Paso 6 — Nano Banana en el sandbox

Objetivo

Este es el único paso que no vive en lib/geminiAgent.js. scripts/edit_image.py es el script que el Managed Agent ejecuta dentro del sandbox remoto — nunca corre en tu servidor ni en tu máquina local. Viaja como texto plano montado por sources en el Paso 2, y es aquí donde finalmente se llama a Nano Banana para editar la imagen.

Abre scripts/edit_image.py. Hay dos bloques pendientes dentro de main().

Bloque 1: llamar a Nano Banana

    image = Image.open(args.input)

    # TODO (Paso 6): llama a `client.models.generate_content(...)` pasando
    # `model=args.model`, `contents=[image, build_prompt(args.prompt)]` y
    # `config=GenerateContentConfig(response_modalities=[Modality.TEXT, Modality.IMAGE])`.
    # Guarda el resultado en `response`.
    # Código completo y explicación -> Paso 6 del codelab.
    raise NotImplementedError("Completa el Paso 6 del codelab en edit_image.py.")

Reemplaza el comentario y el raise por:

    response = client.models.generate_content(
        model=args.model,
        contents=[image, build_prompt(args.prompt)],
        config=GenerateContentConfig(
            response_modalities=[Modality.TEXT, Modality.IMAGE]
        ),
    )

Bloque 2: extraer y guardar la imagen resultante

Justo debajo:

    # TODO (Paso 6): recorre `response.candidates` / `candidate.content.parts`
    # buscando la parte con `part.inline_data` (los bytes de la imagen
    # generada), ábrela con `PIL.Image.open(BytesIO(part.inline_data.data))`,
    # conviértela a RGB y guárdala en `args.output` como JPEG. Marca
    # `saved = True` cuando lo logres.
    # Código completo y explicación -> Paso 6 del codelab.
    saved = False

    if not saved:
        raise RuntimeError("No image data was returned by the model.")

Reemplaza solo el bloque de comentario y saved = False (deja el if not saved: raise ... tal cual, es la validación final) por:

    saved = False
    for candidate in response.candidates:
        for part in candidate.content.parts:
            if part.inline_data is not None:
                result_image = Image.open(BytesIO(part.inline_data.data))
                result_image.convert("RGB").save(args.output, "JPEG")
                saved = True
                break
        if saved:
            break

Cómo funciona

• contents=[image, build_prompt(args.prompt)] envía la imagen ya decodificada (un objeto PIL.Image, no base64) junto con el prompt final, que build_prompt compone agregando siempre la instrucción de preservación facial (FACE_PRESERVATION_INSTRUCTION) antes de la instrucción del usuario.
• response_modalities=[Modality.TEXT, Modality.IMAGE] es lo que hace que Nano Banana pueda devolver datos de imagen binarios en la respuesta, no solo texto. Sin esto, el modelo respondería con texto describiendo el cambio, en vez de generar la imagen editada.
• La respuesta puede traer varias parts por candidato (por ejemplo, texto explicativo y la imagen). El bucle recorre response.candidates → candidate.content.parts buscando específicamente la parte con inline_data (los bytes crudos de la imagen), ignorando cualquier parte de texto.
• Image.open(BytesIO(part.inline_data.data)) decodifica esos bytes como imagen; .convert("RGB") normaliza el modo de color antes de guardarla como JPEG (algunos formatos de salida usan RGBA, que JPEG no soporta directamente).
• El script guarda el resultado en args.output (/workspace/output.jpg por defecto) — la misma ruta que, de vuelta en Express, downloadAndExtractOutput (Paso 5) descarga y extrae del snapshot del sandbox.

Verifica

Con los 6 pasos completos, el flujo entero debería funcionar de extremo a extremo. Sigue a Prueba de extremo a extremo para confirmarlo con una checklist completa.