不外露。

反自動化偵測加固

工具盡量讓官方網頁看到的行為接近真人操作：

• 啟動參數：--disable-blink-features=AutomationControlled（navigator.webdriver=false）、防止分頁被背景節流／遮擋降頻的幾個 flag。

• 可信輸入：所有點擊都是 CDP Input.dispatchMouseEvent 產生的 trusted event，滑鼠沿貝茲爾曲線移動（速度緩動、落點抖動、偶發停頓），而非 in-page element.click()。prompt 預設走「假貼上」：頁面內合成 ClipboardEvent('paste')（文字直接塞在事件的 DataTransfer，不碰系統剪貼簿），並按真人毫秒間隔補發 Cmd/Ctrl+V 按鍵序列；僅在它失敗時才回退系統剪貼簿 + trusted Cmd/Ctrl+V 真貼上（寫入前暫存、事後還原剪貼簿），再失敗才回退 Input.insertText。

• isTrusted 偽裝：合成事件的 isTrusted 預設為 false，而 Chrome 的 isTrusted 是實例級不可覆寫的 accessor，只能從讀取側動手。bridge 在頁面任何腳本載入前包裝 EventTarget.prototype.addEventListener：站方註冊的每個 listener 實際收到的是外殼，讀被標記事件的 isTrusted 時回 true，其餘屬性原樣透傳；包裝外殼與 addEventListener 本身的 toString() 都以消毒層的 Function.prototype.toString 補丁維持 [native code] 外觀。站方若在載入前就拿到舊版 stealth 頁（無此層），bridge 會自動重載一次以啟用完整偽裝。理論上唯一補不起來的探針：站方在貼上當下同步讀 navigator.clipboard.readText() 比對剪貼簿內容——目前無證據顯示 ChatGPT 這樣做。

• 隨機時序：各步驟等待與輪詢間隔皆為隨機區間，沒有固定節拍；關鍵動作之間插入 humanDwell（隨機停留，50% 機率順帶滾動捲輪），模擬閱讀與考慮的時間。

• 生成期間 micro-drift：等待生成时每 6–16 秒發送小幅度滑鼠移動，維持「有人在頁面上」的信號；並以 Page.setWebLifecycleState=active 保持分頁 visibilityState=visible。

• console 消毒層：console.log(new Error()) 的堆疊序列化是 CDP 連線的固有洩漏（高階偵測器如 Turnstile 用 Error.stack getter 探針偵測 debugger）。bridge 在頁面任何腳本載入前注入包裝層，把傳入 console 的 Error 轉為乾淨複製品，使站方探針的 getter 永不觸發；包裝層的 toString() 以 Function.prototype.toString 補丁維持 [native code] 外觀。站方監控套件（如 Datadog）之後再包裝 console 時，bridge 會把消毒層重新疊到最外側並驗證。

自證工具：

node chatgpt-image-bridge.mjs --selftest
# 輸出 JSON：navigator.webdriver、descriptor、languages、plugins、WebGL、
# visibilityState、error.stack 計時、console.log Error probe（期望 "clean"）、
# isTrusted spoof（期望 boxed/seenTrusted 為 true、unmarkedTrusted 為 false）等

殘留風險：只要 CDP socket 連線存在，理论上仍有極少數高階探針能從時序／序列化側間接推斷（本機無头對照實驗已把可見洩漏降到 console 探針一項，而該項已被消毒）。真正的账号級偵測（IP、行為模式）不在本工具控制範圍。

需求

• macOS + /Applications/Google Chrome.app

• 第一次使用時，在自動開啟的專用 Chrome 視窗登入一次 ChatGPT；登入狀態會保存在 ~/.chatgpt-bridge/chrome-profile

• Node.js >= 22（使用全域 fetch / WebSocket，零依賴）

• ChatGPT Web 介面語言為中文或英文皆可（按鈕比對同時支援「新對話/傳送/停止」與 New chat/Send/Stop）

安裝

git clone https://github.com/XiaoPuOuO/chatgpt-image-bridge.git
cd chatgpt-image-bridge
chmod +x chatgpt-image-bridge.mjs chatgpt-image-mcp.mjs

