chatgpt-image-bridge

透過本機 ChatGPT Desktop App（macOS）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）驅動你自己已登入的 ChatGPT.app——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。用的就是你 App 本身的帳號與配額。

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

ChatGPT Desktop App 是 Electron 應用。以 --remote-debugging-port 參數啟動後，可用 loopback CDP 對其 renderer 執行 Runtime.evaluate：

1. 檢查 127.0.0.1:9342/json/version；若 App 未在 CDP 模式，先 kill 再以 open -na /Applications/ChatGPT.app --args --remote-debugging-address=127.0.0.1 --remote-debugging-port=9342 重啟（單實例鎖會忽略第二次啟動的參數，必須先結束舊進程；登入狀態保留）。選 9342 是為了避開 Codex Dream Skin injector 預設 watch 的 9341。

2. Attach 主視窗 target（app://-/index.html）。

3. 點「新對話」→ 清空 composer → execCommand('insertText') 注入 prompt → 點「傳送」。

4. 每 3 秒輪詢：無「停止」按鈕且 App 的生成圖片容器（[data-testid="generated-image-preview"]／generated-image-gallery）中出現比發送前更多的圖片即完成（不看尺寸，小圖也抓得到）。

5. 從 data URL 切出 base64 經 CDP 傳回，寫成 PNG。stdout 輸出 路徑 bytes。全程無網路下載、不需簽名 URL。

CDP 只綁 127.0.0.1，不外露。

需求

• macOS + /Applications/ChatGPT.app（已登入，方案需有圖片生成配額）

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

• App 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.png 1271253

多 Agent 併發

多個 bridge 行程同時啟動時，會透過 ~/.chatgpt-bridge/lock 檔案鎖自動排隊（FIFO），同一時間只有一個操作 App，其餘等待前一個完成後依序執行。生圖在 OpenAI 端本就是串行，本地排隊不損失吞吐。持有鎖的行程崩潰時，鎖會因 pid 失效或超過 15 分鐘而被自動搶佔。N 個併發請求的總耗時約為單張時間 × N，請相應調高 MCP 用戶端的 timeout。

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；MCP 用戶端會以註冊名作前綴顯示，建議註冊名為 image，讓 Agent 端看到 image_generate。引數：prompt 必填、timeout、queue_timeout、out。回傳 JSON：

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

失敗時為 { "status": "error", "message": "..." }。多個 Agent 同時呼叫時自動排隊，不會互相干擾。

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：App 右上角的「暫存對話」模式目前不支援圖片生成，所以生成結果會留在歷史中，需手動刪除。

• 重啟 App 期間視覺上會閃一下；建議不在 App 裡手動操作時使用。

• 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 App 內的按鈕文字（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：同一時間只有一個橋能操作 App，多橋併發時由檔案鎖自動排队（見「多 Agent 併發」）。

License

MIT