gpt-image-mcp
Server Configuration
Describes the environment variables required to run the server.
| Name | Required | Description | Default |
|---|---|---|---|
| OPENAI_API_KEY | No | Your OpenAI API key. The server uses this first to resolve the API key. | |
| OPENAI_KEYCHAIN_SERVICE | No | Service name for macOS Keychain to retrieve the API key. Used when OPENAI_API_KEY is not set. |
Instructions
Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.
This server publishes no instructions, or was last inspected before Glama recorded them.
Capabilities
Features and capabilities supported by this server
Protocol revision2025-11-25
| Capability | Details |
|---|---|
| tools | {
"listChanged": true
} |
Tools
Functions exposed to the LLM to take actions
| Name | Description |
|---|---|
| list_image_modelsA | このAPIキーで使える画像生成モデルを列挙する。課金されない。キーが生きているかの確認にも使う（借りたキーはプロジェクト側で機能制限されていることがあるため、モデル名を推測せず必ずこれで確認する）。 |
| generate_imageA | プロンプトから画像を生成し、ファイルに保存してパスを返す（base64は返さない）。アバターの土台を作る用途では、背景を単色に・影とグラデーションを禁止・正面向きと明示すると後段の合成が楽になる。 |
| edit_imageA | 既存画像を編集する。mask_path を渡すと、透明の画素だけが編集対象になる。 ⚠ 実測（2026-08-12）：マスクを渡しても画像全体が再生成される。マスク外の画素が0.7〜0.9%変化し、最大差分は220（ほぼ別の色）だった。同じキャラクターの差分絵（口の形・目の開閉）を作る用途では、この結果をそのままコマに使わないこと——30fpsで切り替えると顔が揺れる。compose_region で土台へ貼り直すこと。 |
| compose_regionA | edit_image の結果からマスク領域だけを切り出し、土台画像へ合成する。土台はビット単位で保たれるので、口の形や目の開閉を差し替えても顔が動かない。アバターの差分絵を作るなら必ずこれを通す。境界のぼかしは内側にだけ入る（単純にぼかすとマスクの外へ滲んで土台を汚すため）。numpy があれば土台の汚れを自動検証する。 |
| make_maskA | 編集したい領域（口・目など）を楕円で指定したマスクPNGを作る。座標は画像サイズに対する比率(0〜1)で渡す。例: 口 = left 0.40 / top 0.455 / right 0.60 / bottom 0.575、目 = 0.34 / 0.32 / 0.66 / 0.42。 |
Prompts
Interactive templates invoked by user choice
| Name | Description |
|---|---|
No prompts | |
Resources
Contextual data attached and managed by the client
| Name | Description |
|---|---|
No resources | |
TDQS
Scored across 5 tools
Each tool has a distinct role: generation, editing, region compositing, mask creation, and model listing. The only potential ambiguity is between edit_image and compose_region, but the descriptions clarify that compose_region is specifically for splicing edited regions onto a base image, while edit_image performs the actual editing.
The tools mostly follow a verb_noun pattern (generate_image, edit_image, compose_region, make_mask, list_image_models). compose_region and make_mask use slightly different verb forms (compose/make vs generate/edit/list) but the pattern is still clear and predictable overall.
With 5 tools, the server is well-scoped for image generation and editing workflows. Each tool addresses a necessary step in the primary use case of creating avatar variations, and there is no redundancy or excess.
The server covers the core pipeline: model listing, generation, editing, mask creation, and compositing. A minor gap is the lack of an explicit tool for reading image metadata or saving intermediate results, but agents can work around this using file paths returned by the tools.