ข้ามไปยังเนื้อหา
เอกสาร V1
ข้อมูลรับรอง

ผู้ให้บริการ

OpenCode ใช้ AI SDK และ Models.dev เพื่อรองรับผู้ให้บริการ 75+ LLM และรองรับการใช้งานโมเดลท้องถิ่น

หากต้องการเพิ่มผู้ให้บริการ คุณต้อง:

  1. เพิ่มคีย์ API สำหรับผู้ให้บริการโดยใช้คำสั่ง /connect
  2. กำหนดค่าผู้ให้บริการในการกำหนดค่า OpenCode ของคุณ

เมื่อคุณเพิ่มคีย์ API ของผู้ให้บริการด้วยคำสั่ง /connect คีย์เหล่านั้นจะถูกเก็บไว้ ใน ~/.local/share/opencode/auth.json.


คุณสามารถปรับแต่งผู้ให้บริการได้ผ่านทางส่วน provider ใน OpenCode ของคุณ กำหนดค่า


Base URL (URL พื้นฐาน)

คุณสามารถปรับแต่งฐาน URL สำหรับผู้ให้บริการรายใดก็ได้โดยตั้งค่าตัวเลือก baseURL สิ่งนี้มีประโยชน์เมื่อใช้บริการพร็อกซีหรือจุดสิ้นสุดแบบกำหนดเอง

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "options": {
        "baseURL": "https://api.anthropic.com/v1"
      }
    }
  }
}

OpenCode Models คือรายชื่อโมเดลที่จัดทำโดยทีมงาน OpenCode ที่ได้รับ ทดสอบและตรวจสอบแล้วว่าทำงานได้ดีกับ OpenCode เรียนรู้เพิ่มเติม

  1. เรียกใช้คำสั่ง /connect ใน TUI เลือก opencode และไปที่ opencode.ai/auth

    /connect
  2. ลงชื่อเข้าใช้ เพิ่มรายละเอียดการเรียกเก็บเงินของคุณ และคัดลอกรหัส API ของคุณ

  3. วางคีย์ API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. เรียกใช้ /models ใน TUI เพื่อดูรายการรุ่นที่เราแนะนำ

    /models

มันทำงานเหมือนกับผู้ให้บริการรายอื่นใน OpenCode และเป็นทางเลือกในการใช้งานโดยสมบูรณ์


OpenCode Go คือแผนการสมัครสมาชิกราคาประหยัดที่ให้การเข้าถึงโมเดลการเขียนโค้ดแบบเปิดยอดนิยมที่เชื่อถือได้ ซึ่งจัดเตรียมโดยทีมงาน OpenCode ที่ได้รับการทดสอบและตรวจสอบแล้วว่าทำงานได้ดีกับ OpenCode

  1. เรียกใช้คำสั่ง /connect ใน TUI เลือก OpenCode Go และไปที่ opencode.ai/auth

    /connect
  2. ลงชื่อเข้าใช้ เพิ่มรายละเอียดการเรียกเก็บเงินของคุณ และคัดลอกรหัส API ของคุณ

  3. วางคีย์ API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. เรียกใช้ /models ใน TUI เพื่อดูรายการรุ่นที่เราแนะนำ

    /models

มันทำงานเหมือนกับผู้ให้บริการรายอื่นใน OpenCode และเป็นทางเลือกในการใช้งานโดยสมบูรณ์


มาดูรายละเอียดผู้ให้บริการบางรายกัน หากคุณต้องการเพิ่มผู้ให้บริการให้กับ รายการอย่าลังเลที่จะเปิดประชาสัมพันธ์


  1. ไปที่ 302.AI console สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา 302.AI

    /connect
  3. ป้อนคีย์ 302.AI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

วิธีใช้ Amazon Bedrock กับ OpenCode:

  1. ไปที่ แค็ตตาล็อกโมเดล ในคอนโซล Amazon Bedrock และขอ เข้าถึงโมเดลที่คุณต้องการ

  2. กำหนดค่าการตรวจสอบสิทธิ์ โดยใช้วิธีใดวิธีหนึ่งต่อไปนี้:

    ตัวแปรสภาพแวดล้อม (เริ่มต้นอย่างรวดเร็ว)

    ตั้งค่าหนึ่งในตัวแปรสภาพแวดล้อมเหล่านี้ขณะเรียกใช้ opencode:

