image_generate ermöglicht es dem Agenten, Bilder mit Ihren
konfigurierten Providern zu erstellen und zu bearbeiten. In Chat-Sitzungen läuft die Bilderzeugung asynchron:
OpenClaw erfasst eine Hintergrundaufgabe, gibt die Aufgaben-ID sofort zurück und weckt
den Agenten, wenn der Provider fertig ist. Der Abschluss-Agent folgt dem
normalen Modus der Sitzung für sichtbare Antworten: automatische Zustellung der finalen Antwort, wenn
konfiguriert, oder message(action="send"), wenn die Sitzung das message-Tool
erfordert. Wenn die anfragende Sitzung inaktiv ist oder ihr aktives Wecken fehlschlägt und in der Abschlussantwort noch
generierte Bilder fehlen, sendet OpenClaw einen
idempotenten direkten Fallback nur mit den fehlenden Bildern.
Das Tool erscheint nur, wenn mindestens ein Provider für Bilderzeugung
verfügbar ist. Wenn Sie
image_generate nicht in den Tools Ihres Agenten sehen,
konfigurieren Sie agents.defaults.imageGenerationModel, richten Sie einen Provider-API-Schlüssel ein
oder melden Sie sich mit OpenAI ChatGPT/Codex OAuth an.Schnellstart
Authentifizierung konfigurieren
Legen Sie einen API-Schlüssel für mindestens einen Provider fest (zum Beispiel
OPENAI_API_KEY,
GEMINI_API_KEY, OPENROUTER_API_KEY) oder melden Sie sich mit OpenAI Codex OAuth an.Standardmodell auswählen (optional)
openai/gpt-image-2. Wenn ein
openai-OAuth-Profil konfiguriert ist, leitet OpenClaw Bildanfragen
über dieses OAuth-Profil weiter, statt zuerst
OPENAI_API_KEY zu versuchen. Eine explizite models.providers.openai-Konfiguration (API-Schlüssel,
benutzerdefinierte/Azure-Basis-URL) aktiviert wieder die direkte Route über die OpenAI Images API.Den Agenten fragen
„Erzeuge ein Bild eines freundlichen Roboter-Maskottchens.“Der Agent ruft
image_generate automatisch auf. Es ist kein Allowlisting für Tools
erforderlich - es ist standardmäßig aktiviert, wenn ein Provider verfügbar ist. Das Tool
gibt eine Hintergrundaufgaben-ID zurück, danach sendet der Abschluss-Agent den generierten
Anhang über das message-Tool, sobald er bereit ist.Häufige Routen
| Ziel | Modellreferenz | Authentifizierung |
|---|---|---|
| OpenAI-Bilderzeugung mit API-Abrechnung | openai/gpt-image-2 | OPENAI_API_KEY |
| OpenAI-Bilderzeugung mit Codex-Abonnementauthentifizierung | openai/gpt-image-2 | OpenAI ChatGPT/Codex OAuth |
| OpenAI PNG/WebP mit transparentem Hintergrund | openai/gpt-image-1.5 | OPENAI_API_KEY oder OpenAI Codex OAuth |
| DeepInfra-Bilderzeugung | deepinfra/black-forest-labs/FLUX-1-schnell | DEEPINFRA_API_KEY |
| fal Krea 2 expressive/stilgesteuerte Erzeugung | fal/krea/v2/medium/text-to-image | FAL_KEY |
| OpenRouter-Bilderzeugung | openrouter/google/gemini-3.1-flash-image-preview | OPENROUTER_API_KEY |
| LiteLLM-Bilderzeugung | litellm/gpt-image-2 | LITELLM_API_KEY |
| Microsoft Foundry MAI-Bilderzeugung | microsoft-foundry/<deployment-name> | AZURE_OPENAI_API_KEY oder Entra ID |
| Google Gemini-Bilderzeugung | google/gemini-3.1-flash-image-preview | GEMINI_API_KEY oder GOOGLE_API_KEY |
image_generate verarbeitet Text-zu-Bild und
Bearbeitung mit Referenzbildern. Verwenden Sie image für eine Referenz oder images für mehrere Referenzen.
Bei Krea-2-Modellen auf fal werden diese Referenzen als Stilreferenzen
statt als Bearbeitungseingaben gesendet.
