Google Gemini, OpenAIを渡るあなたのエージェントイメージとビデオの生成を与えます そしてKie AI — 1つのスキル、1つのインストール、APIは学習しません。

あなたが望むことを大まかに言って、それが残りの部分を決めてみましょう:

21:9 ルール OpenAI をフルに知ったプロンプトを書いて、パスを読みます [--json]から返します。

または正確であり、それは決定を停止します:

被写体が終わる場所を見ると、2番目のパスにマークされます。 ローディングベイではなくフラットルーフラインのラベル。

CLI は、プロバイダ、モデル、アスペクト、つまり、 比率、サイズ、出力名、ディレクトリ、品質プリセット、ビデオの長さ、 編集するイメージを入力し、結果をマークするかどうか。 それらの名前と名前 エージェントは、与えられたように使用します。 それを残して、それが選択するか、またはあなたに戻って落ちる 構成される。

インストール

インストール全体です。 他の設定をしない — スキルが実行される 最初に使用してキャッシュし、その後にキャッシュする[npx]を通してCLI。

それからそれにキーを与えて下さい:

インタラクティブなウィザード: プロバイダーを選ぶ、それがエコーされずに各キーを入力する、 ライブ API に対してそれぞれを確認し、プロバイダーごとにモデルを選択し、設定します。 デフォルト。 1つのキーは開始するのに十分です.

mediagen — an image and video generation skill for coding agents

Give your agent image and video generation across Google Gemini, OpenAI and Kie AI — one skill, one install, no API to learn.

Say roughly what you want and let it decide the rest:

You:   Make a hero image for the landing page, wide, something moody and industrial.

Agent: npx -y mediagen image "A disused loading dock at dusk, wet concrete…"
         --aspect-ratio 21:9 --json
       → ./output/image-20260823T094107Z.png

It wrote the prompt out in full, knew 21:9 rules OpenAI out, and read the path back from --json.

Or be exact, and it stops deciding:

You:   Same thing with gemini-3-pro-image, 21:9, 4K, marked as AI-generated,
       saved as hero.png.

Agent: npx -y mediagen image "A disused loading dock at dusk, wet concrete…"
         --model gemini-3-pro-image --aspect-ratio 21:9 --size 4K
         --output-name hero.png --json
       → ./output/hero.jpg

       [looks at the image]

       npx -y mediagen mark ./output/hero.jpg --visible-label
         --label-position top-right --json
       → ./output/hero.labelled.jpg

It marked in a second pass, after seeing where the subject ended up — and put the label on the flat roofline rather than over the loading bay.

Anything the CLI takes can be asked for in words — provider, model, aspect ratio, size, output name and directory, quality preset, video duration, an input image to edit, and whether to mark the result. Name any of them and the agent uses it as given; leave it out and it chooses, or falls back to what you configured.

Install

npx -y skills add Cripacx/mediagen --skill mediagen

That is the whole installation. Nothing else to set up — the skill runs the CLI through npx, which fetches it on first use and caches it afterwards.

Then give it a key:

npx -y mediagen init

An interactive wizard: pick providers, enter each key without it being echoed, verify each against the live API, choose a model per provider, and set a default. One key is enough to start.

Now just ask your agent for an image.

What your agent can do with it

• Generate images and video from a description, or edit media you already have
• Choose the right provider for the task — the skill knows Gemini handles 21:9 and video, that OpenAI cannot do 16:9 at all, and that Kie aggregates around thirty third-party models
• Take your instructions literally when you give them. Name a model, a ratio, a size or a filename and it is used as stated. mediagen models is there when you want to see what is available before choosing