    เทอร์มินัล
    # 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

    หรือเพิ่มลงในโปรไฟล์ทุบตีของคุณ:

    ~/.bash_profile
    export AWS_PROFILE=my-dev-profile
    export AWS_REGION=us-east-1

    ไฟล์การกำหนดค่า (แนะนำ)

    สำหรับการกำหนดค่าเฉพาะโครงการหรือแบบถาวร ให้ใช้ opencode.json:

    opencode.json
    {
      "$schema": "https://opencode.ai/config.json",
      "provider": {
        "amazon-bedrock": {
          "options": {
            "region": "us-east-1",
            "profile": "my-aws-profile"
          }
        }
      }
    }

    ตัวเลือกที่มี:

    • region - ​​AWS ภูมิภาค (เช่น us-east-1, eu-west-1)
    • profile - ​​AWS ตั้งชื่อโปรไฟล์จาก ~/.aws/credentials
    • endpoint - ​​จุดสิ้นสุดที่กำหนดเอง URL สำหรับ VPC จุดสิ้นสุด (นามแฝงสำหรับตัวเลือก baseURL ทั่วไป)

    ขั้นสูง: VPC จุดสิ้นสุด

    หากคุณใช้จุดสิ้นสุด VPC สำหรับ Bedrock:

    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"
          }
        }
      }
    }

    วิธีการรับรองความถูกต้อง

    • AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY: สร้างผู้ใช้ IAM และสร้างคีย์การเข้าถึงในคอนโซล AWS
    • AWS_PROFILE: ใช้โปรไฟล์ที่มีชื่อจาก ~/.aws/credentials ขั้นแรกให้กำหนดค่าด้วย aws configure --profile my-profile หรือ aws sso login
    • AWS_BEARER_TOKEN_BEDROCK: สร้างคีย์ API ระยะยาวจากคอนโซล Amazon Bedrock
    • AWS_WEB_IDENTITY_TOKEN_FILE / AWS_ROLE_ARN: สำหรับ EKS IRSA (IAM บทบาทสำหรับบัญชีบริการ) หรือสภาพแวดล้อม Kubernetes อื่นๆ ที่มีการเชื่อมโยง OIDC Kubernetes แทรกตัวแปรสภาพแวดล้อมเหล่านี้โดยอัตโนมัติเมื่อใช้คำอธิบายประกอบของบัญชีบริการ

    ลำดับความสำคัญของการรับรองความถูกต้อง

    Amazon Bedrock ใช้ลำดับความสำคัญในการรับรองความถูกต้องต่อไปนี้:

    1. Bearer Token - AWS_BEARER_TOKEN_BEDROCK ตัวแปรสภาพแวดล้อมหรือโทเค็นจากคำสั่ง /connect
    2. AWS Credential Chain - โปรไฟล์, คีย์การเข้าถึง, ข้อมูลประจำตัวที่แชร์, บทบาท IAM, โทเค็นข้อมูลประจำตัวของเว็บ (EKS IRSA), ข้อมูลเมตาของอินสแตนซ์
  3. รันคำสั่ง /models เพื่อเลือกรุ่นที่ต้องการ

    /models

  1. เมื่อคุณสมัครแล้ว ให้รันคำสั่ง /connect และเลือก Anthropic

    /connect
  2. ที่นี่คุณสามารถเลือกตัวเลือก Claude Pro/Max และมันจะเปิดเบราว์เซอร์ของคุณ และขอให้คุณตรวจสอบสิทธิ์

    ┌ Select auth method
    │
    │ Claude Pro/Max
    │ Create an API Key
    │ Manually enter API Key
    └
  3. ตอนนี้โมเดล Anthropic ทั้งหมดควรจะพร้อมใช้งานเมื่อคุณใช้คำสั่ง /models

    /models
การใช้ API Key

คุณยังสามารถเลือก สร้าง API คีย์ หากคุณไม่มีการสมัครสมาชิก Pro/Max นอกจากนี้ยังจะเปิดเบราว์เซอร์ของคุณและขอให้คุณเข้าสู่ระบบ Anthropic และให้รหัสที่คุณสามารถวางใน terminal ของคุณ

หรือหากคุณมีคีย์ API อยู่แล้ว คุณสามารถเลือก ป้อนคีย์ API ด้วยตนเอง และวางลงใน terminal ของคุณ