Vom Provider unterstützte Ausgabehinweise wie quality, outputFormat und
background werden weitergeleitet, wenn verfügbar, und als ignoriert gemeldet, wenn ein
Provider sie nicht unterstützt. Die gebündelte Unterstützung für transparente Hintergründe ist
OpenAI-spezifisch; andere Provider können PNG-Alpha dennoch erhalten, wenn ihr
Backend es ausgibt.
Unterstützte Provider
| Provider | Standardmodell | Bearbeitungsunterstützung | Authentifizierung |
|---|---|---|---|
| ComfyUI | workflow | Ja (1 Bild, per Workflow konfiguriert) | COMFY_API_KEY oder COMFY_CLOUD_API_KEY für Cloud |
| DeepInfra | black-forest-labs/FLUX-1-schnell | Ja (1 Bild) | DEEPINFRA_API_KEY |
| fal | fal-ai/flux/dev | Ja (modellspezifische Limits) | FAL_KEY |
gemini-3.1-flash-image-preview | Ja | GEMINI_API_KEY oder GOOGLE_API_KEY | |
| LiteLLM | gpt-image-2 | Ja (bis zu 5 Eingabebilder) | LITELLM_API_KEY |
| Microsoft Foundry | <deployment-name> | Ja (nur MAI-Image-2.5-Modelle) | AZURE_OPENAI_API_KEY oder Entra ID (az login) |
| MiniMax | image-01 | Ja (Motivreferenz) | MINIMAX_API_KEY oder MiniMax OAuth (minimax-portal) |
| OpenAI | gpt-image-2 | Ja (bis zu 4 Bilder) | OPENAI_API_KEY oder OpenAI ChatGPT/Codex OAuth |
| OpenRouter | google/gemini-3.1-flash-image-preview | Ja (bis zu 5 Eingabebilder) | OPENROUTER_API_KEY |
| Vydra | grok-imagine | Nein | VYDRA_API_KEY |
| xAI | grok-imagine-image | Ja (bis zu 5 Bilder) | XAI_API_KEY |
action: "list", um verfügbare Provider und Modelle zur Laufzeit zu prüfen:
action: "status", um die aktive Aufgabe zur Bilderzeugung für die
aktuelle Sitzung zu prüfen:
Provider-Funktionen
| Funktion | ComfyUI | DeepInfra | fal | Microsoft Foundry | MiniMax | OpenAI | Vydra | xAI | |
|---|---|---|---|---|---|---|---|---|---|
| Erzeugen (max. Anzahl) | Durch Workflow definiert | 4 | 4 | 4 | 1 | 9 | 4 | 1 | 4 |
| Bearbeiten / Referenz | 1 Bild (Workflow) | 1 Bild | Flux: 1; GPT: 10; Krea-Stilreferenzen: 10; NB2: 14 | Bis zu 5 Bilder | 1 Bild | 1 Bild (Motivreferenz) | Bis zu 5 Bilder | - | Bis zu 5 Bilder |
| Größensteuerung | - | ✓ | ✓ | ✓ | ✓ | - | Bis zu 4K | - | - |
| Seitenverhältnis | - | - | ✓ | ✓ | - | ✓ | - | - | ✓ |
| Auflösung (1K/2K/4K) | - | - | ✓ | ✓ | - | - | - | - | 1K, 2K |
Tool-Parameter
Prompt für die Bilderzeugung. Erforderlich für
action: "generate".Verwenden Sie
"status", um die aktive Sitzungsaufgabe zu prüfen, oder "list", um
verfügbare Provider und Modelle zur Laufzeit zu prüfen.Provider-/Modellüberschreibung (z. B.
openai/gpt-image-2). Verwenden Sie
openai/gpt-image-1.5 für transparente OpenAI-Hintergründe.Einzelner Referenzbildpfad oder URL für den Bearbeitungsmodus.
Mehrere Referenzbilder für den Bearbeitungsmodus oder Stilreferenzmodelle (bis zu 10
über das gemeinsame Tool; providerspezifische Limits gelten weiterhin).
Größenhinweis:
1024x1024, 1536x1024, 1024x1536, 2048x2048, 3840x2160.Seitenverhältnis:
1:1, 2:3, 3:2, 2.35:1, 3:4, 4:3, 4:5,
5:4, 9:16, 16:9, 21:9, 4:1, 1:4, 8:1, 1:8. Provider
validieren ihre modellspezifische Teilmenge.Auflösungshinweis.
Qualitätshinweis, wenn der Provider ihn unterstützt.
