Cursor ya puede generar imágenes
Cursor ya edita tu código. Con la API REST de DreamUtopia, la misma sesión puede crear una imagen principal, cambiar el estilo de una foto de producto o convertir una imagen fija en un vídeo de ocho segundos. Pega un archivo de habilidades, pregunta en lenguaje natural y el agente se encarga de la carga, la solicitud y el sondeo.
Generación de imágenes en Cursor, sin salir del editor
La generación de imágenes en Cursor se convierte en una parte normal de una sesión de programación cuando el agente puede llamar directamente a una API de medios. Los agentes de programación son buenos ejecutando comandos, leyendo respuestas y reintentando de forma inteligente, que es exactamente lo que necesita una API de medios. En lugar de salir del editor para abrir una aplicación web, puedes pedirle a Cursor una imagen de cabecera en 16:9 y recibir una URL de resultado en la misma conversación. Construimos la API de DreamUtopia como REST simple por esta razón. No hay ningún servidor MCP que configurar ni ningún plugin que instalar. El archivo de skill enseña al agente la URL base, la cabecera de autenticación, la carga multipart, los dos endpoints de creación, el bucle de sondeo y las reglas de error. Un skill pegado y una variable de entorno son toda la configuración. La misma clave también funciona desde tus propios scripts, lo que significa que el agente y tu pipeline de compilación comparten una sola integración y un solo saldo de créditos. Eso importa cuando una tarea de diseño comienza en un chat y termina en un script de despliegue: la forma de la solicitud no cambia entre ambos. El flujo de trabajo también encaja con la forma en que los agentes de programación ya trabajan: una solicitud es un comando de shell normal, un fallo es un estado HTTP normal y un trabajo largo es un id normal que sondear. Eso significa que Cursor puede explicar un fallo con la misma voz que usa para un test fallido, y puede mantener el recurso generado junto al código que lo referencia. Para un repositorio con mucho diseño, la diferencia es práctica y no cosmética: la persona que escribe el componente es también la persona que puede producir la imagen que necesita, sin cambiar de herramienta ni perder el contexto del cambio. Cursor puede ejecutar la solicitud, leer la respuesta JSON y explicar un fallo sin salir del archivo que estás editando. Ese bucle de retroalimentación es el objetivo: el agente ya sabe cómo ejecutar un comando e interpretar el resultado, así que la generación de medios se convierte en otra herramienta que puede usar.
Lo que obtienes
Una habilidad de copiar y pegar
Pega el bloque de habilidades a continuación en el chat de Cursor. El agente sigue la receta durante el resto de la conversación sin necesidad de indicaciones adicionales. El texto es lo suficientemente corto como para leerse de una vez y lo suficientemente específico como para que el agente no improvise nombres de campos. Indica los valores exactos que acepta cada campo, de modo que una solicitud mal formada se corrige antes de llegar a la API. No se escribe nada en tu repositorio y no se instala nada.
Archivos locales procesados
El agente sube una foto de tu proyecto con una solicitud multipart y luego pasa el id devuelto a la generación. El límite es de 30 MB para JPEG, PNG y WebP. Un archivo que reside en el repositorio nunca necesita primero una URL pública.
Imágenes y vídeo, una clave
Texto a imagen, imagen a imagen, texto a video, imagen a video y las transiciones de primer/último fotograma usan todas la misma clave y el mismo saldo de créditos. No gestionas cuentas separadas para imágenes fijas y movimiento, y la skill puede encadenar una imagen terminada en la siguiente solicitud de video.
Empleos que sobreviven al chat
Cada generación se ejecuta en nuestros servidores. Si la sesión finaliza, el agente puede listar los trabajos recientes por id y recoger el resultado más tarde. El enlace firmado del resultado permanece válido durante siete días, tiempo suficiente para descargarlo o copiarlo en un artefacto de compilación.
Solicitudes en inglés sencillo
Solicita una toma de producto cuadrada o un clip social vertical. La habilidad traduce tus palabras a modelo, resolución, duración y relación de aspecto, y luego consulta la matriz de precios en vivo antes de gastar. Aun así puedes indicar ajustes exactos cuando una tarea los requiera. El agente te informa los ajustes elegidos, lo que facilita diagnosticar un resultado inesperado.
Una lista de precios
La API y la aplicación web cobran los mismos créditos. GET /v1/models devuelve la matriz en vivo de resolución, duración y créditos, para que el agente pueda comparar un clip de cinco segundos con uno de diez antes de crear nada.
Explora herramientas relacionadas
Elige la herramienta que se adapte a tu siguiente paso.
Dale a Cursor una herramienta multimedia
Crea una clave, pega la skill y pide tu primera imagen. La documentación de la API cubre cada campo, estado y código de error.


