2. 出力先の仕組み

.imgx/ の作成先

.imgx/ ディレクトリには編集履歴（output-history.json）とデフォルトの画像出力が格納される。作成場所はプロジェクトルートの検出結果で決まる。

プロジェクトルートの検出方法はプロジェクトスコープを参照。同じプロジェクトルートを参照するクライアントは、同じ .imgx/ ディレクトリと履歴を共有する。

セッション別ディレクトリ

generate_image を呼ぶたびに新しいセッションが作成され、セッション固有のディレクトリに画像が保存される。同じセッション内の edit_last は、同じディレクトリに出力する。

<project-root>/.imgx/              ← プロジェクトルートに作成
  output-history.json              ← プロジェクトスコープ履歴
  s-a1b2c3d4/                      ← セッション 1（generate → edit → edit）
    imgx-001.png
    imgx-002.png
    imgx-003.png
  s-9f8e7d6c/                      ← セッション 2（generate → edit）
    imgx-004.png
    imgx-005.png

セッションごとにディレクトリが分かれるため、異なる画像チェーンのファイルが混在しない。

出力先のカスタマイズ

generate_image の output_dir パラメータでセッションの出力先を指定できる。指定すると、そのセッション内の edit_last も同じディレクトリに出力する。

「カバー画像を ./content/images に保存して生成して」
→ generate_image: output_dir="./content/images"
→ edit_last でも ./content/images/ に保存される

指定した output_dir はセッションのメタデータとして output-history.json に記録される。edit_last がセッションの outputDir を履歴から読み取ることで、出力先が引き継がれる。履歴ファイル自体は常に .imgx/（またはグローバル設定ディレクトリ）に留まり、画像ファイルだけが指定したパスに保存される。

<project-root>/.imgx/
  output-history.json    ← 履歴は常にここ（セッションの出力先パスを記録）

./content/images/        ← 画像はここ（output_dir で指定）
  cover.png
  cover-1.png

プロジェクト単位で出力先を固定したい場合は .imgxrc を使う。

{
  "defaults": {
    "outputDir": "./assets/images"
  }
}

出力先の優先順位（画像ファイルのみ。履歴の保存場所は常にプロジェクトルートで決まる）:

5. 各環境の設定

各ツールの MCP 設定ファイルに imgx-mcp を追加する。設定内容はどのツールでも同じ構造。

Claude Code

プロジェクトルートの .mcp.json:

{
  "mcpServers": {
    "imgx": {
      "command": "npx",
      "args": ["--package=imgx-mcp", "-y", "imgx-mcp"],
      "env": { "GEMINI_API_KEY": "your-key", "OPENAI_API_KEY": "your-key" }
    }
  }
}

使用するプロバイダのキーだけ設定すればよい。

Skill — AI が画像ワークフローを自動で判断する仕組み

MCP サーバーは AI に「画像を生成・編集する能力」を与える。Skill はその上に「どう使うべきかの知識」を加える。

Skill がインストールされた環境では、ユーザーは画像生成サービスの仕様やプロンプトの書き方を知る必要がない。プロバイダごとの対応機能の違い、アスペクト比の指定方法、反復編集の手順、undo/redo の活用——こうした専門的な知識を AI が Skill から読み取り、自動的に最適な判断を行う。

ユーザーは「ここにカバー画像が欲しい」と言うだけでよい。

Skill が持つ知識：

• プロンプト自動構築 — 「カバー画像が欲しい」と伝えるだけで、AI が Subject-Context-Style フレームワークに基づいて構造化されたプロンプトを組み立てる。何を、どこに、どう見せるかを AI が判断する
• 24 種の編集テクニック — 雰囲気調整、構図変更、要素操作、スタイル変換の実証済みアプローチ。「暖かくして」「ぼかして」という指示を、モデルに最適な形で伝える
• モデル自動選択 — 無料モデルから開始。無料枠の制約を超える要件が出たときだけ有料モデルへのアップグレードを提案し、何が変わるかを説明する
• プラットフォーム別サイズ設定 — 「Twitter の OGP」「App Store のスクリーンショット」と伝えるだけで、適切なアスペクト比と解像度が選択される。SNS、OGP、アプリストア、印刷物、ブログプラットフォームをカバー
• トレンドスタイルテンプレート — ジブリ風、アクションフィギュア箱入り、3D クレイ、ピクセルアート、ちびキャラなど。スタイル名を伝えるだけで、AI が適切なプロンプト構造を適用する
• 複数画像の一貫性管理 — デザイントークンとキャラクター DNA テンプレートにより、スライドデッキ、SNS シリーズ、ブランドアセットの視覚的統一を維持する