คุณสามารถกำหนดค่า opencode ให้ใช้โมเดลท้องถิ่นผ่าน Atomic Chat ซึ่งเป็นแอปพลิเคชันเดสก์ท็อปที่เรียกใช้ LLM ในเครื่องภายใต้เซิร์ฟเวอร์ API ที่เข้ากันได้กับ OpenAI (ปลายทางเริ่มต้น http://127.0.0.1:1337/v1)

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "atomic-chat": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Atomic Chat (local)",
      "options": {
        "baseURL": "http://127.0.0.1:1337/v1"
      },
      "models": {
        "<your-model-id>": {
          "name": "<your-model-name>"
        }
      }
    }
  }
}

ในตัวอย่างนี้:

  • atomic-chat คือรหัสผู้ให้บริการที่กำหนดเอง สามารถเป็นสตริงใดก็ได้ที่คุณต้องการ
  • npm ระบุแพ็กเกจที่จะใช้สำหรับผู้ให้บริการนี้ ที่นี่ใช้ @ai-sdk/openai-compatible สำหรับ API ใดๆ ที่เข้ากันได้กับ OpenAI
  • name คือชื่อแสดงของผู้ให้บริการในอินเทอร์เฟซ
  • options.baseURL คือปลายทางของเซิร์ฟเวอร์ท้องถิ่น เปลี่ยนโฮสต์และพอร์ตให้ตรงกับการตั้งค่า Atomic Chat ของคุณ
  • models คือแผนที่ระหว่างรหัสโมเดลกับชื่อแสดง แต่ละรหัสต้องตรงกับ id ที่ส่งคืนโดย GET /v1/models — รัน curl http://127.0.0.1:1337/v1/models เพื่อแสดงรายการรหัสที่โหลดอยู่ใน Atomic Chat

  1. ไปที่ พอร์ทัล Azure และสร้างทรัพยากร Azure OpenAI คุณจะต้องการ:

    • ชื่อทรัพยากร: นี่จะกลายเป็นส่วนหนึ่งของจุดสิ้นสุด API ของคุณ (https://RESOURCE_NAME.openai.azure.com/)
    • API key: KEY 1 หรือ KEY 2 จากทรัพยากรของคุณ
  2. ไปที่ Azure AI Foundry และปรับใช้โมเดล

  3. เรียกใช้คำสั่ง /connect และค้นหา Azure

    /connect
  4. ป้อน API ของคุณ

    ┌ API key
    │
    │
    └ enter
  5. ตั้งชื่อทรัพยากรของคุณเป็นตัวแปรสภาพแวดล้อม:

    เทอร์มินัล
    AZURE_RESOURCE_NAME=XXX opencode

    หรือเพิ่มลงในโปรไฟล์ทุบตีของคุณ:

    ~/.bash_profile
    export AZURE_RESOURCE_NAME=XXX
  6. รันคำสั่ง /models เพื่อเลือกโมเดลที่ปรับใช้ของคุณ

    /models

  1. ไปที่ พอร์ทัล Azure และสร้างทรัพยากร Azure OpenAI คุณจะต้องการ:

    • ชื่อทรัพยากร: นี่จะกลายเป็นส่วนหนึ่งของจุดสิ้นสุด API ของคุณ (https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/)
    • API key: KEY 1 หรือ KEY 2 จากทรัพยากรของคุณ
  2. ไปที่ Azure AI Foundry และปรับใช้โมเดล

  3. เรียกใช้คำสั่ง /connect และค้นหา Azure Cognitive Services

    /connect
  4. ป้อน API ของคุณ

    ┌ API key
    │
    │
    └ enter
  5. ตั้งชื่อทรัพยากรของคุณเป็นตัวแปรสภาพแวดล้อม:

    เทอร์มินัล
    AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode

    หรือเพิ่มลงในโปรไฟล์ทุบตีของคุณ:

    ~/.bash_profile
    export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX
  6. รันคำสั่ง /models เพื่อเลือกโมเดลที่ปรับใช้ของคุณ

    /models

  1. ไปที่ Baseten สร้างบัญชี และสร้างคีย์ API

  2. รันคำสั่ง /connect และค้นหา Baseten

    /connect
  3. ป้อนคีย์ Baseten API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

  1. ไปที่ คอนโซล Cerebras สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา Cerebras

