--- title: 提供商 description: 在 OpenCode 中使用任意 LLM 提供商。 --- import config from "../../../../config.mjs" export const console = config.console OpenCode 使用 [AI SDK](https://ai-sdk.dev/) 和 [Models.dev](https://models.dev)，支持 **75+ LLM 提供商**，同时也支持运行本地模型。 要添加提供商，你需要： 1. 使用 `/connect` 命令添加提供商的 API 密钥。 2. 在 OpenCode 配置中设置该提供商。 --- ### 凭据 使用 `/connect` 命令添加提供商的 API 密钥后，凭据会存储在 `~/.local/share/opencode/auth.json` 中。 --- ### 配置 你可以通过 OpenCode 配置中的 `provider` 部分来自定义提供商。 --- #### 自定义 Base URL 你可以通过设置 `baseURL` 选项来自定义任何提供商的 Base URL。这在使用代理服务或自定义端点时非常有用。 ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "anthropic": { "options": { "baseURL": "https://api.anthropic.com/v1" } } } } ``` --- ## OpenCode Zen OpenCode Zen 是由 OpenCode 团队提供的模型列表，这些模型已经过测试和验证，能够与 OpenCode 良好配合使用。[了解更多](/docs/zen)。 :::tip 如果你是新用户，我们建议从 OpenCode Zen 开始。 ::: 1. 在 TUI 中执行 `/connect` 命令，选择 opencode，然后前往 [opencode.ai/auth](https://opencode.ai/auth)。 ```txt /connect ``` 2. 登录后添加账单信息，然后复制你的 API 密钥。 3. 粘贴你的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 在 TUI 中执行 `/models` 查看我们推荐的模型列表。 ```txt /models ``` 它的使用方式与 OpenCode 中的其他提供商完全相同，且完全可选。 --- ## 目录 下面我们来详细了解一些提供商。如果你想将某个提供商添加到列表中，欢迎提交 PR。 :::note 没有看到你想要的提供商？欢迎提交 PR。 ::: --- ### 302.AI 1. 前往 [302.AI 控制台](https://302.ai/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **302.AI**。 ```txt /connect ``` 3. 输入你的 302.AI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` --- ### Amazon Bedrock 要在 OpenCode 中使用 Amazon Bedrock： 1. 前往 Amazon Bedrock 控制台中的**模型目录**，申请访问你想要使用的模型。 :::tip 你需要先在 Amazon Bedrock 中获得对目标模型的访问权限。 ::: 2. 使用以下方法之一**配置身份验证**： *** #### 环境变量（快速上手） 运行 opencode 时设置以下环境变量之一： ```bash # Option 1: Using AWS access keys AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode # Option 2: Using named AWS profile AWS_PROFILE=my-profile opencode # Option 3: Using Bedrock bearer token AWS_BEARER_TOKEN_BEDROCK=XXX opencode ``` 或者将它们添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export AWS_PROFILE=my-dev-profile export AWS_REGION=us-east-1 ``` *** #### 配置文件（推荐） 如需项目级别或持久化的配置，请使用 `opencode.json`： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "amazon-bedrock": { "options": { "region": "us-east-1", "profile": "my-aws-profile" } } } } ``` **可用选项：** - `region` - AWS 区域（例如 `us-east-1`、`eu-west-1`） - `profile` - `~/.aws/credentials` 中的 AWS 命名配置文件 - `endpoint` - VPC 端点的自定义端点 URL（通用 `baseURL` 选项的别名） :::tip 配置文件中的选项优先级高于环境变量。 ::: *** #### 进阶：VPC 端点 如果你使用 Bedrock 的 VPC 端点： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "amazon-bedrock": { "options": { "region": "us-east-1", "profile": "production", "endpoint": "https://bedrock-runtime.us-east-1.vpce-xxxxx.amazonaws.com" } } } } ``` :::note `endpoint` 选项是通用 `baseURL` 选项的别名，使用了 AWS 特有的术语。如果同时指定了 `endpoint` 和 `baseURL`，则 `endpoint` 优先。 ::: *** #### 认证方式 - **`AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY`**：在 AWS 控制台中创建 IAM 用户并生成访问密钥 - **`AWS_PROFILE`**：使用 `~/.aws/credentials` 中的命名配置文件。需要先通过 `aws configure --profile my-profile` 或 `aws sso login` 进行配置 - **`AWS_BEARER_TOKEN_BEDROCK`**：从 Amazon Bedrock 控制台生成长期 API 密钥 - **`AWS_WEB_IDENTITY_TOKEN_FILE` / `AWS_ROLE_ARN`**：适用于 EKS IRSA（服务账户的 IAM 角色）或其他支持 OIDC 联合的 Kubernetes 环境。使用服务账户注解时，Kubernetes 会自动注入这些环境变量。 *** #### 认证优先级 Amazon Bedrock 使用以下认证优先级： 1. **Bearer Token** - `AWS_BEARER_TOKEN_BEDROCK` 环境变量或通过 `/connect` 命令获取的 Token 2. **AWS 凭证链** - 配置文件、访问密钥、共享凭证、IAM 角色、Web Identity Token（EKS IRSA）、实例元数据 :::note 当设置了 Bearer Token（通过 `/connect` 或 `AWS_BEARER_TOKEN_BEDROCK`）时，它的优先级高于所有 AWS 凭证方式，包括已配置的配置文件。 ::: 3. 执行 `/models` 命令选择你想要的模型。 ```txt /models ``` :::note 对于自定义推理配置文件，请在 key 中使用模型名称和提供商名称，并将 `id` 属性设置为 ARN。这可以确保正确的缓存行为： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "amazon-bedrock": { // ... "models": { "anthropic-claude-sonnet-4.5": { "id": "arn:aws:bedrock:us-east-1:xxx:application-inference-profile/yyy" } } } } } ``` ::: --- ### Anthropic 1. 注册完成后，执行 `/connect` 命令并选择 Anthropic。 ```txt /connect ``` 2. 你可以选择 **Claude Pro/Max** 选项，浏览器会自动打开并要求你进行身份验证。 ```txt ┌ Select auth method │ │ Claude Pro/Max │ Create an API Key │ Manually enter API Key └ ``` 3. 现在使用 `/models` 命令即可看到所有 Anthropic 模型。 ```txt /models ``` :::info 在 OpenCode 中使用 Claude Pro/Max 订阅不是 [Anthropic](https://anthropic.com) 官方支持的用法。 ::: ##### 使用 API 密钥 如果你没有 Pro/Max 订阅，也可以选择 **Create an API Key**。浏览器会自动打开并要求你登录 Anthropic，然后会提供一个代码供你粘贴到终端中。 如果你已经有 API 密钥，可以选择 **Manually enter API Key** 并将其粘贴到终端中。 --- ### Azure OpenAI :::note 如果遇到 "I'm sorry, but I cannot assist with that request" 错误，请尝试将 Azure 资源中的内容过滤器从 **DefaultV2** 更改为 **Default**。 ::: 1. 前往 [Azure 门户](https://portal.azure.com/)并创建 **Azure OpenAI** 资源。你需要： - **资源名称**：这会成为你的 API 端点的一部分（`https://RESOURCE_NAME.openai.azure.com/`） - **API 密钥**：资源中的 `KEY 1` 或 `KEY 2` 2. 前往 [Azure AI Foundry](https://ai.azure.com/) 并部署一个模型。 :::note 部署名称必须与模型名称一致，OpenCode 才能正常工作。 ::: 3. 执行 `/connect` 命令并搜索 **Azure**。 ```txt /connect ``` 4. 输入你的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 5. 将资源名称设置为环境变量： ```bash AZURE_RESOURCE_NAME=XXX opencode ``` 或者添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export AZURE_RESOURCE_NAME=XXX ``` 6. 执行 `/models` 命令选择你已部署的模型。 ```txt /models ``` --- ### Azure Cognitive Services 1. 前往 [Azure 门户](https://portal.azure.com/)并创建 **Azure OpenAI** 资源。你需要： - **资源名称**：这会成为你的 API 端点的一部分（`https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/`） - **API 密钥**：资源中的 `KEY 1` 或 `KEY 2` 2. 前往 [Azure AI Foundry](https://ai.azure.com/) 并部署一个模型。 :::note 部署名称必须与模型名称一致，OpenCode 才能正常工作。 ::: 3. 执行 `/connect` 命令并搜索 **Azure Cognitive Services**。 ```txt /connect ``` 4. 输入你的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 5. 将资源名称设置为环境变量： ```bash AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode ``` 或者添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX ``` 6. 执行 `/models` 命令选择你已部署的模型。 ```txt /models ``` --- ### Baseten 1. 前往 [Baseten](https://app.baseten.co/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Baseten**。 ```txt /connect ``` 3. 输入你的 Baseten API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` --- ### Cerebras 1. 前往 [Cerebras 控制台](https://inference.cerebras.ai/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Cerebras**。 ```txt /connect ``` 3. 输入你的 Cerebras API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Qwen 3 Coder 480B_。 ```txt /models ``` --- ### Cloudflare AI Gateway Cloudflare AI Gateway 允许你通过统一端点访问来自 OpenAI、Anthropic、Workers AI 等提供商的模型。通过 [Unified Billing](https://developers.cloudflare.com/ai-gateway/features/unified-billing/)，你无需为每个提供商单独准备 API 密钥。 1. 前往 [Cloudflare 仪表盘](https://dash.cloudflare.com/)，导航到 **AI** > **AI Gateway**，创建一个新的网关。 2. 将你的 Account ID 和 Gateway ID 设置为环境变量。 ```bash title="~/.bash_profile" export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id export CLOUDFLARE_GATEWAY_ID=your-gateway-id ``` 3. 执行 `/connect` 命令并搜索 **Cloudflare AI Gateway**。 ```txt /connect ``` 4. 输入你的 Cloudflare API Token。 ```txt ┌ API key │ │ └ enter ``` 或者将其设置为环境变量。 ```bash title="~/.bash_profile" export CLOUDFLARE_API_TOKEN=your-api-token ``` 5. 执行 `/models` 命令选择模型。 ```txt /models ``` 你也可以通过 OpenCode 配置添加模型。 ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "cloudflare-ai-gateway": { "models": { "openai/gpt-4o": {}, "anthropic/claude-sonnet-4": {} } } } } ``` --- ### Cortecs 1. 前往 [Cortecs 控制台](https://cortecs.ai/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Cortecs**。 ```txt /connect ``` 3. 输入你的 Cortecs API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Kimi K2 Instruct_。 ```txt /models ``` --- ### DeepSeek 1. 前往 [DeepSeek 控制台](https://platform.deepseek.com/)，创建账户并点击 **Create new API key**。 2. 执行 `/connect` 命令并搜索 **DeepSeek**。 ```txt /connect ``` 3. 输入你的 DeepSeek API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择 DeepSeek 模型，例如 _DeepSeek Reasoner_。 ```txt /models ``` --- ### Deep Infra 1. 前往 [Deep Infra 仪表盘](https://deepinfra.com/dash)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Deep Infra**。 ```txt /connect ``` 3. 输入你的 Deep Infra API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` --- ### Firmware 1. 前往 [Firmware 仪表盘](https://app.firmware.ai/signup)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Firmware**。 ```txt /connect ``` 3. 输入你的 Firmware API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` --- ### Fireworks AI 1. 前往 [Fireworks AI 控制台](https://app.fireworks.ai/)，创建账户并点击 **Create API Key**。 2. 执行 `/connect` 命令并搜索 **Fireworks AI**。 ```txt /connect ``` 3. 输入你的 Fireworks AI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Kimi K2 Instruct_。 ```txt /models ``` --- ### GitLab Duo GitLab Duo 通过 GitLab 的 Anthropic 代理提供具有原生工具调用能力的 AI 驱动的代理聊天。 1. 执行 `/connect` 命令并选择 GitLab。 ```txt /connect ``` 2. 选择你的身份验证方式： ```txt ┌ Select auth method │ │ OAuth (Recommended) │ Personal Access Token └ ``` #### 使用 OAuth（推荐） 选择 **OAuth**，浏览器会自动打开进行授权。 #### 使用个人访问令牌 1. 前往 [GitLab 用户设置 > Access Tokens](https://gitlab.com/-/user_settings/personal_access_tokens) 2. 点击 **Add new token** 3. 名称填写 `OpenCode`，范围选择 `api` 4. 复制令牌（以 `glpat-` 开头） 5. 在终端中输入该令牌 3. 执行 `/models` 命令查看可用模型。 ```txt /models ``` 提供三个基于 Claude 的模型： - **duo-chat-haiku-4-5**（默认）- 快速响应，适合简单任务 - **duo-chat-sonnet-4-5** - 性能均衡，适合大多数工作流 - **duo-chat-opus-4-5** - 最强大，适合复杂分析 :::note 你也可以通过指定 `GITLAB_TOKEN` 环境变量来避免将令牌存储在 OpenCode 的认证存储中。 ::: ##### 自托管 GitLab :::note[合规说明] OpenCode 会使用一个小模型来执行部分 AI 任务，例如生成会话标题。默认情况下使用由 Zen 托管的 gpt-5-nano。如果你需要让 OpenCode 仅使用你自己的 GitLab 托管实例，请在 `opencode.json` 文件中添加以下内容。同时建议禁用会话共享。 ```json { "$schema": "https://opencode.ai/config.json", "small_model": "gitlab/duo-chat-haiku-4-5", "share": "disabled" } ``` ::: 对于自托管 GitLab 实例： ```bash export GITLAB_INSTANCE_URL=https://gitlab.company.com export GITLAB_TOKEN=glpat-... ``` 如果你的实例运行了自定义 AI Gateway： ```bash GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com ``` 或者添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export GITLAB_INSTANCE_URL=https://gitlab.company.com export GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com export GITLAB_TOKEN=glpat-... ``` :::note 你的 GitLab 管理员必须启用以下功能： 1. 为用户、群组或实例启用 [Duo Agent Platform](https://docs.gitlab.com/user/gitlab_duo/turn_on_off/) 2. 