ai-image-gen

name	ai-image-gen
description	Vercel AI Gateway を AI SDK で直叩きしてローカルから画像を生成する汎用ツール（スキル同梱の gen-image.mjs を実行）。Claude 本体が持たない「画像生成」機能を補う。API キーはカレントプロジェクトの `.env`（`AI_GATEWAY_API_KEY`）から読む。未導入時のセットアップ案内・モデル選定・コスト管理の手順込み。用途は問わない（広告ビジュアル・素材・モック等）。「画像生成して」「画像作って」「ai image」で起動。
user-invocable	true

AI Gateway 直叩き画像生成（gen-image.mjs）

スキル同梱の scripts/gen-image.mjs で、AI SDK から Vercel AI Gateway を直接叩いて画像を生成する。gemini / imagen / gpt-image / flux 等にアクセスできる。Claude 本体が持たない「画像生成」機能を補う汎用ツールで、用途は問わない。

旧版は vercel-labs/ai-cli の wrapper だったが卒業した（オーナーの PR #62 がメンテナの同内容 PR #72 で上書きされた経緯＋aspect ratio 等を自分の手で制御するため）。品質・コストは同一（同じ Gateway）。

画像モデルは日本語テキストが化けるため、画像内に文字を焼きたいときは「背景だけ生成して文字は別途ベクターで後乗せ」する分業が無難（汎用 Tips）。

起動条件 / 前提

すべて満たしてから本処理に進む。

• AI_GATEWAY_API_KEY が解決できること（スクリプトが環境変数を優先し、無ければカレントディレクトリの .env から読む）。どちらにも無ければスクリプトがエラーで止まる。その場合は後述の「🔑 秘匿情報の在り処」を参照してユーザーに置き場所を伝え、停止する（勝手に探さない）。

• スクリプトの依存が入っていること（node >=20）。無ければ入れる:

  SKILL_SCRIPTS="$HOME/.claude/skills/ai-image-gen/scripts"
  [ -d "$SKILL_SCRIPTS/node_modules" ] || npm i --prefix "$SKILL_SCRIPTS"
  

• Vercel AI Gateway に有料クレジットがあること。無料枠は画像モデルを弾く。Free tier users do not have access to this model はモデルID誤りではなくクレジット不足のサインで、top-up が必要。漏洩時の請求対策として AI Gateway 側でスペンド上限を設定しておくと安全。

• Bash ツール経由で実行する場合、ネットワークアクセスのため dangerouslyDisableSandbox が必要。

🔑 秘匿情報の在り処（API キー）

• キーの解決はスクリプト内蔵: 環境変数 AI_GATEWAY_API_KEY を優先し、無ければカレントディレクトリの .env から AI_GATEWAY_API_KEY= の行だけを読む（他の変数は巻き込まない）。旧 CLI 時代の「grep で抜いて export」の儀式は不要。
  • この順序により、CI（GitHub Actions 等）で env に直接渡る無人環境でも .env 無しで動く。
• .env は必ず .gitignore に入れる（平文の鍵がコミットされる事故を防ぐ）。未登録なら追加を提案する。
• どちらにも無い場合は、置き場所（<プロジェクトルート>/.env）をユーザーに伝えて停止する。他の場所から鍵を勝手に探さない。

⚙️ 正しい叩き方

プロジェクトルート（.env のある場所）をカレントにして実行する:

node ~/.claude/skills/ai-image-gen/scripts/gen-image.mjs \
  "プロンプト" \
  -m google/gemini-2.5-flash-image \
  -n 2 --aspect-ratio 16:9 \
  -o out/