    /connect
  3. ป้อนคีย์ Cerebras API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่นเช่น Qwen 3 Coder 480B

    /models

Cloudflare AI Gateway ช่วยให้คุณเข้าถึงโมเดลจาก OpenAI, Anthropic, Workers AI และอื่นๆ อีกมากมายผ่านตำแหน่งข้อมูลแบบรวม ด้วย การเรียกเก็บเงินแบบรวม คุณไม่จำเป็นต้องใช้คีย์ API แยกต่างหากสำหรับผู้ให้บริการแต่ละราย

  1. ไปที่ แดชบอร์ด Cloudflare ไปที่ AI > AI Gateway และสร้างเกตเวย์ใหม่

  2. ตั้งค่ารหัสบัญชีและรหัสเกตเวย์ของคุณเป็นตัวแปรสภาพแวดล้อม

    ~/.bash_profile
    export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
    export CLOUDFLARE_GATEWAY_ID=your-gateway-id
  3. รันคำสั่ง /connect และค้นหา Cloudflare AI Gateway

    /connect
  4. ป้อน Cloudflare API Token ของคุณ

    ┌ API key
    │
    │
    └ enter

    หรือตั้งเป็นตัวแปรสภาพแวดล้อม

    ~/.bash_profile
    export CLOUDFLARE_API_TOKEN=your-api-token
  5. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

    คุณยังสามารถเพิ่มโมเดลผ่านการกำหนดค่า opencode ของคุณได้

    opencode.json
    {
      "$schema": "https://opencode.ai/config.json",
      "provider": {
        "cloudflare-ai-gateway": {
          "models": {
            "openai/gpt-6.1-sol": {},
            "anthropic/claude-sonnet-4": {}
          }
        }
      }
    }

  1. ไปที่ คอนโซล Cortecs สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา Cortecs

    /connect
  3. ป้อนคีย์ Cortecs API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Kimi K2 Instruct

    /models

  1. ไปที่ คอนโซล DeepSeek สร้างบัญชี แล้วคลิก สร้างคีย์ API ใหม่

  2. รันคำสั่ง /connect และค้นหา DeepSeek

    /connect
  3. ป้อนคีย์ DeepSeek API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดล DeepSeek เช่น DeepSeek V4 Pro

    /models

  1. ไปที่ แดชบอร์ด Deep Infra สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา Deep Infra

    /connect
  3. ป้อนคีย์ Deep Infra API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

  1. ไปที่ แดชบอร์ด FrogBot สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา FrogBot

    /connect
  3. ป้อนคีย์ FrogBot API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

  1. ไปที่ คอนโซล Fireworks AI สร้างบัญชี แล้วคลิก Create API Key

  2. รันคำสั่ง /connect และค้นหา Fireworks AI

    /connect
  3. ป้อนคีย์ Fireworks AI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Kimi K2 Instruct

    /models

GitLab Duo ให้การแชทแบบเอเจนต์ที่ขับเคลื่อนด้วย AI พร้อมความสามารถในการเรียกใช้เครื่องมือแบบเนทีฟผ่านพร็อกซี Anthropic ของ GitLab

  1. รันคำสั่ง /connect และเลือก GitLab

    /connect
  2. เลือกวิธีการรับรองความถูกต้องของคุณ:

    ┌ Select auth method
    │
    │ OAuth (Recommended)
    │ Personal Access Token
    └

    การใช้ OAuth (แนะนำ)

    เลือก OAuth และเบราว์เซอร์ของคุณจะเปิดขึ้นเพื่อรับสิทธิ์

การใช้ Personal Access Token

  1. ไปที่ GitLab User Settings > Access Tokens

  2. คลิก เพิ่มโทเค็นใหม่

  3. ชื่อ: OpenCode, ขอบเขต: api

  4. คัดลอกโทเค็น (เริ่มต้นด้วย glpat-)

  5. ป้อนลงใน terminal

  6. รันคำสั่ง /models เพื่อดูรุ่นที่มีจำหน่าย

    /models

    มีโมเดลที่ใช้ Claude สามรุ่นให้เลือก:

    • duo-chat-haiku-4-5 (ค่าเริ่มต้น) - ตอบสนองรวดเร็วสำหรับงานด่วน
    • duo-chat-sonnet-4-5 - ประสิทธิภาพที่สมดุลสำหรับขั้นตอนการทำงานส่วนใหญ่
    • duo-chat-opus-4-5 - มีความสามารถมากที่สุดสำหรับการวิเคราะห์ที่ซับซ้อน
GitLab ที่โฮสต์เอง

สำหรับอินสแตนซ์ GitLab ที่โฮสต์เอง:

เทอร์มินัล
export GITLAB_INSTANCE_URL=https://gitlab.company.com
export GITLAB_TOKEN=glpat-...

