MCP de génération d’images OpenAI pour Cursor et Codex : configuration, coûts et solutions

Vous êtes à mi-chemin d’une page d’accueil dans Cursor, la section héros a besoin d’une photo, et l’agent n’a rien à proposer d’autre qu’un espace gris de remplacement. Un MCP de génération d’images OpenAI pour Cursor et Codex règle ça en une étape : l’agent appelle un outil d’image, le fichier atterrit dans le dossier de votre projet, et la mise en page reçoit une vraie image avant que vous ouvriez le moindre onglet de navigateur.

Cet article présente la configuration exacte pour les deux éditeurs, les réglages de modèle qui comptent, le coût d’un rendu et les erreurs qui font perdre un après-midi. Il inclut aussi une voie sans serveur pour ceux qui préfèrent cliquer plutôt que configurer.

Pourquoi générer des images dans votre éditeur

La routine habituelle est lente. Vous quittez l’éditeur, ouvrez un site d’images, écrivez un prompt de mémoire, téléchargez un fichier, le renommez, le glissez dans /public, et corrigez le chemin dans votre code. Chaque étape est petite. Ensemble, elles brisent votre concentration une douzaine de fois par jour.

Un outil d’image MCP supprime cette boucle. L’agent connaît déjà le sujet de la page parce qu’il vient d’écrire le balisage, donc il peut rédiger le prompt à partir du contexte, enregistrer le fichier et le référencer dans le même tour.

Ce que l’agent fait pour vous

• Rédige le prompt à partir du code environnant, pour qu’une page tarifaire et un blog de recettes reçoivent des images différentes
• Appelle l’outil et choisit le format, la qualité et le fond
• Enregistre le fichier et met à jour la balise <img> ou le CSS
• Relance la génération à partir de vos retours, comme « lumière plus chaude, moins de photo de banque d’images »

Donnez à l’agent une recette de prompt

Les agents rédigent de meilleurs prompts quand vous leur donnez une recette plutôt qu’une page blanche. Enregistrez celle-ci dans les règles de votre projet et les images resteront cohérentes d’une page à l’autre :

1. Sujet et action : ce qui se trouve dans le cadre et ce qu’il fait
2. Décor : la pièce, la rue ou le paysage autour
3. Lumière : direction et moment de la journée, comme une lumière douce venant d’une fenêtre à gauche
4. Caméra : longueur de focale, angle et distance, comme un objectif 35 mm à hauteur des yeux
5. Format : le format et si l’image doit laisser de l’espace vide pour un titre

Ajoutez une phrase de style fixe à chaque prompt, par exemple « lumière naturelle, grain de film fin, textures réalistes », et votre bannière héros, vos miniatures de blog et vos états vides auront l’air d’un même ensemble. Demandez à l’agent de rédiger le texte alternatif dans le même tour, puisqu’il sait déjà ce que l’image montre.

Quand un outil intégré suffit

Des retours de la communauté sur Codex CLI indiquent qu’il est livré avec la génération d’images intégrée et une compétence $imagegen lorsque OpenAI a lancé gpt-image-2 le 21 avril 2026, et qu’il fonctionne avec votre connexion ChatGPT plutôt qu’avec un identifiant API séparé. Si cela correspond à votre installation et que vous n’avez besoin d’une image qu’une fois par semaine, vous n’aurez peut-être pas besoin du MCP du tout.

Un serveur MCP mérite sa place lorsque :

1. Vous voulez le même outil dans Cursor et Codex, avec les mêmes réglages.
2. Vous avez besoin de contrôler la qualité, le fond et la taille au lieu des valeurs par défaut.
3. Vous voulez des retouches par masque sur des captures d’écran ou des photos existantes.
4. Vous prévoyez de changer de fournisseur plus tard sans modifier votre flux de travail.

💡 À vérifier d’abord : exécutez codex --version et lisez les sections MCP et image de la documentation actuelle de Codex avant d’ajouter un serveur. Un outil intégré que vous aviez oublié est l’option la moins chère dont vous disposez.

Ce que le serveur expose

La plupart des serveurs d’images OpenAI sur npm sont de fines surcouches autour des points de terminaison de l’API Images pour la génération et la retouche. Le package imagegen-mcp, très utilisé, expose deux outils, et son README liste gpt-image-1, dall-e-2 et dall-e-3 comme modèles pris en charge. Les résultats sont enregistrés dans des fichiers temporaires, et l’outil renvoie le chemin du fichier avec des données en base64.

Deux outils, deux usages

Une modification type : envoyez une photo de votre produit, masquez le fond et demandez un décor plus sobre. La zone masquée change tandis que le reste de l’image reste en place, ce qui préserve le produit lui-même d’une version à l’autre.

Quel modèle choisir

Si la version que vous installez ne liste pas encore gpt-image-2, mettez à jour le package ou choisissez un autre serveur qui le fait. L’API elle-même prend gpt-image-2 comme simple identifiant de modèle, et la documentation d’OpenAI liste les points de terminaison v1/images/generations, v1/images/edits et v1/batch pour celui-ci.