功能标志（通过 Rails 控制台）： - `agent_platform_claude_code` - `third_party_agents_enabled` ::: ##### 自托管实例的 OAuth 要在自托管实例上使用 OAuth，你需要创建一个新应用（设置 → 应用），回调 URL 设置为 `http://127.0.0.1:8080/callback`，并选择以下范围： - api（代表你访问 API） - read_user（读取你的个人信息） - read_repository（允许对仓库进行只读访问） 然后将应用 ID 导出为环境变量： ```bash export GITLAB_OAUTH_CLIENT_ID=your_application_id_here ``` 更多文档请参阅 [opencode-gitlab-auth](https://www.npmjs.com/package/@gitlab/opencode-gitlab-auth) 主页。 ##### 配置 通过 `opencode.json` 进行自定义配置： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "gitlab": { "options": { "instanceUrl": "https://gitlab.com", "featureFlags": { "duo_agent_platform_agentic_chat": true, "duo_agent_platform": true } } } } } ``` ##### GitLab API 工具（可选，但强烈推荐） 要访问 GitLab 工具（合并请求、Issue、流水线、CI/CD 等）： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "plugin": ["@gitlab/opencode-gitlab-plugin"] } ``` 该插件提供全面的 GitLab 仓库管理功能，包括 MR 审查、Issue 跟踪、流水线监控等。 --- ### GitHub Copilot 要在 OpenCode 中使用你的 GitHub Copilot 订阅： :::note 部分模型可能需要 [Pro+ 订阅](https://github.com/features/copilot/plans)才能使用。 ::: 1. 执行 `/connect` 命令并搜索 GitHub Copilot。 ```txt /connect ``` 2. 前往 [github.com/login/device](https://github.com/login/device) 并输入验证码。 ```txt ┌ Login with GitHub Copilot │ │ https://github.com/login/device │ │ Enter code: 8F43-6FCF │ └ Waiting for authorization... ``` 3. 现在执行 `/models` 命令选择你想要的模型。 ```txt /models ``` --- ### Google Vertex AI 要在 OpenCode 中使用 Google Vertex AI： 1. 前往 Google Cloud Console 中的**模型花园**，查看你所在区域可用的模型。 :::note 你需要一个启用了 Vertex AI API 的 Google Cloud 项目。 ::: 2. 设置所需的环境变量： - `GOOGLE_CLOUD_PROJECT`：你的 Google Cloud 项目 ID - `VERTEX_LOCATION`（可选）：Vertex AI 的区域（默认为 `global`） - 身份验证（选择其一）： - `GOOGLE_APPLICATION_CREDENTIALS`：服务账户 JSON 密钥文件的路径 - 使用 gcloud CLI 进行身份验证：`gcloud auth application-default login` 在运行 opencode 时设置： ```bash GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=your-project-id opencode ``` 或者添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json export GOOGLE_CLOUD_PROJECT=your-project-id export VERTEX_LOCATION=global ``` :::tip `global` 区域可以提高可用性并减少错误，且不会产生额外费用。如果有数据驻留需求，请使用区域端点（例如 `us-central1`）。[了解更多](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/use-partner-models#regional_and_global_endpoints) ::: 3. 执行 `/models` 命令选择你想要的模型。 ```txt /models ``` --- ### Groq 1. 前往 [Groq 控制台](https://console.groq.com/)，点击 **Create API Key** 并复制密钥。 2. 执行 `/connect` 命令并搜索 Groq。 ```txt /connect ``` 3. 输入该提供商的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择你想要的模型。 ```txt /models ``` --- ### Hugging Face [Hugging Face Inference Providers](https://huggingface.co/docs/inference-providers) 提供对由 17+ 提供商支持的开放模型的访问。 1. 前往 [Hugging Face 设置](https://huggingface.co/settings/tokens/new?ownUserPermissions=inference.serverless.write&tokenType=fineGrained)，创建一个具有调用 Inference Providers 权限的令牌。 2. 执行 `/connect` 命令并搜索 **Hugging Face**。 ```txt /connect ``` 3. 输入你的 Hugging Face 令牌。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Kimi-K2-Instruct_ 或 _GLM-4.6_。 ```txt /models ``` --- ### Helicone [Helicone](https://helicone.ai) 是一个 LLM 可观测性平台，为你的 AI 应用提供日志记录、监控和分析功能。Helicone AI Gateway 会根据模型自动将请求路由到对应的提供商。 1. 前往 [Helicone](https://helicone.ai)，创建账户并在仪表盘中生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Helicone**。 ```txt /connect ``` 3. 输入你的 Helicone API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` 如需了解更多提供商以及缓存、速率限制等高级功能，请查阅 [Helicone 文档](https://docs.helicone.ai)。 #### 可选配置 如果 Helicone 的某些功能或模型未通过 OpenCode 自动配置，你随时可以手动配置。 [Helicone 模型目录](https://helicone.ai/models)中可以找到你需要添加的模型 ID。 ```jsonc title="~/.config/opencode/opencode.jsonc" { "$schema": "https://opencode.ai/config.json", "provider": { "helicone": { "npm": "@ai-sdk/openai-compatible", "name": "Helicone", "options": { "baseURL": "https://ai-gateway.helicone.ai", }, "models": { "gpt-4o": { // Model ID (from Helicone's model directory page) "name": "GPT-4o", // Your own custom name for the model }, "claude-sonnet-4-20250514": { "name": "Claude Sonnet 4", }, }, }, }, } ``` #### 自定义请求头 Helicone 支持用于缓存、用户跟踪和会话管理等功能的自定义请求头。使用 `options.headers` 将它们添加到提供商配置中： ```jsonc title="~/.config/opencode/opencode.jsonc" { "$schema": "https://opencode.ai/config.json", "provider": { "helicone": { "npm": "@ai-sdk/openai-compatible", "name": "Helicone", "options": { "baseURL": "https://ai-gateway.helicone.ai", "headers": { "Helicone-Cache-Enabled": "true", "Helicone-User-Id": "opencode", }, }, }, }, } ``` ##### 会话跟踪 Helicone 的 [Sessions](https://docs.helicone.ai/features/sessions) 功能允许你将相关的 LLM 请求归为一组。使用 [opencode-helicone-session](https://github.com/H2Shami/opencode-helicone-session) 插件可以自动将每个 OpenCode 对话记录为 Helicone 中的一个会话。 ```bash npm install -g opencode-helicone-session ``` 将其添加到配置中。 ```json title="opencode.json" { "plugin": ["opencode-helicone-session"] } ``` 该插件会在你的请求中注入 `Helicone-Session-Id` 和 `Helicone-Session-Name` 请求头。在 Helicone 的 Sessions 页面中，你可以看到每个 OpenCode 对话都作为独立的会话列出。 ##### 常用 Helicone 请求头 | 请求头 | 描述 | | -------------------------- | ------------------------------------------------------ | | `Helicone-Cache-Enabled` | 启用响应缓存（`true`/`false`） | | `Helicone-User-Id` | 按用户跟踪指标 | | `Helicone-Property-[Name]` | 添加自定义属性（例如 `Helicone-Property-Environment`） | | `Helicone-Prompt-Id` | 将请求与提示词版本关联 | 有关所有可用请求头，请参阅 [Helicone Header Directory](https://docs.helicone.ai/helicone-headers/header-directory)。 --- ### llama.cpp 你可以通过 [llama.cpp](https://github.com/ggml-org/llama.cpp) 的 llama-server 工具配置 OpenCode 使用本地模型。 ```json title="opencode.json" "llama.cpp" {5, 6, 8, 10-15} { "$schema": "https://opencode.ai/config.json", "provider": { "llama.cpp": { "npm": "@ai-sdk/openai-compatible", "name": "llama-server (local)", "options": { "baseURL": "http://127.0.0.1:8080/v1" }, "models": { "qwen3-coder:a3b": { "name": "Qwen3-Coder: a3b-30b (local)", "limit": { "context": 128000, "output": 65536 } } } } } } ``` 在这个示例中： - `llama.cpp` 是自定义的提供商 ID，可以是任意字符串。 - `npm` 指定该提供商使用的包。这里使用 `@ai-sdk/openai-compatible` 来兼容任何 OpenAI 兼容的 API。 - `name` 是该提供商在 UI 中显示的名称。 - `options.baseURL` 是本地服务器的端点地址。 - `models` 是模型 ID 到其配置的映射。模型名称会显示在模型选择列表中。 --- ### IO.NET IO.NET 提供 17 个针对不同用例优化的模型： 1. 前往 [IO.NET 控制台](https://ai.io.net/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **IO.NET**。 ```txt /connect ``` 3. 输入你的 IO.NET API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` --- ### LM Studio 你可以通过 LM Studio 配置 OpenCode 使用本地模型。 ```json title="opencode.json" "lmstudio" {5, 6, 8, 10-14} { "$schema": "https://opencode.ai/config.json", "provider": { "lmstudio": { "npm": "@ai-sdk/openai-compatible", "name": "LM Studio (local)", "options": { "baseURL": "http://127.0.0.1:1234/v1" }, "models": { "google/gemma-3n-e4b": { "name": "Gemma 3n-e4b (local)" } } } } } ``` 在这个示例中： - `lmstudio` 是自定义的提供商 ID，可以是任意字符串。 - `npm` 指定该提供商使用的包。这里使用 `@ai-sdk/openai-compatible` 来兼容任何 OpenAI 兼容的 API。 - `name` 是该提供商在 UI 中显示的名称。 - `options.baseURL` 是本地服务器的端点地址。 - `models` 是模型 ID 到其配置的映射。模型名称会显示在模型选择列表中。 --- ### Moonshot AI 要使用 Moonshot AI 的 Kimi K2： 1. 前往 [Moonshot AI 控制台](https://platform.moonshot.ai/console)，创建账户并点击 **Create API key**。 2. 