หากอินสแตนซ์ของคุณใช้งาน AI Gateway แบบกำหนดเอง:

เทอร์มินัล
GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com

หรือเพิ่มในโปรไฟล์ทุบตีของคุณ:

~/.bash_profile
export GITLAB_INSTANCE_URL=https://gitlab.company.com
export GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com
export GITLAB_TOKEN=glpat-...
OAuth สำหรับอินสแตนซ์ที่โฮสต์เอง

คุณต้องสร้างเพื่อให้ Oauth ทำงานกับอินสแตนซ์ที่โฮสต์เองได้ แอพพลิเคชั่นใหม่ (Settings → Applications) ด้วย โทรกลับ URL http://127.0.0.1:8080/callback และขอบเขตต่อไปนี้:

  • api (เข้าถึง API ในนามของคุณ)
  • read_user (อ่านข้อมูลส่วนตัวของคุณ)
  • read_repository (อนุญาตให้เข้าถึงที่เก็บแบบอ่านอย่างเดียว)

จากนั้นเปิดเผย ID แอปพลิเคชันเป็นตัวแปรสภาพแวดล้อม:

เทอร์มินัล
export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

เอกสารประกอบเพิ่มเติมเกี่ยวกับหน้าแรกของ opencode-gitlab-auth

การกำหนดค่า

ปรับแต่งผ่าน opencode.json:

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "gitlab": {
      "options": {
        "instanceUrl": "https://gitlab.com"
      }
    }
  }
}
GitLab API Tools (เป็นทางเลือก แต่แนะนำเป็นอย่างยิ่ง)

วิธีเข้าถึงเครื่องมือ GitLab (รวมคำขอ ปัญหา ไปป์ไลน์ CI/CD ฯลฯ):

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "plugin": ["opencode-gitlab-plugin"]
}

ปลั๊กอินนี้มอบความสามารถในการจัดการพื้นที่เก็บข้อมูล GitLab ที่ครอบคลุม รวมถึงการตรวจสอบ MR การติดตามปัญหา การตรวจสอบไปป์ไลน์ และอื่นๆ


วิธีใช้การสมัครสมาชิก GitHub Copilot ด้วย opencode:

  1. รันคำสั่ง /connect และค้นหา GitHub Copilot

    /connect
  2. ไปที่ github.com/login/device และป้อนรหัส

    ┌ Login with GitHub Copilot
    │
    │ https://github.com/login/device
    │
    │ Enter code: 8F43-6FCF
    │
    │ Waiting for authorization...
  3. ตอนนี้รันคำสั่ง /models เพื่อเลือกรุ่นที่คุณต้องการ

    /models

วิธีใช้ Google Vertex AI กับ OpenCode:

  1. ไปที่ Model Garden ใน Google Cloud Console แล้วตรวจสอบ รุ่นที่มีในภูมิภาคของคุณ

  2. ตั้งค่าตัวแปรสภาพแวดล้อมที่ต้องการ:

    • GOOGLE_CLOUD_PROJECT: รหัสโครงการ Google Cloud ของคุณ
    • VERTEX_LOCATION (เป็นทางเลือก): ภูมิภาคสำหรับ Vertex AI (ค่าเริ่มต้นคือ global)
    • การรับรองความถูกต้อง (เลือกหนึ่งรายการ):
      • GOOGLE_APPLICATION_CREDENTIALS: เส้นทางไปยังบัญชีบริการของคุณ JSON ไฟล์คีย์
      • ตรวจสอบสิทธิ์โดยใช้ gcloud CLI: gcloud auth application-default login

    ตั้งค่าในขณะที่เรียกใช้ opencode

    เทอร์มินัล
    GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=your-project-id opencode

    หรือเพิ่มลงในโปรไฟล์ทุบตีของคุณ

    ~/.bash_profile
    export GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json
    export GOOGLE_CLOUD_PROJECT=your-project-id
    export VERTEX_LOCATION=global
  1. รันคำสั่ง /models เพื่อเลือกรุ่นที่ต้องการ