• 出力は <モデル名スラッグ>-<runId>-<連番>.<ext> で自動命名される（例: gemini-2.5-flash-image-mr3cwst4-1.png）。モデル名がファイル名に最初から入るので、撃ち比べても素性がロストしない（旧 CLI 時代の手動 mv プレフィックス付けは不要になった）。
• 同時に meta-<runId>.json が出力フォルダに書かれる（プロンプト・パラメータ・モデルごとの生成ファイル一覧・usage）。後から「どのプロンプトで出した画像か」を追える。
• 出力先は任意（コミットしたくない実験用なら .gitignore に逃がす）。
• 複数枚は -n、複数モデル比較は -m a,b で1コマンドに収まる（モデル間は並列実行、片方が失敗しても他は続行してエラーは個別報告）。
• 生成画像の目視評価は Read ツールで開いて行う（捏造しない）。ただし重い生成ループはサブエージェントに逃がし、本体 context に画像 Read を溜めない運用のプロジェクトではそれに従う。

生成後は出力フォルダを開く（必須）

生成が完了したら、ユーザーがすぐ目視確認できるよう open で出力ディレクトリを Finder で開く:

open out/

• 画像単体を open するとビューアが枚数分立ち上がるため、フォルダで開く。複数ディレクトリに出力した場合は、それらの共通の親ディレクトリを1回だけ開く（open 連打でウィンドウを散らかさない）。
• Claude が先に評価コメントを書くとユーザーの印象を誘導するため、open が先、目利きが後。

フラグ一覧（gen-image.mjs）

フラグ	意味
-m, --model	creator/model-name。カンマ区切りでマルチモデル比較（default: google/gemini-2.5-flash-image）
-n, --count	モデルあたり生成枚数（default 1）。gemini 系は1枚ずつ直列で n 回呼ぶ
--aspect-ratio	例 16:9。gemini 系にも効く（providerOptions の imageConfig で転送。実測 2026-07-02: gemini=1344×768 / imagen=1408×768）
--size	例 1024x1024。画像専用モデルのみ（gemini 系は非対応 → aspect-ratio を使う）
--seed	画像専用モデルのみ（モデル対応時）
-o, --output	出力ディレクトリ（default: out）
-i, --image	参照画像パス。繰り返し指定可（gemini 系のみ。画像専用モデルは非対応）
--mode	llm / image。モデル種別の自動判定（gemini 系→llm、他→image）を上書き

モデル選定とコスト

google/gemini-2.5-flash-image をデフォルトにする。基本これで進める（安い・速い。10枚で数十円レベル）。先回りで高いモデルを使わない。

• デフォルトからモデルを変える前は、必ずユーザーに確認する（コストと挙動が変わるため）。
• 議論・目視評価の中で「これはモデル起因の品質問題だ」と判断したときに、上位モデルへ上げる/変える候補: google/gemini-3-pro-image（高品質）/ google/imagen-4.0-{fast,generate,ultra}-001 / openai/gpt-image-{1,2,1.5} / xai/grok-imagine-image。
• 対応モデル一覧は https://vercel.com/ai-gateway/models?type=image （Image Gen フィルタ）で確認。

実装メモ（スクリプトの中身を触るとき）

• 2経路: gemini 系（google/gemini-*）は generateText ＋ providerOptions: { google: { responseModalities: ["IMAGE","TEXT"], imageConfig: { aspectRatio } } } で result.files から回収。画像専用モデル（imagen / bfl / gpt-image / grok 等）は generateImage（AI SDK v6 で正式エクスポート）で result.images から回収。
• 判定は google/gemini- プレフィックスのヒューリスティック。新種のマルチモーダル LLM が来たら --mode llm で逃がすか判定を足す。

罠リスト（実証済み）

• 旧 CLI の「gemini が aspect-ratio を無視して 1:1 1024×1024 固定」問題は直叩きで解消済み（2026-07-02 実測）。ただし比率がクリティカルな用途では、生成後に sips -g pixelWidth -g pixelHeight で都度確認するのが確実（モデル側の対応比率は世代で変わる）。
• gemini 系に --size は効かない（aspect-ratio を使う）。
• gemini 系が画像を返さずテキストだけ返すことが稀にある（プロンプトが安全フィルタ等に触れた場合など）。スクリプトは warn: <model> は画像を返さなかった を出すので、プロンプトを変えて再試行する。