Ausgabeformathinweis, wenn der Provider ihn unterstützt.
Hintergrundhinweis, wenn der Provider ihn unterstützt. Verwenden Sie
transparent mit
outputFormat: "png" oder "webp" für Provider mit Transparenzunterstützung.Anzahl der zu erzeugenden Bilder (1-4).
Optionales Timeout für Provider-Anfragen in Millisekunden. Wenn Codex
image_generate über dynamische Tools aufruft, überschreibt dieser Wert pro Aufruf weiterhin
den konfigurierten Standardwert und ist auf 600000 ms begrenzt.Hinweis für den Ausgabedateinamen.
Nur OpenAI-Hinweise:
background, moderation, outputCompression und user.Kreativitätssteuerung für fal Krea 2. Standard ist
medium.Nicht alle Provider unterstützen alle Parameter. Wenn ein Fallback-Provider eine
ähnliche Geometrieoption statt der exakt angeforderten unterstützt, ordnet OpenClaw vor dem Absenden
der nächstliegenden unterstützten Größe, dem nächstliegenden Seitenverhältnis oder der nächstliegenden Auflösung zu.
Nicht unterstützte Ausgabehinweise werden für Provider verworfen, die keine
Unterstützung deklarieren, und im Tool-Ergebnis gemeldet. Tool-Ergebnisse melden die angewendeten
Einstellungen;
details.normalization erfasst jede Übersetzung von angefordert zu angewendet.Konfiguration
Modellauswahl
Auswahlreihenfolge der Provider
OpenClaw versucht Provider in dieser Reihenfolge:- Parameter
modelaus dem Tool-Aufruf (falls der Agent einen angibt). imageGenerationModel.primaryaus der Konfiguration.imageGenerationModel.fallbacksder Reihe nach.- Automatische Erkennung - nur auth-gestützte Provider-Standards:
- aktueller Standard-Provider zuerst;
- übrige registrierte Bildgenerierungs-Provider in Provider-ID-Reihenfolge.
Modellüberschreibungen pro Aufruf sind exakt
Modellüberschreibungen pro Aufruf sind exakt
Eine
model-Überschreibung pro Aufruf versucht nur diesen Provider/dieses Modell und fährt
nicht mit konfigurierten Primary-/Fallback- oder automatisch erkannten Providern fort.Automatische Erkennung ist auth-bewusst
Automatische Erkennung ist auth-bewusst
Ein Provider-Standard wird nur dann in die Kandidatenliste aufgenommen, wenn OpenClaw
diesen Provider tatsächlich authentifizieren kann. Setzen Sie
agents.defaults.mediaGenerationAutoProviderFallback: false, um nur
explizite Einträge für model, primary und fallbacks zu verwenden.Timeouts
Timeouts
Setzen Sie
agents.defaults.imageGenerationModel.timeoutMs für langsame Bild-
Backends. Ein Tool-Parameter timeoutMs pro Aufruf überschreibt den konfigurierten
Standard, und konfigurierte Standards überschreiben von Plugins definierte Provider-
Standards. Von Google und OpenRouter gehostete Bild-Provider verwenden Standards von
180 Sekunden; Microsoft Foundry MAI, xAI und Azure OpenAI-Bildgenerierung verwenden
600 Sekunden. Codex-Dynamic-Tool-Aufrufe verwenden einen 120-Sekunden-Standard für die
image_generate-Bridge und respektieren bei Konfiguration dasselbe Timeout-Budget,
begrenzt durch das Dynamic-Tool-Bridge-Maximum von OpenClaw von 600000 ms.Zur Laufzeit prüfen
Zur Laufzeit prüfen
Verwenden Sie
action: "list", um die aktuell registrierten Provider,
ihre Standardmodelle und Hinweise zu Auth-Env-Vars zu prüfen.Bildbearbeitung
OpenAI, OpenRouter, Google, DeepInfra, fal, Microsoft Foundry, MiniMax, ComfyUI und xAI unterstützen das Bearbeiten von Referenzbildern. Krea 2-Modelle auf fal verwenden dieselben Felderimage / images als Stilreferenzen statt als Bearbeitungseingaben. Übergeben Sie
einen Referenzbildpfad oder eine URL:
images. fal unterstützt 1 Referenzbild für Flux Image-to-Image, bis
zu 10 für GPT Image 2-Bearbeitungen, bis zu 10 Stilreferenzen für Krea 2 und bis zu
14 für Nano Banana 2-Bearbeitungen. Microsoft Foundry, MiniMax und ComfyUI unterstützen 1.
