OpenClawの画像生成

OpenClawは、設定済みの画像プロバイダーの上に位置する1つのツールで画像を生成・編集します。チャットセッションでは非同期に実行されます。OpenClawはバックグラウンドタスクを記録してすぐにタスクIDを返し、プロバイダーの処理が終わるとエージェントを起こします。完了時の返信には短いキャプションと生成されたすべての添付ファイルが含まれ、失敗した場合は簡潔なメッセージとして表示されます。リクエスト元のセッションが非アクティブな場合は、結果が失われないよう画像が直接届けられます。ここでは、セットアップ、経路、ツールが受け付けるもの、そして注意点を紹介します。

セットアップ

• 少なくとも1つのプロバイダー（OpenAI、Gemini、OpenRouterなど）のAPIキー、またはChatGPTかCodexへのログインが必要です。OpenAIのOAuthプロファイルが設定されている場合、画像リクエストはキーではなくそのプロファイルを経由します。
• 必要に応じて、メディアモデルのブロックでデフォルトのモデルとタイムアウトを指定します。キーやカスタムのベースURLといったOpenAIプロバイダーの明示的な設定があると、Images APIを直接使う経路に戻ります。
• あとはエージェントに頼むだけです。許可リストへの登録は不要です。プロバイダーが使える場合、ツールはデフォルトで有効になり、そうでなければ表示されません。

このツールは、画像生成プロバイダーが少なくとも1つ使える場合にのみ表示されます。

経路

ドキュメントには目的ごとの経路が載っています。API課金またはChatGPTへのログインで使うOpenAIの画像モデル、明示的なキーの経路で使うGPT Image 2.5の各バリアント、旧OpenAIモデルによる背景透過のPNGまたはWebP、DeepInfra経由のFLUX、fal経由のKrea 2とGPT Image 2.5、OpenRouter経由またはGoogle直接のGeminiのflash画像モデル、LiteLLM、そしてMicrosoft Foundryのデプロイです。同じツールで、テキストからの画像生成と参照画像を使った編集の両方を扱い、参照には1枚でも複数枚の画像でも使えます。Kreaでは、参照画像はスタイル参照になります。品質、フォーマット、背景に関する出力ヒントは、プロバイダーが対応していれば転送され、対応していなければ無視されたと報告されます。OpenAIは、生成と編集の両方でlowまたはautoのモデレーションを受け付けます。

注意点

• LocalAIのようなLAN内のOpenAI互換エンドポイントには、カスタムのベースURLと、ブラウザのSSRFポリシーでの明示的なオプトインが必要です。プライベートおよび内部の画像エンドポイントは、デフォルトでブロックされたままです。
• WebChatとmacOSアプリでは、生成された添付ファイルは完了時の返信に付いたままで、画像だけの別メッセージとして再度表示されることはありません。配信が再送された場合も同じ識別子が保たれます。
• タスクの記録自体は何も発信しません。表示される返信はセッションの現在の表示返信の取り決めに従うため、チャネルには進捗の連続ではなく、キャプション付きのメッセージが1つだけ届きます。

OpenRouterで使うOpenClawとGeminiで使うOpenClawは、多くの読者がここへたどり着く元となる2つのプロバイダー記事です。

位置づけ

画像生成は、動画、音楽、音声と並ぶメディアツールの1つで、OpenClawのウェブ検索と同じパターンに従います。エージェントが呼び出すツール、あなたが選んだプロバイダー、そして別のインターフェースではなく返信を通じて返ってくる結果です。

Dialiでは

Dialiでも、このツールは他の環境と同じルールに従います。画像を生成できるプロバイダーがアシスタントに設定されていれば表示され、その選択はダッシュボードで行います。アシスタントについてはDialiのマネージドOpenClawホスティングをご覧ください。

• 1つのツール、多数のプロバイダー、画像ごとに1つのバックグラウンドタスク。
• テキストからの生成も参照画像での編集も、同じ呼び出しで行えます。
• LANエンドポイントは、オプトインするまでブロックされます。