Configuration dans Cursor

Cursor lit les serveurs MCP depuis un fichier mcp.json. Il vous faut un identifiant OpenAI, Node.js dans votre PATH, et environ deux minutes.

Choisir une portée globale ou de projet

• Globale : ~/.cursor/mcp.json rend l’outil disponible dans chaque projet.
• Projet : .cursor/mcp.json le garde dans un seul dépôt, pour que les coéquipiers qui ouvrent le dossier obtiennent le même outil.

Utilisez le fichier de projet lorsque l’outil d’image appartient à un seul produit, et le fichier global lorsque vous le voulez partout. Dans les deux cas, gardez le secret hors du fichier et laissez Cursor le lire depuis votre environnement.

Coller la configuration

{
  "mcpServers": {
    "openai-image": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "imagegen-mcp", "--models", "gpt-image-1"],
      "env": {
        "OPENAI_API_KEY": "${env:OPENAI_API_KEY}"
      }
    }
  }
}

Copier le prompt

Exportez OPENAI_API_KEY dans le profil de votre shell, puis redémarrez Cursor pour que le processus de l’éditeur l’hérite. Ouvrez les paramètres MCP : le serveur openai-image doit apparaître comme connecté avec deux outils listés. Cursor peut aussi activer ou désactiver un serveur depuis la barre latérale Customize sans le supprimer.

💡 Gardez les approbations activées. Cursor demande une confirmation avant d’exécuter un outil MCP par défaut. Pour un outil facturé à chaque rendu, cette confirmation est un atout, pas une gêne. Ajoutez l’outil d’image à la liste d’autorisation seulement après avoir observé une semaine d’utilisation.

Configuration dans Codex

Codex conserve ses réglages MCP dans config.toml. Vous pouvez ajouter un serveur avec une seule commande ou modifier le fichier vous-même.

Une seule commande suffit

codex mcp add openai-image --env OPENAI_API_KEY=your-openai-secret -- npx -y imagegen-mcp --models gpt-image-1
codex mcp list

Copier le prompt

Le -- sépare les options propres à Codex de la commande du serveur. Cela écrit la valeur directement dans votre fichier de configuration ; utilisez donc l’option suivante sur une machine partagée.

Modifier config.toml directement

[mcp_servers.openai-image]
command = "npx"
args = ["-y", "imagegen-mcp", "--models", "gpt-image-1"]
env_vars = ["OPENAI_API_KEY"]
startup_timeout_sec = 30
tool_timeout_sec = 180

Copier le prompt

env_vars transmet la variable depuis votre shell, si bien qu’aucun secret n’atterrit dans le fichier. Le fichier se trouve dans ~/.codex/config.toml, et un projet de confiance peut avoir son propre .codex/config.toml.

Les deux délais d’attente comptent plus qu’il n’y paraît. Par défaut, Codex attend 10 secondes qu’un serveur démarre et 60 secondes pour un appel d’outil. Le premier lancement de npx télécharge le package, et un rendu de haute qualité peut prendre du temps : les deux valeurs par défaut sont donc trop justes. Les valeurs ci-dessus sont ma suggestion, pas une exigence.

Codex dispose aussi d’un réglage d’approbation par serveur, default_tools_approval_mode, avec des valeurs comme prompt et approve. Le régler sur prompt vous donne la même habitude de confirmation avant dépense que dans Cursor. Consultez la documentation MCP actuelle de Codex pour les options exactes de votre version.

Combien coûte GPT Image 2

Le serveur MCP est un logiciel gratuit. Vous payez OpenAI pour chaque rendu. En 1024 par 1024, des listes de prix de revendeurs tiers placent GPT Image 2 à peu près à ces montants :

💡 Ces chiffres viennent de listes de prix de revendeurs, et non de la page officielle d’OpenAI. OpenAI facture au token : des tailles plus grandes, des retouches avec images d’entrée et des prompts longs modifient le total. Vérifiez sur la page tarifaire d’OpenAI avant de budgéter.

Brouillon en basse qualité, finition en haute

Lancez 40 rendus brouillons en basse qualité, environ 0,24 $, pour fixer la composition et les formulations. Puis dépensez pour 5 finales en haute qualité, environ 1,06 $. La session complète revient à environ 1,30 $. Dix tentatives en haute qualité pour obtenir une seule image gardée coûteraient à elles seules environ 2,11 $.

Plafonner les dépenses

• Définissez un plafond de dépenses mensuel dans le tableau de bord OpenAI.
• Créez un identifiant de projet distinct pour l’éditeur afin de pouvoir le révoquer seul.
• Gardez les approbations d’outils activées jusqu’à ce que l’habitude s’installe.
• Demandez une image par appel, sauf si vous comparez des options.

Solutions aux erreurs courantes

La plupart des échecs entrent dans cinq schémas. Consultez ce tableau avant de modifier quoi que ce soit d’autre.

