OpenAI Automation

OpenAI Automation - 自动化 OpenAI API 工作流

技能概述

OpenAI Automation 是一个通过 Composio MCP 集成的自动化工具，帮助开发者简化 OpenAI API 调用流程。它支持多模态响应生成（文本+图像输入）、结构化 JSON 输出、文本嵌入向量创建、DALL-E 和 GPT Image 图像生成，以及可用模型列表查询，适用于 RAG 管道、向量搜索、批量内容生成等场景。

适用场景

RAG 管道和向量搜索：使用 OPENAI_CREATE_EMBEDDINGS 为文档生成嵌入向量，构建语义搜索和检索增强生成系统，支持批量处理最多 2048 个文本项。

多模态内容分析：通过 OPENAI_CREATE_RESPONSE 处理图像和文本的混合输入，执行 OCR 识别、图像理解和复杂推理任务，支持 GPT-4o、o3-mini 等最新模型。

批量图像生成：使用 OPENAI_CREATE_IMAGE 从文本提示自动生成图像，支持 GPT Image 和 DALL-E 模型，适用于内容创作、设计原型和营销物料批量生产。

核心功能

生成响应（多模态 + 结构化输出）

使用 OPENAI_CREATE_RESPONSE 工具调用 GPT-5、GPT-4o 或 o3-mini 等模型，支持纯文本输入或图像+文本的多模态输入。通过 text.format 配置可以生成严格符合 JSON Schema 的结构化输出，适合需要精确数据格式的自动化场景。推理模型支持 reasoning.effort 参数控制思考深度。

创建嵌入向量

使用 OPENAI_CREATE_EMBEDDINGS 将文本转换为高维向量，支持 text-embedding-3-small、text-embedding-3-large 和 text-embedding-ada-002 模型。嵌入向量可用于语义搜索、文档聚类、推荐系统和 RAG 应用，每个输入最多支持 8192 tokens，单次最多处理 2048 个项目。

生成图像

使用 OPENAI_CREATE_IMAGE 通过文本描述生成图像，支持 GPT Image（gpt-image-1、gpt-image-1.5）和 DALL-E（dall-e-3、dall-e-2）模型。可自定义图像尺寸、质量和风格（vivid/natural），GPT Image 模型还支持透明背景和更长的提示文本（最多 32000 字符）。

常见问题

什么是 OpenAI Automation？

OpenAI Automation 是一个通过 Composio MCP（Model Context Protocol）服务器提供的工具集，它封装了 OpenAI API 的常用功能，让你能在 MCP 兼容的客户端中直接调用 OpenAI 的响应生成、嵌入创建、图像生成和模型管理能力，无需编写 API 调用代码。

如何生成结构化 JSON 输出？

使用 OPENAI_CREATE_RESPONSE 工具时，在 text.format 参数中指定 JSON Schema 配置。例如设置 type: "json_schema"，提供 schema 定义（包含 type、properties、required 字段），并将 strict 设为 true。注意：启用严格模式时，schema 中的所有属性都必须列入 required 数组。

DALL-E 3 和 GPT Image 有什么区别？

DALL-E 3 已被标记为废弃，将于 2026 年 5 月 12 日停止支持，且每次只能生成一张图像（n=1）。GPT Image 模型（gpt-image-1、gpt-image-1.5）是 OpenAI 推荐的新一代图像生成模型，支持单次生成多张图像（最多 10 张）、透明背景选项，以及更长的提示文本（最多 32000 字符）。