用法

CLI

node chatgpt-image-bridge.mjs "畫一張扁平插畫風的小圖：一隻戴耳機的柴犬在打鍵盤"
# stderr: [bridge] 新對話: clicked / 注入: ... / 發送: clicked
# stdout: /Users/you/.chatgpt-bridge/out/chatgpt-1700000000000-12345.png 1271253

多 Agent／多圖片併發

bridge 會至少保留 1 個 ChatGPT Web page。當既有 page 已被其他生成任務占用時，會在同一個 Chrome process、同一個已登入的 profile 中開新的臨時 page，讓不同 Agent 或同一次多圖片請求可以並行工作；臨時 page 在任務完成後會自動關閉。每個 page 都有獨立的 CDP target，因此不依賴目前前景 tab 的焦點。

同一次 MCP 呼叫若傳入多個 prompts，每個 prompt 各自生成 1 張圖片，並串行執行：上一個 prompt 完整生成結束後，隨機等待 8–25 秒再啟動下一個，避免同一帳號短時間內被 burst 觸發限流。MCP 會等待所有圖片完成後，依 prompts 原始順序一次回傳完整 images 陣列。

MCP server（給 AI Agent 呼叫）

chatgpt-image-mcp.mjs 是零依賴的 stdio MCP server，暴露單一工具 generate；建議將 MCP server 註冊名設為 image。不同 MCP 用戶端可能會用不同 namespace 格式顯示，例如 OpenChatX 會顯示為 image__generate。

prompts 必填且為陣列；可只傳 1 個，也可一次傳多個。timeout、queue_timeout、outs 為可選。每個 prompt 對應 1 張圖片，多個 prompt 會在同一呼叫內串行處理並在全部完成後一次回傳：

{
  "prompts": [
    "一隻戴耳機的柴犬在打鍵盤，扁平插畫風",
    "一隻戴墨鏡的橘貓騎滑板，扁平插畫風",
    "一隻白色兔子拿著相機，扁平插畫風"
  ]
}

回傳：

{
  "status": "success",
  "images": [
    { "id": "img_...", "mime_type": "image/png", "width": 1254, "height": 1254, "path": "..." },
    { "id": "img_...", "mime_type": "image/png", "width": 1536, "height": 1024, "path": "..." },
    { "id": "img_...", "mime_type": "image/png", "width": 1374, "height": 1145, "path": "..." }
  ]
}

失敗時為 { "status": "error", "message": "..." }。不同 Agent 同時發起不同呼叫時會各自取得獨立 page，跨呼叫仍可並行、不需要互相排隊；同一呼叫內的多個 prompts 則串行執行。

OpenCode（~/.config/opencode/opencode.jsonc）：

"mcp": {
  "image": {
    "type": "local",
    "command": ["node", "/路徑/chatgpt-image-bridge/chatgpt-image-mcp.mjs"],
    "enabled": true,
    "timeout": 1800000
  }
}

Claude Desktop 等其它 MCP 用戶端 similarly 以 node chatgpt-image-mcp.mjs 註冊為 local/stdio server。

已知限制

• 會留下一般對話紀錄：生成結果會留在 ChatGPT 歷史中，需手動刪除。

• 第一次使用需要在專用 Chrome profile 登入 ChatGPT 一次。

• 生成耗時取決於官方配額與排隊狀態，預設逾時 5 分鐘。

• 依賴 ChatGPT Web 的按鈕文字（新對話/傳送/停止）與 generated-image-* testid。OpenAI 改版或新增語言介面時需更新選擇器。

• 本質上是 UI 自動化：多任務會使用同一個專用 Chrome profile 的不同 page 並行操作；網站改版或帳號側限制仍可能影響穩定性。

• 回退路徑會暫時使用系統剪貼簿：預設的假貼上路徑不碰剪貼簿；只有當假貼上失敗、回退到 Cmd+V 真貼上時（macOS），才會暫存並還原你的剪貼簿內容，期間若你手動複製，可能被還原動作覆蓋。

License

MIT