Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Higgsfield MCP 기반 AI 이미지를 자연어 요청 한 줄로 생성합니다. 모델·파라미터를 하드코딩하지 않고 라이브 카탈로그(models_explore)를 조회해 호출하므로, 카탈로그가 바뀌어도 드리프트 없이 동작합니다. 다음과 같은 요청 시 사용하세요: - "Higgsfield로 이미지 만들어 줘" - "Soul로 인물 이미지" - "Nano Banana Pro로 카드뉴스 이미지" - "AI 이미지 생성해줘" - "시네마틱 키 비주얼 만들어줘" - "캐릭터 일관성 있는 시리즈 이미지" - "DTC 광고 이미지(Marketing Studio)" Soul·Nano Banana·GPT Image·Seedream·FLUX·Recraft·Marketing Studio 등 계열의 프롬프트 크래프트는 references/prompt-craft/*.md에 출처와 함께 큐레이션돼 있고, 실제 파라미터(모델 id·해상도·비율·비용)는 런타임에 라이브 조회합니다. 프롬프트만 필요하면 moai-c
.claude/skills/modu-ai-media-higgsfield-image/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-05 | ✗→✓ | ▲ Improved | 50% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 53% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 128% | 0% |
| case-15 | ✗→✓ | ▲ Improved | 68% | 0% |
| case-09 | ✗→✓ | ▲ Improved | 94% | 0% |
> moai-media | 라이브 카탈로그 기반 이미지 생성 (코어: media-higgsfield-core)
Higgsfield MCP의 이미지 생성 도구를 호출하는 스킬입니다. 사용자 자연어 요청에서 의도를 추출하고, 계열 크래프트로 후보를 좁힌 뒤, 파라미터는 라이브 카탈로그에서 조회해 생성합니다. 이전 스킬이 갖고 있던 하드코딩 모델 표·파라미터 표는 제거되었습니다 — 그 표들은 라이브 스키마와 어긋나 실패하는 호출을 낳았습니다.
핵심 설계는 코어 스킬 media-higgsfield-core에 있습니다:
../media-higgsfield-core/references/call-schema.md../media-higgsfield-core/references/catalog-protocol.md../media-higgsfield-core/references/universal-rules.md../media-higgsfield-core/references/job-lifecycle.mdHiggsfield 이미지, Soul, Nano Banana, Nano Banana Pro, GPT Image, Seedream, FLUX, Recraft, Marketing Studio, DTC 광고 이미지, AI 이미지 생성, 시네마틱 이미지, 캐릭터 일관성
각 파일은 벤더 공식 문서 기반이며 출처·Evidence tier를 답니다. 파라미터가 아니라 프롬프트 크래프트만 다룹니다.
| 파일 | 계열 | |---|---| | references/prompt-craft/soul.md | Soul (공식 프롬프트 공식 부재 → R1–R5 폴백) | | references/prompt-craft/nano-banana.md | Nano Banana (Google 5-part 공식) | | references/prompt-craft/openai.md | GPT Image (openai_hazel 매핑은 unverified) | | references/prompt-craft/seedream.md | Seedream (ByteDance 5원칙) | | references/prompt-craft/flux.md | FLUX (어순 load-bearing, 부정 프롬프트 없음) | | references/prompt-craft/recraft.md | Recraft (global-to-local, 벡터/로고) | | references/prompt-craft/marketing-studio.md | Marketing Studio / DTC Ads (style 선택 워크플로) |
사용자 요청에서 subject·용도·톤·리터럴 텍스트 등 슬롯을 수집(→ core interview-schema.md)하고, 계열 크래프트로 후보 모델을 좁힙니다. 이 단계는 후보를 좁힐 뿐 파라미터를 단정하지 않습니다. 슬롯이 부족하면 스킬은 blocker 보고를 반환하고, 오케스트레이터가 사용자에게 확인합니다(스킬은 사용자에게 직접 질문하지 않음).
후보 좁히기 힌트(파라미터가 아니라 계열 선택 힌트):
| 사용자 표현 | 후보 계열 | |---|---| | "글자 정확하게", "포스터", "카드뉴스" | GPT Image 또는 Nano Banana Pro | | "시네마틱", "인물 디테일", "캐릭터 일관성" | Soul | | "사진처럼", "사실적", "제품 샷" | FLUX | | "예술적", "독특한 톤" | Seedream | | "로고", "아이콘", "벡터" | Recraft | | "DTC 광고", "제품 광고 포맷" | Marketing Studio (ms_image) |
models_explore(action:'get')로 좁힌 후보 모델의 실제 제약(aspect_ratios·모델별 파라미터·media role)을 조회합니다. 범위 밖 모델(예: z_image, grok_image)이면 계열 크래프트가 없다는 것을 명시하고 live lookup으로 제약만 가져와 R1–R5를 적용합니다. Marketing Studio 계열이면 show_marketing_studio로 스타일 목록을 가져옵니다.
같은 파라미터에 get_cost: true를 넣어 credits를 확인합니다(크레딧 0 소모). 응답의 adjustments가 있으면 서버가 채운 기본값이므로 리드백해 둡니다. 잔액 정지 규칙은 core job-lifecycle.md.
조회된 값으로만 실제 generate_image를 호출합니다. namespace는 런타임 해석(→ core call-schema.md). 참조 이미지는 media_id/job_id로만 전달합니다(URL 거부).
job_status로 completed까지 폴링하고, 결과 URL과 함께 반환된 adjustments를 사용자에게 보고합니다 — 요청과 다르게 서버가 치환한 것이 있으면 숨기지 않습니다.
ms_image는 style_id에 기본값이 없어 스타일 없이는 오류입니다. 반드시 show_marketing_studio로 스타일 목록을 보여주고 사용자가 이름으로 고르게 한 뒤 생성합니다. 스타일을 자동 기본값으로 채우지 않습니다(→ references/prompt-craft/marketing-studio.md).