Provider-Details
OpenAI gpt-image-2 (und gpt-image-1.5)
OpenAI gpt-image-2 (und gpt-image-1.5)
OpenAI-Bildgenerierung verwendet standardmäßig
openai/gpt-image-2. Wenn ein
openai-OAuth-Profil konfiguriert ist, verwendet OpenClaw dasselbe
OAuth-Profil erneut, das von Codex-Abonnement-Chatmodellen verwendet wird, und sendet die
Bildanfrage über das Codex Responses-Backend. Legacy-Codex-Basis-
URLs wie https://chatgpt.com/backend-api werden für Bildanfragen zu
https://chatgpt.com/backend-api/codex kanonisiert. OpenClaw
fällt für diese Anfrage nicht stillschweigend auf OPENAI_API_KEY zurück -
um direktes Routing über die OpenAI Images API zu erzwingen, konfigurieren Sie
models.providers.openai explizit mit einem API-Schlüssel, einer benutzerdefinierten Basis-URL
oder einem Azure-Endpunkt.Die Modelle openai/gpt-image-1.5, openai/gpt-image-1 und
openai/gpt-image-1-mini können weiterhin explizit ausgewählt werden. Verwenden Sie
gpt-image-1.5 für PNG/WebP-Ausgabe mit transparentem Hintergrund; die aktuelle
gpt-image-2-API lehnt background: "transparent" ab.gpt-image-2 unterstützt sowohl Text-zu-Bild-Generierung als auch
Bearbeitung von Referenzbildern über dasselbe Tool image_generate.
OpenClaw leitet prompt, count, size, quality, outputFormat
und Referenzbilder an OpenAI weiter. OpenAI erhält nicht
aspectRatio oder resolution direkt; wenn möglich, ordnet OpenClaw
diese einer unterstützten size zu, andernfalls meldet das Tool sie als
ignorierte Überschreibungen.OpenAI-spezifische Optionen liegen im Objekt openai:openai.background akzeptiert transparent, opaque oder auto;
transparente Ausgaben erfordern outputFormat png oder webp und ein
transparenzfähiges OpenAI-Bildmodell. OpenClaw routet standardmäßige
gpt-image-2-Anfragen mit transparentem Hintergrund an gpt-image-1.5.
openai.outputCompression gilt für JPEG/WebP-Ausgaben und wird
für PNG-Ausgaben ignoriert.Der Top-Level-Hinweis background ist Provider-neutral und wird derzeit
demselben OpenAI-Anfragefeld background zugeordnet, wenn der OpenAI-Provider
ausgewählt ist. Provider, die keine Hintergrundunterstützung deklarieren, geben
ihn in ignoredOverrides zurück, statt den nicht unterstützten Parameter zu erhalten.Um OpenAI-Bildgenerierung über eine Azure OpenAI-Bereitstellung
statt über api.openai.com zu routen, siehe
Azure OpenAI-Endpunkte.Microsoft Foundry MAI-Bildmodelle
Microsoft Foundry MAI-Bildmodelle
Microsoft Foundry-Bildgenerierung verwendet bereitgestellte MAI-Bildbereitstellungsnamen
unter dem Provider-Präfix Der Provider verwendet Microsoft Foundrys MAI-API, nicht die OpenAI Images API:
microsoft-foundry/. Es gibt kein Provider-weites
Standardmodell, weil die MAI-API Ihren Bereitstellungsnamen im Feld
model erwartet:- Generierungsendpunkt:
/mai/v1/images/generations - Bearbeitungsendpunkt:
/mai/v1/images/edits - Auth:
AZURE_OPENAI_API_KEY/ Provider-API-Schlüssel oder Entra ID überaz login - Ausgabe: ein PNG-Bild
- Größe: Standard
1024x1024; Breite und Höhe müssen jeweils mindestens 768 px betragen, und die Gesamtpixelzahl darf höchstens 1.048.576 betragen - Bearbeitungen: ein PNG- oder JPEG-Referenzbild, unterstützt nur von
MAI-Image-2.5-Flash- undMAI-Image-2.5-Bereitstellungen
MAI-Image-2.5-Flash oder MAI-Image-2.5 basiert.Aktuelle MAI-Bildmodelle sind MAI-Image-2.5-Flash, MAI-Image-2.5,
MAI-Image-2e und MAI-Image-2. Siehe
Microsoft Foundry-Plugin für Einrichtung
und Chatmodellverhalten.OpenRouter-Bildmodelle
OpenRouter-Bildmodelle
OpenRouter-Bildgenerierung verwendet denselben OpenClaw leitet
OPENROUTER_API_KEY und
routet über OpenRouters Chat-Completions-Bild-API. Wählen Sie
OpenRouter-Bildmodelle mit dem Präfix openrouter/ aus:prompt, count, Referenzbilder und
Gemini-kompatible Hinweise für aspectRatio / resolution an OpenRouter weiter.