画像生成モデルは本来これらの能力を持っている。Skill は、その能力を専門知識なしで引き出すための仕組み。

Skill は Claude Code で最初に導入された仕組みだが、AI ツールがドメイン知識を参照ファイルから読み取る仕組みは急速に広がりつつある。imgx-mcp の Skill ファイルは Claude Code 以外の環境でもカスタムプロンプトとして利用できる。

インストール方法（Claude Code）:

# GitHub から取得
curl -sL https://raw.githubusercontent.com/somacoffeekyoto/imgx-mcp/main/skills/image-generation/SKILL.md \
  -o .claude/skills/image-generation/SKILL.md --create-dirs
curl -sL https://raw.githubusercontent.com/somacoffeekyoto/imgx-mcp/main/skills/image-generation/references/providers.md \
  -o .claude/skills/image-generation/references/providers.md --create-dirs

your-project/
  .mcp.json                              ← MCP サーバー設定
  .claude/
    skills/
      image-generation/
        SKILL.md                         ← Skill 本体
        references/
          providers.md                   ← プロバイダリファレンス

全プロジェクト共通で使う場合: ~/.claude/skills/ に配置する。

MCP サーバーと Skill の役割:

MCP サーバー + Skill の両方を設定するのが推奨。

Plugin 経由の一括インストール: Claude Code では /plugin install imgx-mcp で MCP サーバーと Skill を同時にインストールできる。

Gemini CLI

~/.gemini/settings.json:

{
  "mcpServers": {
    "imgx": {
      "command": "npx",
      "args": ["--package=imgx-mcp", "-y", "imgx-mcp"],
      "env": { "GEMINI_API_KEY": "your-key", "OPENAI_API_KEY": "your-key" }
    }
  }
}

Claude Desktop

claude_desktop_config.json:

macOS / Linux:

{
  "mcpServers": {
    "imgx": {
      "command": "npx",
      "args": ["--package=imgx-mcp", "-y", "imgx-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
        "IMGX_PROJECT_ROOT": ""
      }
    }
  }
}

Windows:

{
  "mcpServers": {
    "imgx": {
      "command": "cmd",
      "args": ["/c", "npx", "--package=imgx-mcp", "-y", "imgx-mcp"],
      "env": {
        "GEMINI_API_KEY": "your-key",
        "OPENAI_API_KEY": "your-key",
        "IMGX_PROJECT_ROOT": ""
      }
    }
  }
}

IMGX_PROJECT_ROOT — プロジェクトのパス（例: "/Users/you/my-project"）を指定すると、画像と履歴がプロジェクト内に保存される。空のままならグローバルデフォルトを使用。

設定ファイルの場所:

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

編集後、Claude Desktop を再起動する。

補足: Claude Desktop はアプリ自身のディレクトリから MCP サーバーを実行するため、自動検出は機能しない。上記 env セクションに "IMGX_PROJECT_ROOT": "/path/to/project" を設定するか、ターミナルで imgx config set project-root /path/to/project を実行する。詳細はプロジェクトスコープを参照。

Skill（Claude Desktop）

Claude Desktop でも Skill を使える。ZIP ファイルをアップロードする方式で追加する。

1. GitHub リポジトリまたは npm パッケージの dist/ から image-generation-skill.zip をダウンロード
2. Claude Desktop で Settings > Profile > Customize > Skills > Add Skill
3. ZIP をアップロード

新しいバージョンがリリースされたら、ZIP を再ダウンロードして再アップロードすることで更新できる。

Codex CLI

.codex/config.toml:

[mcp_servers.imgx]
command = "npx"
args = ["--package=imgx-mcp", "-y", "imgx-mcp"]
env = { GEMINI_API_KEY = "your-key", OPENAI_API_KEY = "your-key" }

その他のツール（Cursor、Windsurf 等）

同じ npx パターンが Cursor、Windsurf、Continue.dev、Cline、Zed など MCP 対応ツールで使える。Windows では npx の代わりに cmd /c npx を使用する。

7. プロバイダ比較

Gemini vs OpenAI

Gemini モデル比較

使い分け

• Nano Banana（gemini-2.5-flash-image）: デフォルト。無料枠、クレジットカード不要。導入時や一般的な用途に適している
• Nano Banana 2（gemini-3.1-flash-image-preview）: 4K 解像度、14種アスペクト比が必要な場合のアップグレード先。速度と品質のバランスが良い
• Nano Banana Pro（gemini-3-pro-image-preview）: 最高画質。カバー画像、OGP 等、品質が重要な場面で使用する
• OpenAI gpt-image-1: フル機能。複数枚同時生成・フォーマット選択・背景透過・品質制御
• OpenAI gpt-image-1.5: gpt-image-1 比 約4倍高速・20%低コスト、テキスト描画精度向上
• OpenAI gpt-image-1-mini: 低コストモデル（$0.005〜$0.036/枚）