15개 크래프트 계열에 없는 모델을 요청하면, 계열 특화 크래프트가 없다는 사실을 명시하고 models_explore로 제약을 live lookup한 뒤 공통 규칙 R1–R5를 적용합니다. 계열 파일이 없다고 모델을 못 쓰는 것은 아니지만, 그 사실을 사용자에게 알립니다.
## Higgsfield 이미지 생성 결과
- 모델: [models_explore로 확인한 실제 id]
- 프롬프트: [계열 크래프트로 조립된 최종 프롬프트]
- 비율: [라이브 aspect_ratios 중 선택]
- 비용: [get_cost가 반환한 credits]
- Job ID / 결과 URL: [job_status completed]
- 서버 조정(adjustments): [있으면 그대로 보고]models_explore로 확인합니다.| 스킬 | 시점 | |---|---| | moai-media:media-higgsfield-core | 코어: 호출 계약·라이브 조회·공통 규칙 | | moai-media:media-higgsfield-video | 후속: 이미지를 영상으로 | | moai-media:media-gemini-3-image-prompt | 대안: 프롬프트만 산출 (외부 도구) | | moai-media:media-gpt-image-2-prompt | 대안: 외부 ChatGPT 사용 | | moai-marketer:content-card-news | 후속: 이미지를 카드뉴스에 배치 |
references/prompt-craft/*.md의 Evidence tier·출처 참조.models_explore (스냅샷은 plan 단계 증거 기준선일 뿐 런타임 계약 아님).| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-04 | fail→fail | 18,612 | 9,501 | -49% | 1 | 1 | 0% | 3,310 | 2,635 | -20% | 0 | 0 | — |
case-14 | pass→pass | 18,507 | 5,418 | -71% | 1 | 1 | 0% | 2,268 | 2,872 | +27% | 0 | 0 | — |
case-01 | pass→pass | 26,618 | 27,576 | +4% | 1 | 1 | 0% | 1,985 | 4,364 | +120% | 0 | 0 | — |
case-02 | fail→fail | 14,862 | 11,597 | -22% | 1 | 1 | 0% | 2,567 | 3,986 | +55% | 0 | 0 | — |
case-03 | fail→fail | 14,565 | 27,562 | +89% | 1 | 1 | 0% | 2,078 | 5,664 | +173% | 0 | 0 | — |
case-05 | fail→pass | 18,776 | 25,898 | +38% | 1 | 1 | 0% | 2,701 | 4,046 | +50% | 0 | 0 | — |
case-06 | fail→fail | 18,428 | 10,880 | -41% | 1 | 1 | 0% | 2,147 | 3,809 | +77% | 0 | 0 | — |
case-07 | fail→pass | 23,597 | 20,333 | -14% | 1 | 1 | 0% | 3,078 | 4,714 | +53% | 0 | 0 | — |
case-08 | fail→pass | 13,436 | 12,736 | -5% | 1 | 1 | 0% | 1,402 | 3,194 | +128% | 0 | 0 | — |
case-15 | fail→pass | 14,030 | 15,089 | +8% | 1 | 1 | 0% | 2,161 | 3,620 | +68% | 0 | 0 | — |
case-09 | fail→pass | 20,485 | 34,069 | +66% | 1 | 1 | 0% | 2,636 | 5,122 | +94% | 0 | 0 | — |
case-10 | fail→pass | 12,986 | 23,184 | +79% | 1 | 1 | 0% | 1,264 | 6,067 | +380% | 0 | 0 | — |
case-11 | pass→pass | 16,868 | 21,722 | +29% | 1 | 1 | 0% | 1,975 | 4,853 | +146% | 0 | 0 | — |
case-12 | fail→pass | 17,412 | 7,913 | -55% | 1 | 1 | 0% | 1,583 | 3,338 | +111% | 0 | 0 | — |
case-13 | fail→pass | 17,477 | 11,889 | -32% | 1 | 1 | 0% | 2,924 | 4,285 | +47% | 0 | 0 | — |
case-16 | fail→fail | 20,174 | 15,498 | -23% | 1 | 1 | 0% | 2,364 | 4,470 | +89% | 0 | 0 | — |
case-17 | pass→pass | 8,737 | 20,745 | +137% | 1 | 1 | 0% | 1,381 | 4,044 | +193% | 0 | 0 | — |
case-18 | fail→pass | 16,913 | 11,294 | -33% | 1 | 1 | 0% | 2,666 | 4,086 | +53% | 0 | 0 | — |
case-19 | fail→pass | 17,532 | 22,466 | +28% | 1 | 1 | 0% | 2,943 | 5,916 | +101% | 0 | 0 | — |
case-20 | fail→pass | 15,735 | 11,448 | -27% | 1 | 1 | 0% | 2,734 | 3,815 | +40% | 0 | 0 | — |
case-21 | fail→fail | 19,109 | 13,357 | -30% | 1 | 1 | 0% | 3,088 | 3,866 | +25% | 0 | 0 | — |
case-22 | fail→fail | 7,675 | 15,253 | +99% | 1 | 1 | 0% | 1,272 | 4,192 | +230% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted, and 21 counted toward the lift figure. The other 1 produced results that are not comparable between the two arms, so they are excluded from the headline rather than averaged into it. The headline lift of +50 percentage points is the difference between those two pass rates over the 21 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.