执行 `/connect` 命令并搜索 **Moonshot AI**。 ```txt /connect ``` 3. 输入你的 Moonshot API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择 _Kimi K2_。 ```txt /models ``` --- ### MiniMax 1. 前往 [MiniMax API 控制台](https://platform.minimax.io/login)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **MiniMax**。 ```txt /connect ``` 3. 输入你的 MiniMax API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _M2.1_。 ```txt /models ``` --- ### Nebius Token Factory 1. 前往 [Nebius Token Factory 控制台](https://tokenfactory.nebius.com/)，创建账户并点击 **Add Key**。 2. 执行 `/connect` 命令并搜索 **Nebius Token Factory**。 ```txt /connect ``` 3. 输入你的 Nebius Token Factory API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Kimi K2 Instruct_。 ```txt /models ``` --- ### Ollama 你可以通过 Ollama 配置 OpenCode 使用本地模型。 :::tip Ollama 可以自动为 OpenCode 进行配置。详见 [Ollama 集成文档](https://docs.ollama.com/integrations/opencode)。 ::: ```json title="opencode.json" "ollama" {5, 6, 8, 10-14} { "$schema": "https://opencode.ai/config.json", "provider": { "ollama": { "npm": "@ai-sdk/openai-compatible", "name": "Ollama (local)", "options": { "baseURL": "http://localhost:11434/v1" }, "models": { "llama2": { "name": "Llama 2" } } } } } ``` 在这个示例中： - `ollama` 是自定义的提供商 ID，可以是任意字符串。 - `npm` 指定该提供商使用的包。这里使用 `@ai-sdk/openai-compatible` 来兼容任何 OpenAI 兼容的 API。 - `name` 是该提供商在 UI 中显示的名称。 - `options.baseURL` 是本地服务器的端点地址。 - `models` 是模型 ID 到其配置的映射。模型名称会显示在模型选择列表中。 :::tip 如果工具调用不工作，请尝试增大 Ollama 中的 `num_ctx` 值。建议从 16k - 32k 左右开始。 ::: --- ### Ollama Cloud 要在 OpenCode 中使用 Ollama Cloud： 1. 前往 [https://ollama.com/](https://ollama.com/) 登录或创建账户。 2. 导航到 **Settings** > **Keys**，点击 **Add API Key** 生成新的 API 密钥。 3. 复制 API 密钥以便在 OpenCode 中使用。 4. 执行 `/connect` 命令并搜索 **Ollama Cloud**。 ```txt /connect ``` 5. 输入你的 Ollama Cloud API 密钥。 ```txt ┌ API key │ │ └ enter ``` 6. **重要**：在 OpenCode 中使用云端模型之前，必须先将模型信息拉取到本地： ```bash ollama pull gpt-oss:20b-cloud ``` 7. 执行 `/models` 命令选择你的 Ollama Cloud 模型。 ```txt /models ``` --- ### OpenAI 我们建议注册 [ChatGPT Plus 或 Pro](https://chatgpt.com/pricing)。 1. 注册完成后，执行 `/connect` 命令并选择 OpenAI。 ```txt /connect ``` 2. 你可以选择 **ChatGPT Plus/Pro** 选项，浏览器会自动打开并要求你进行身份验证。 ```txt ┌ Select auth method │ │ ChatGPT Plus/Pro │ Manually enter API Key └ ``` 3. 现在使用 `/models` 命令即可看到所有 OpenAI 模型。 ```txt /models ``` ##### 使用 API 密钥 如果你已经有 API 密钥，可以选择 **Manually enter API Key** 并将其粘贴到终端中。 --- ### OpenCode Zen OpenCode Zen 是由 OpenCode 团队提供的经过测试和验证的模型列表。[了解更多](/docs/zen)。 1. 登录 **OpenCode Zen** 并点击 **Create API Key**。 2. 执行 `/connect` 命令并搜索 **OpenCode Zen**。 ```txt /connect ``` 3. 输入你的 OpenCode API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Qwen 3 Coder 480B_。 ```txt /models ``` --- ### OpenRouter 1. 前往 [OpenRouter 仪表盘](https://openrouter.ai/settings/keys)，点击 **Create API Key** 并复制密钥。 2. 执行 `/connect` 命令并搜索 OpenRouter。 ```txt /connect ``` 3. 输入该提供商的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 默认已预加载了许多 OpenRouter 模型，执行 `/models` 命令选择你想要的模型。 ```txt /models ``` 你也可以通过 OpenCode 配置添加更多模型。 ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "openrouter": { "models": { "somecoolnewmodel": {} } } } } ``` 5. 你还可以通过 OpenCode 配置自定义模型。以下是指定提供商的示例： ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "openrouter": { "models": { "moonshotai/kimi-k2": { "options": { "provider": { "order": ["baseten"], "allow_fallbacks": false } } } } } } } ``` --- ### SAP AI Core SAP AI Core 通过统一平台提供对来自 OpenAI、Anthropic、Google、Amazon、Meta、Mistral 和 AI21 的 40+ 模型的访问。 1. 