    /models

  1. ไปที่ Groq console คลิก Create API Key และคัดลอกคีย์

  2. เรียกใช้คำสั่ง /connect และค้นหา Groq

    /connect
  3. ป้อนคีย์ API สำหรับผู้ให้บริการ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกคำสั่งที่คุณต้องการ

    /models

ผู้ให้บริการการอนุมาน Hugging Face ช่วยให้สามารถเข้าถึงโมเดลแบบเปิดที่รองรับโดยผู้ให้บริการมากกว่า 17 ราย

  1. ไปที่ การตั้งค่า Hugging Face เพื่อสร้างโทเค็นที่มีสิทธิ์ในการโทรไปยังผู้ให้บริการการอนุมาน

  2. เรียกใช้คำสั่ง /connect และค้นหา Hugging Face

    /connect
  3. ป้อน Hugging Face Token ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดล เช่น Kimi-K2-Instruct หรือ GLM-4.6

    /models

Helicone เป็นแพลตฟอร์มการติดตาม LLM ที่ให้การบันทึก การตรวจสอบ และการวิเคราะห์สำหรับแอปพลิเคชัน AI ของคุณ Helicone AI Gateway กำหนดเส้นทางคำขอของคุณไปยังผู้ให้บริการที่เหมาะสมโดยอัตโนมัติตามรุ่น

  1. ไปที่ Helicone สร้างบัญชี และสร้างคีย์ API จากแดชบอร์ดของคุณ

  2. รันคำสั่ง /connect และค้นหา Helicone

    /connect
  3. ป้อนคีย์ Helicone API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

หากต้องการทราบผู้ให้บริการเพิ่มเติมและฟีเจอร์ขั้นสูง เช่น การแคชและการจำกัดอัตรา โปรดตรวจสอบ เอกสารประกอบของ Helicone

การกำหนดค่าเพิ่มเติม

ในกรณีที่คุณเห็นคุณสมบัติหรือรุ่นจาก Helicone ที่ไม่ได้กำหนดค่าโดยอัตโนมัติผ่าน opencode คุณสามารถกำหนดค่าด้วยตนเองได้ตลอดเวลา

นี่คือ Helicone’s Model Directory คุณจะต้องใช้สิ่งนี้เพื่อรับ ID ของโมเดลที่คุณต้องการเพิ่ม

~/.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",
        },
      },
    },
  },
}

ส่วนหัวที่กำหนดเอง

Helicone รองรับส่วนหัวแบบกำหนดเองสำหรับฟีเจอร์ต่างๆ เช่น การแคช การติดตามผู้ใช้ และการจัดการเซสชัน เพิ่มลงในการกำหนดค่าผู้ให้บริการของคุณโดยใช้ options.headers:

~/.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",
        },
      },
    },
  },
}
การติดตามเซสชัน

คุณลักษณะ เซสชัน ของ Helicone ช่วยให้คุณสามารถจัดกลุ่มคำขอ LLM ที่เกี่ยวข้องเข้าด้วยกันได้ ใช้ปลั๊กอิน opencode-helicone-session เพื่อบันทึกการสนทนา OpenCode แต่ละรายการเป็นเซสชันใน Helicone โดยอัตโนมัติ

เทอร์มินัล
npm install -g opencode-helicone-session

เพิ่มลงในการกำหนดค่าของคุณ

opencode.json
{
  "plugin": ["opencode-helicone-session"]
}

ปลั๊กอินจะแทรกส่วนหัว Helicone-Session-Id และ Helicone-Session-Name ลงในคำขอของคุณ ในหน้าเซสชันของ Helicone คุณจะเห็นการสนทนา OpenCode แต่ละรายการแยกเป็นเซสชันแยกกัน

ส่วนหัวของ Helicone ทั่วไป
ส่วนหัวคำอธิบาย
Helicone-Cache-Enabledเปิดใช้งานการแคชการตอบกลับ (true/false)
Helicone-User-Idติดตามตัวชี้วัดตามผู้ใช้
Helicone-Property-[Name]เพิ่มคุณสมบัติที่กำหนดเอง (เช่น Helicone-Property-Environment)
Helicone-Prompt-Idเชื่อมโยงคำขอกับเวอร์ชันพร้อมท์