Aktuelle integrierte OpenRouter-Bildmodell-Kurzbefehle umfassen
google/gemini-3.1-flash-image-preview,
google/gemini-3-pro-image-preview und openai/gpt-5.4-image-2. Verwenden Sie
action: "list", um zu sehen, was Ihr konfiguriertes Plugin bereitstellt.fal Krea 2
fal Krea 2
Krea 2-Modelle auf fal verwenden fals natives Krea-Schema statt des generischen
Krea 2 gibt derzeit ein Bild pro Anfrage zurück. Bevorzugen Sie
image_size-Schemas, das von Flux verwendet wird. OpenClaw sendet:aspect_ratiofür Hinweise zum Seitenverhältniscreativity, standardmäßigmediumimage_style_references, wennimageoderimagesbereitgestellt werden
aspectRatio für
Krea; OpenClaw ordnet size dem nächstgelegenen unterstützten Krea-Seitenverhältnis zu und
lehnt resolution für Krea ab, statt es zu verwerfen. Verwenden Sie fal.creativity,
wenn Sie eine native Krea-Kreativitätsstufe wünschen:MiniMax Dual-Auth
MiniMax Dual-Auth
MiniMax-Bildgenerierung ist über beide gebündelten MiniMax-
Auth-Pfade verfügbar:
minimax/image-01für API-Schlüssel-Setupsminimax-portal/image-01für OAuth-Setups
xAI grok-imagine-image
xAI grok-imagine-image
Der gebündelte xAI-Provider verwendet
/v1/images/generations für Prompt-only-
Anfragen und /v1/images/edits, wenn image oder images vorhanden ist.- Modelle:
xai/grok-imagine-image,xai/grok-imagine-image-quality - Anzahl: bis zu 4
- Referenzen: ein
imageoder bis zu fünfimages - Seitenverhältnisse:
1:1,16:9,9:16,4:3,3:4,2:3,3:2 - Auflösungen:
1K,2K - Ausgaben: werden als von OpenClaw verwaltete Bildanhänge zurückgegeben
quality, mask,
user oder zusätzliche nur native Seitenverhältnisse absichtlich nicht bereit,
bis diese Steuerungen im gemeinsamen Provider-übergreifenden Vertrag
image_generate existieren.Beispiele
- Generieren (4K-Landschaft)
- Generieren (transparentes PNG)
- Generieren (OpenAI niedrige Qualität)
- Generieren (zwei quadratisch)
- Bearbeiten (eine Referenz)
- Bearbeiten (mehrere Referenzen)
- Krea-Stilreferenzen
--output-format, --background, --quality und
--openai-moderation sind in openclaw infer image edit verfügbar;
--openai-background bleibt als OpenAI-spezifischer Alias erhalten. Mitgelieferte Provider
außer OpenAI deklarieren derzeit keine explizite Hintergrundsteuerung, daher wird
background: "transparent" bei ihnen als ignoriert gemeldet.
Verwandte Themen
- Tools-Übersicht - alle verfügbaren Agent-Tools
- ComfyUI - Einrichtung lokaler ComfyUI- und Comfy Cloud-Workflows
- fal - Einrichtung des fal-Bild- und Video-Providers
- Google (Gemini) - Einrichtung des Gemini-Bild-Providers
- Microsoft Foundry-Plugin - Einrichtung von Microsoft Foundry Chat und MAI-Bildern
- MiniMax - Einrichtung des MiniMax-Bild-Providers
- OpenAI - Einrichtung des OpenAI Images-Providers
- Vydra - Einrichtung von Vydra für Bild, Video und Sprache
- xAI - Einrichtung von Grok für Bild, Video, Suche, Codeausführung und TTS
- Konfigurationsreferenz -
imageGenerationModel-Konfiguration - Modelle - Modellkonfiguration und Failover