前往 [SAP BTP Cockpit](https://account.hana.ondemand.com/)，导航到你的 SAP AI Core 服务实例，并创建服务密钥。 :::tip 服务密钥是一个包含 `clientid`、`clientsecret`、`url` 和 `serviceurls.AI_API_URL` 的 JSON 对象。你可以在 BTP Cockpit 的 **Services** > **Instances and Subscriptions** 下找到你的 AI Core 实例。 ::: 2. 执行 `/connect` 命令并搜索 **SAP AI Core**。 ```txt /connect ``` 3. 输入你的服务密钥 JSON。 ```txt ┌ Service key │ │ └ enter ``` 或者设置 `AICORE_SERVICE_KEY` 环境变量： ```bash AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' opencode ``` 或者添加到你的 bash 配置文件中： ```bash title="~/.bash_profile" export AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' ``` 4. 可选：设置部署 ID 和资源组： ```bash AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode ``` :::note 这些设置是可选的，应根据你的 SAP AI Core 配置进行设置。 ::: 5. 执行 `/models` 命令从 40+ 个可用模型中进行选择。 ```txt /models ``` --- ### STACKIT STACKIT AI Model Serving 提供完全托管的主权托管环境，专注于 Llama、Mistral 和 Qwen 等大语言模型，在欧洲基础设施上实现最大程度的数据主权。 1. 前往 [STACKIT Portal](https://portal.stackit.cloud)，导航到 **AI Model Serving**，为你的项目创建认证令牌。 :::tip 你需要先拥有 STACKIT 客户账户、用户账户和项目，才能创建认证令牌。 ::: 2. 执行 `/connect` 命令并搜索 **STACKIT**。 ```txt /connect ``` 3. 输入你的 STACKIT AI Model Serving 认证令牌。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Qwen3-VL 235B_ 或 _Llama 3.3 70B_。 ```txt /models ``` --- ### OVHcloud AI Endpoints 1. 前往 [OVHcloud 管理面板](https://ovh.com/manager)。导航到 `Public Cloud` 部分，`AI & Machine Learning` > `AI Endpoints`，在 `API Keys` 标签页中点击 **Create a new API key**。 2. 执行 `/connect` 命令并搜索 **OVHcloud AI Endpoints**。 ```txt /connect ``` 3. 输入你的 OVHcloud AI Endpoints API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _gpt-oss-120b_。 ```txt /models ``` --- ### Scaleway 要在 OpenCode 中使用 [Scaleway Generative APIs](https://www.scaleway.com/en/docs/generative-apis/)： 1. 前往 [Scaleway Console IAM 设置](https://console.scaleway.com/iam/api-keys)生成新的 API 密钥。 2. 执行 `/connect` 命令并搜索 **Scaleway**。 ```txt /connect ``` 3. 输入你的 Scaleway API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _devstral-2-123b-instruct-2512_ 或 _gpt-oss-120b_。 ```txt /models ``` --- ### Together AI 1. 前往 [Together AI 控制台](https://api.together.ai)，创建账户并点击 **Add Key**。 2. 执行 `/connect` 命令并搜索 **Together AI**。 ```txt /connect ``` 3. 输入你的 Together AI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Kimi K2 Instruct_。 ```txt /models ``` --- ### Venice AI 1. 前往 [Venice AI 控制台](https://venice.ai)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **Venice AI**。 ```txt /connect ``` 3. 输入你的 Venice AI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Llama 3.3 70B_。 ```txt /models ``` --- ### Vercel AI Gateway Vercel AI Gateway 允许你通过统一端点访问来自 OpenAI、Anthropic、Google、xAI 等提供商的模型。模型按原价提供，不额外加价。 1. 前往 [Vercel 仪表盘](https://vercel.com/)，导航到 **AI Gateway** 标签页，点击 **API keys** 创建新的 API 密钥。 2. 执行 `/connect` 命令并搜索 **Vercel AI Gateway**。 ```txt /connect ``` 3. 输入你的 Vercel AI Gateway API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型。 ```txt /models ``` 你也可以通过 OpenCode 配置自定义模型。以下是指定提供商路由顺序的示例。 ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "vercel": { "models": { "anthropic/claude-sonnet-4": { "options": { "order": ["anthropic", "vertex"] } } } } } } ``` 一些常用的路由选项： | 选项 | 描述 | | ------------------- | -------------------------------- | | `order` | 提供商尝试顺序 | | `only` | 限制为特定提供商 | | `zeroDataRetention` | 仅使用具有零数据留存策略的提供商 | --- ### xAI 1. 前往 [xAI 控制台](https://console.x.ai/)，创建账户并生成 API 密钥。 2. 执行 `/connect` 命令并搜索 **xAI**。 ```txt /connect ``` 3. 