Quand le serveur ne se connecte jamais

Exécutez d’abord les commandes exactes command et args dans un terminal. Si npx télécharge le package à cet endroit, le prochain lancement de l’éditeur sera plus rapide. Sous Windows, certaines configurations ne démarrent npx qu’à travers le shell : essayez donc cmd comme commande et ["/c", "npx", "-y", "imagegen-mcp", "--models", "gpt-image-1"] comme arguments. Dans Codex, augmentez startup_timeout_sec avant de soupçonner autre chose.

Où est passée mon image

Le serveur écrit chaque résultat dans un dossier temporaire, si bien que le fichier peut disparaître au prochain nettoyage. Ajoutez une instruction permanente à vos règles de projet : .cursor/rules pour Cursor, ou AGENTS.md pour Codex.

💡 Une règle qui fonctionne : « Après avoir généré une image, copiez-la dans public/images/, donnez-lui un nom de fichier descriptif et rédigez un texte alternatif qui décrit l’image. »

Lancer GPT Image 2 sur PicassoIA

Tout le monde ne veut pas une facture API et un processus Node. PicassoIA héberge GPT Image 2 aux côtés de GPT Image 2.5 Flare et GPT Image 2.5 Sunburst, si bien que vous pouvez générer dans un navigateur et déposer les fichiers dans votre dépôt.

Étapes dans le navigateur

1. Ouvrez la page GPT Image 2.
2. Collez un prompt long et précis. Le modèle suit les instructions en plusieurs parties et rend un texte lisible dans l’image.
3. Choisissez le format et la qualité dans le tableau ci-dessous.
4. Choisissez un fond, puis réglez le nombre d’images souhaité (de 1 à 10).
5. Générez, téléchargez le fichier et déplacez-le dans votre dossier d’assets.

Le formulaire comporte aussi un champ facultatif pour votre propre identifiant OpenAI. Si vous le laissez vide, la requête passe par le proxy de PicassoIA.

💡 Raccourci pour le prompt : demandez à un grand modèle de langage comme GPT 5.6 Sol ou Claude Sonnet 5 de transformer une idée d’une ligne en prompt détaillé, puis collez le résultat dans le formulaire d’image.

L’API PicassoIA et le connecteur MCP

PicassoIA propose aussi une API développeur et un connecteur MCP. L’URL de base est https://api.picassoia.com/v1, les requêtes utilisent un identifiant Bearer qui commence par pia_sk_, et les points de terminaison suivent le style Replicate : créer une prédiction, puis l’interroger. Quatre modèles sont disponibles par ce biais : PicassoIA Image, PicassoIA Image Editor Pro et deux modèles vidéo.

curl -X POST https://api.picassoia.com/v1/models/picassoia/picassoia-image/predictions \
  -H "Authorization: Bearer $PICASSOIA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"input": {"prompt": "wooden desk with a laptop, soft morning light", "aspect_ratio": "16:9"}}'

Copier le prompt

Appelez ensuite GET /v1/predictions/{id} jusqu’à ce que status affiche succeeded, puis lisez les URL des images dans output. Limites à prendre en compte : 5 prédictions simultanées par compte, prompts jusqu’à 4 000 caractères, et un corps de requête de 10 Mo.

GPT Image 2 ne fait pas partie de ces quatre modèles de l’API. La répartition est donc simple : utilisez le serveur OpenAI ci-dessus lorsque vous voulez le modèle d’OpenAI dans Cursor ou Codex, et l’API PicassoIA lorsque vous voulez les modèles d’image propres à PicassoIA depuis votre code. La page de l’API indique actuellement que les prédictions sont gratuites, mais les conditions d’accès au forfait sont formulées différemment ailleurs sur le site ; vérifiez donc les conditions sur la page tarifaire avant de vous y fier.

Créez vos premières images aujourd’hui

Commencez petit. Ouvrez GPT Image 2 sur PicassoIA, collez le prompt que vous donneriez à votre agent, et générez trois variantes en basse qualité. Comparez-les, choisissez la meilleure et relancez-la en haute qualité. Dix minutes de cet exercice vous en apprennent plus sur vos prompts qu’une heure de réglages de configuration.

Trois prompts à essayer en premier :

• Bannière héros : une scène large en 16:9 qui correspond à l’ambiance de votre produit, avec de l’espace à gauche pour un titre
• État vide : une scène calme et simple, de style photo, pour l’écran que voient les utilisateurs avant d’ajouter des données
• Aperçu social : une image audacieuse en 3:2 avec une légende de deux mots rendue à l’intérieur

Une fois les images satisfaisantes, reportez les mêmes réglages dans Cursor ou Codex et laissez l’agent se charger de l’enregistrement. Si vous voulez d’abord parcourir d’autres options, la liste complète des modèles se trouve sur picassoia.com/en/all-models. Choisissez un modèle, lancez votre premier prompt sur PicassoIA, et voyez ce qui arrive dans le dossier de votre projet avant le déjeuner.