Image Generation

Image Generation は、Agent が会話の中で画像を生成または修正する必要があるときに使います。

Agent はテキストから画像を生成するだけでなく、Knowledge Base で選択した画像や現在の会話に添付された画像を参照して新しいバリエーションを作成したり、同じ会話で先に生成した画像を修正したりできます。

`Image Generation` が適している場面

適している:

ユーザーが新しい画像の生成を明確に求めている
新しい画像で既存の参照画像の被写体、構図、または視覚的な方向性を引き継ぐ必要がある
ユーザーが画像を添付し、バリエーションまたは修正を求めている
ユーザーが同じ会話で先に生成した画像の修正を求めている
返答にテキストだけでなく、視覚的な下書きも必要である
まずはレビュー用のドラフトがあれば十分で、後から人が調整できる

適していない:

ユーザーが既存画像を変更せずに表示またはダウンロードしたいだけの場面
承認済みのブランド素材をそのまま返す必要がある場面
最終成果物として厳密な人手デザインが必要で、生成画像で代用すべきでない場面

手順 1: `Image Generation` を追加する

Editor の Tools で Add Tool を押し、Image Generation を選びます。

手順 2: `Image Model` を選ぶ

Image Model で、Agent が使う画像モデルを選択します。

最初の構成はシンプルで十分です。まずは 1 つのモデルで流れを確認してください。

参照画像と修正への対応はモデルによって異なります

テキストからの画像生成に対応していても、参照画像や既存画像の修正が同じ品質で動作するとは限りません。使用予定の参照・修正フローで、選択したモデルを実際にテストしてください。

手順 3: 必要に応じて参照画像を接続する

既存画像をもとに新しい画像を生成させる場合は、Knowledge Base も追加し、Agent が使用できる standalone 画像を選択します。参照画像として使用するには、処理が完了してステータスが Ready になっている必要があります。

一度だけ使う参照画像であれば、Knowledge Base に追加せず、ユーザーが現在の会話に直接添付することもできます。

Agent は、同じ会話で先に生成した画像も修正できます。修正するたびに新しい画像が作成され、以前の結果は上書きされません。

1 回の生成で入力画像は最大 4 枚まで使用できます。Agent はそのうち 1 枚を修正対象の base image とし、残りを reference として使えます。以前に生成した画像は、会話履歴に完了済みの結果として表示された後にだけ再利用できます。同じ tool run で生成したばかりの画像を、すぐに再入力することはできません。

設定したモデルが GPT Image 2 の場合、対応する Chat 画面で生成画像の 範囲を編集 を選び、長方形の範囲を 1 つ描いて変更内容を入力できます。Codeer はその選択を base image に関連付け、provider 用の mask を server 側で生成します。ユーザーや Agent が mask をアップロードまたは作成する必要はありません。選択範囲は編集領域のガイドであり、モデルが境界をピクセル単位で厳密に守るとは限りません。

Instructions または When to Use に、参照画像を探す条件、保持すべき内容、変更してよい内容を書きます。例:

When the user asks for a campaign variation, find the matching Ready reference image in Knowledge Base, preserve its recognizable subject and layout direction, and generate a new draft using the user's requested changes. When revising an earlier generated image, preserve everything the user did not ask to change.

手順 4: `When to Use` を狭く書く

画像生成を Agent の標準動作にせず、条件付きの行動として定義します。

例:

Use this tool when the user asks for a new visual concept, a variation based on an available reference, or a revision to an image generated earlier in this conversation. Do not use it for factual questions or when an existing approved asset should be returned unchanged.

この書き方なら、次の点が明確になります。

どんな依頼でツールを呼ぶべきか
どんな場面では使わないべきか
新しいドラフトを作る場面と、既存素材を再利用すべき場面の違い

手順 5: 明確に画像が必要な質問でテストする

例えば:

法律相談の landing page 用に hero image のコンセプトを作ってください。
クリーンな flat style で onboarding flow の簡単なイラストを見せてください。
Knowledge Base の承認済みの青い製品画像を参照して、縦長のキャンペーン版を作ってください。
添付した画像を使い、背景を明るくした正方形のバリエーションを作ってください。
先ほど生成した画像を修正してください。構図は保ち、見出しを大きくしてください。

確認する点:

Agent が本当にこのツールを使ったか
必要な場合に、意図した参照画像または先に生成した画像を使ったか
生成結果が期待した方向に合っているか
通常のテキスト質問では画像生成が走らないか

実行時に Agent がまだ決められること

ツール設定フォームで決めるのは、基本的にモデルと When to Use です。

実際の会話では、Agent は次のような画像生成の詳細をまだ調整できます。

モデルへ送るテキスト prompt
追加の style 指示
モデルが対応している場合の aspect ratio
どの利用可能な画像を参照または修正対象にするか
どの 1 枚を修正対象の base にし、残りを reference とするか
対応する Chat 画面から GPT Image 2 の局所編集を開始したとき、ユーザーの不変な範囲選択をどう適用するか

そのため、設定で重要なのは細かな見た目を全部固定することではなく、「どんなときに、どんな種類の画像を作ってよいか」を明確にすることです。

運用のコツ

ツールの発火条件は狭く書き、ユーザーが明確に望んだときだけ画像を作るようにします。
ブランド、キャンペーン、製品のスタイルを守らせたい場合は、その基準を Instructions に書き、Agent の Knowledge Base tool で関連する standalone 画像を選択してください。
一度だけ使う参照画像は会話に添付し、Agent が会話をまたいで見つけたり再利用したりする画像は Knowledge Base に保存してください。
異なる画像生成の振る舞いが必要なら、複数の Image Generation ツールを追加し、それぞれに別の When to Use を書いてください。
明確な人のレビュー工程がない限り、生成画像はドラフトとして扱ってください。

よくある間違い

`When to Use` が曖昧

Use this tool when visuals are helpful のような書き方では判断がぶれます。

既存素材があるのに生成で置き換える

正しいロゴ、図版、キャンペーン画像を変更せずに使う必要があるなら、新しい近似画像を生成せずに元データを返します。新しいバリエーションが必要な場合にだけ、生成用の参照画像として使います。

モデル選択だけで曖昧な依頼を補えると思う

モデルは重要ですが、まず必要なのは明確な依頼と、どこまで画像生成を許可するかの基準です。

Image Generation