ดู Helicone Header Directory สำหรับส่วนหัวที่มีอยู่ทั้งหมด


คุณสามารถกำหนดค่า opencode เพื่อใช้โมเดลท้องถิ่นผ่านยูทิลิตี้ llama.cpp’s llama-server

opencode.json
{
  "$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
          }
        }
      }
    }
  }
}

ในตัวอย่างนี้:

  • llama.cpp คือ ID ผู้ให้บริการที่กำหนดเอง นี่อาจเป็นสตริงใดก็ได้ที่คุณต้องการ
  • npm ระบุแพ็คเกจที่จะใช้สำหรับผู้ให้บริการรายนี้ ในที่นี้ @ai-sdk/openai-compatible ใช้สำหรับ API ที่เข้ากันได้กับ OpenAI
  • name คือชื่อที่แสดงของผู้ให้บริการใน UI
  • options.baseURL เป็นจุดสิ้นสุดสำหรับเซิร์ฟเวอร์ภายในเครื่อง
  • models คือแมปของ ID โมเดลกับการกำหนดค่า ชื่อรุ่นจะปรากฏในรายการเลือกรุ่น

IO.NET มี 17 โมเดลที่ได้รับการปรับให้เหมาะกับการใช้งานที่หลากหลาย:

  1. ไปที่ IO.NET console สร้างบัญชี และสร้างคีย์ API

  2. รันคำสั่ง /connect และค้นหา IO.NET

    /connect
  3. ป้อนคีย์ IO.NET API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

คุณสามารถกำหนดค่า opencode เพื่อใช้โมเดลท้องถิ่นผ่าน LM Studio

opencode.json
{
  "$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)"
        }
      }
    }
  }
}

ในตัวอย่างนี้:

  • lmstudio คือ ID ผู้ให้บริการที่กำหนดเอง นี่อาจเป็นสตริงใดก็ได้ที่คุณต้องการ
  • npm ระบุแพ็คเกจที่จะใช้สำหรับผู้ให้บริการรายนี้ ในที่นี้ @ai-sdk/openai-compatible ใช้สำหรับ API ที่เข้ากันได้กับ OpenAI
  • name คือชื่อที่แสดงของผู้ให้บริการใน UI
  • options.baseURL เป็นจุดสิ้นสุดสำหรับเซิร์ฟเวอร์ภายในเครื่อง
  • models คือแมปของ ID โมเดลกับการกำหนดค่า ชื่อรุ่นจะปรากฏในรายการเลือกรุ่น

วิธีใช้ Kimi K2 จาก Moonshot AI:

  1. ไปที่ Moonshot AI console สร้างบัญชี แล้วคลิก Create API Key

  2. รันคำสั่ง /connect และค้นหา Moonshot AI

    /connect
  3. ป้อนคีย์ Moonshot API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือก Kimi K2

    /models

  1. ไปที่ MiniMax API Console สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา MiniMax

    /connect
  3. ป้อนคีย์ MiniMax API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่นเช่น M2.1

    /models

  1. ไปที่ คอนโซล Nebius Token Factory สร้างบัญชี แล้วคลิก Add key

  2. รันคำสั่ง /connect และค้นหา Nebius Token Factory

    /connect
  3. ป้อนคีย์ Nebius Token Factory API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Kimi K2 Instruct

    /models

คุณสามารถกำหนดค่า opencode เพื่อใช้โมเดลท้องถิ่นผ่าน Ollama

opencode.json
{
  "$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"
        }
      }
    }
  }
}

ในตัวอย่างนี้:

  • ollama คือ ID ผู้ให้บริการที่กำหนดเอง นี่อาจเป็นสตริงใดก็ได้ที่คุณต้องการ
  • npm ระบุแพ็คเกจที่จะใช้สำหรับผู้ให้บริการรายนี้ ในที่นี้ @ai-sdk/openai-compatible ใช้สำหรับ API ที่เข้ากันได้กับ OpenAI
  • name คือชื่อที่แสดงของผู้ให้บริการใน UI
  • options.baseURL เป็นจุดสิ้นสุดสำหรับเซิร์ฟเวอร์ภายในเครื่อง
  • models คือแมปของ ID โมเดลกับการกำหนดค่า ชื่อรุ่นจะปรากฏในรายการเลือกรุ่น