输入你的 xAI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _Grok Beta_。 ```txt /models ``` --- ### Z.AI 1. 前往 [Z.AI API 控制台](https://z.ai/manage-apikey/apikey-list)，创建账户并点击 **Create a new API key**。 2. 执行 `/connect` 命令并搜索 **Z.AI**。 ```txt /connect ``` 如果你订阅了 **GLM Coding Plan**，请选择 **Z.AI Coding Plan**。 3. 输入你的 Z.AI API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 执行 `/models` 命令选择模型，例如 _GLM-4.7_。 ```txt /models ``` --- ### ZenMux 1. 前往 [ZenMux 仪表盘](https://zenmux.ai/settings/keys)，点击 **Create API Key** 并复制密钥。 2. 执行 `/connect` 命令并搜索 ZenMux。 ```txt /connect ``` 3. 输入该提供商的 API 密钥。 ```txt ┌ API key │ │ └ enter ``` 4. 默认已预加载了许多 ZenMux 模型，执行 `/models` 命令选择你想要的模型。 ```txt /models ``` 你也可以通过 OpenCode 配置添加更多模型。 ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "zenmux": { "models": { "somecoolnewmodel": {} } } } } ``` --- ## 自定义提供商 要添加 `/connect` 命令中未列出的任何 **OpenAI 兼容**提供商： :::tip 你可以在 OpenCode 中使用任何 OpenAI 兼容的提供商。大多数现代 AI 提供商都提供 OpenAI 兼容的 API。 ::: 1. 执行 `/connect` 命令，向下滚动到 **Other**。 ```bash $ /connect ┌ Add credential │ ◆ Select provider │ ... │ ● Other └ ``` 2. 输入该提供商的唯一 ID。 ```bash $ /connect ┌ Add credential │ ◇ Enter provider id │ myprovider └ ``` :::note 请选择一个容易记住的 ID，你将在配置文件中使用它。 ::: 3. 输入该提供商的 API 密钥。 ```bash $ /connect ┌ Add credential │ ▲ This only stores a credential for myprovider - you will need to configure it in opencode.json, check the docs for examples. │ ◇ Enter your API key │ sk-... └ ``` 4. 在项目目录中创建或更新 `opencode.json` 文件： ```json title="opencode.json" ""myprovider"" {5-15} { "$schema": "https://opencode.ai/config.json", "provider": { "myprovider": { "npm": "@ai-sdk/openai-compatible", "name": "My AI ProviderDisplay Name", "options": { "baseURL": "https://api.myprovider.com/v1" }, "models": { "my-model-name": { "name": "My Model Display Name" } } } } } ``` 以下是配置选项说明： - **npm**：要使用的 AI SDK 包，对于 OpenAI 兼容的提供商使用 `@ai-sdk/openai-compatible`（适用于 `/v1/chat/completions`）。如果你的提供商/模型走 `/v1/responses`，请使用 `@ai-sdk/openai`。 - **name**：在 UI 中显示的名称。 - **models**：可用模型。 - **options.baseURL**：API 端点 URL。 - **options.apiKey**：可选，如果不使用 auth 认证，可直接设置 API 密钥。 - **options.headers**：可选，设置自定义请求头。 更多高级选项请参见下面的示例。 5. 执行 `/models` 命令，你自定义的提供商和模型将出现在选择列表中。 --- ##### 示例 以下是设置 `apiKey`、`headers` 和模型 `limit` 选项的示例。 ```json title="opencode.json" {9,11,17-20} { "$schema": "https://opencode.ai/config.json", "provider": { "myprovider": { "npm": "@ai-sdk/openai-compatible", "name": "My AI ProviderDisplay Name", "options": { "baseURL": "https://api.myprovider.com/v1", "apiKey": "{env:ANTHROPIC_API_KEY}", "headers": { "Authorization": "Bearer custom-token" } }, "models": { "my-model-name": { "name": "My Model Display Name", "limit": { "context": 200000, "output": 65536 } } } } } } ``` 配置详情： - **apiKey**：使用 `env` 变量语法设置，[了解更多](/docs/config#env-vars)。 - **headers**：随每个请求发送的自定义请求头。 - **limit.context**：模型接受的最大输入 Token 数。 - **limit.output**：模型可生成的最大 Token 数。 `limit` 字段让 OpenCode 了解你还剩余多少上下文空间。标准提供商会自动从 models.dev 拉取这些信息。 --- ## 故障排除 如果你在配置提供商时遇到问题，请检查以下几点： 1. **检查认证设置**：运行 `opencode auth list` 查看该提供商的凭据是否已添加到配置中。 这不适用于 Amazon Bedrock 等依赖环境变量进行认证的提供商。 2. 对于自定义提供商，请检查 OpenCode 配置并确认： - `/connect` 命令中使用的提供商 ID 与 OpenCode 配置中的 ID 一致。 - 使用了正确的 npm 包。例如，Cerebras 应使用 `@ai-sdk/cerebras`。对于其他所有 OpenAI 兼容的提供商，使用 `@ai-sdk/openai-compatible`（`/v1/chat/completions`）；如果模型走 `/v1/responses`，请使用 `@ai-sdk/openai`。同一 provider 混用时，可在模型下设置 `provider.npm` 覆盖默认值。 - `options.baseURL` 字段中的 API 端点地址正确。