วิธีใช้ Ollama Cloud กับ OpenCode:

  1. ไปที่ https://ollama.com/ แล้วลงชื่อเข้าใช้หรือสร้างบัญชี

  2. ไปที่ Settings > Keys แล้วคลิก Add API Key เพื่อสร้างคีย์ API ใหม่

  3. คัดลอกคีย์ API เพื่อใช้ใน OpenCode

  4. เรียกใช้คำสั่ง /connect และค้นหา Ollama Cloud

    /connect
  5. ป้อนคีย์ Ollama Cloud API ของคุณ

    ┌ API key
    │
    │
    └ enter
  6. สำคัญ: ก่อนที่จะใช้โมเดลคลาวด์ใน OpenCode คุณต้องดึงข้อมูลโมเดลในเครื่อง:

    เทอร์มินัล
    ollama pull gpt-oss:20b-cloud
  7. รันคำสั่ง /models เพื่อเลือกโมเดล Ollama Cloud ของคุณ

    /models

เราขอแนะนำให้สมัคร ChatGPT Plus หรือ Pro

  1. เมื่อคุณสมัครแล้ว ให้รันคำสั่ง /connect และเลือก OpenAI

    /connect
  2. ที่นี่คุณสามารถเลือกตัวเลือก ChatGPT Plus/Pro จากนั้นเบราว์เซอร์จะเปิดขึ้นมา และขอให้คุณตรวจสอบสิทธิ์

    ┌ Select auth method
    │
    │ ChatGPT Plus/Pro
    │ Manually enter API Key
    └
  3. ตอนนี้โมเดล OpenAI ทั้งหมดควรจะพร้อมใช้งานเมื่อคุณใช้คำสั่ง /models

    /models
การใช้ API Key

หากคุณมีคีย์ API อยู่แล้ว คุณสามารถเลือก Manually enter API Key และวางลงใน terminal ของคุณ


OpenCode Models คือรายการโมเดลที่ได้รับการทดสอบและตรวจสอบแล้วโดยทีมงาน OpenCode เรียนรู้เพิ่มเติม

  1. ลงชื่อเข้าใช้ OpenCode Console และคลิก สร้าง API คีย์

  2. เรียกใช้คำสั่ง /connect และค้นหา OpenCode

    /connect
  3. ป้อนคีย์ OpenCode API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Qwen 3 Coder 480B

    /models

  1. ไปที่ OpenRouter dashboard คลิก Create API Key และคัดลอกคีย์

  2. เรียกใช้คำสั่ง /connect และค้นหา OpenRouter

    /connect
  3. ป้อนคีย์ API สำหรับผู้ให้บริการ

    ┌ API key
    │
    │
    └ enter
  4. โมเดล OpenRouter จำนวนมากถูกโหลดไว้ล่วงหน้าตามค่าเริ่มต้น รันคำสั่ง /models เพื่อเลือกโมเดลที่คุณต้องการ

    /models

    คุณยังสามารถเพิ่มโมเดลเพิ่มเติมผ่านการกำหนดค่า opencode ของคุณได้

    opencode.json
    {
      "$schema": "https://opencode.ai/config.json",
      "provider": {
        "openrouter": {
          "models": {
            "somecoolnewmodel": {}
          }
        }
      }
    }
  5. คุณยังสามารถปรับแต่งได้ผ่านการกำหนดค่า opencode ของคุณ นี่คือตัวอย่างการระบุผู้ให้บริการ

    opencode.json
    {
      "$schema": "https://opencode.ai/config.json",
      "provider": {
        "openrouter": {
          "models": {
            "moonshotai/kimi-k2": {
              "options": {
                "provider": {
                  "order": ["baseten"],
                  "allow_fallbacks": false
                }
              }
            }
          }
        }
      }
    }

SAP AI Core ให้การเข้าถึงโมเดลมากกว่า 40 รุ่นจาก OpenAI, Anthropic, Google, Amazon, Meta, Mistral และ AI21 ผ่านแพลตฟอร์มเดียว

  1. ไปที่ SAP BTP Cockpit ของคุณ ไปที่อินสแตนซ์บริการ SAP AI Core และสร้างคีย์บริการ

  2. เรียกใช้คำสั่ง /connect และค้นหา SAP AI Core

    /connect
  3. ป้อน JSON คีย์บริการของคุณ

    ┌ Service key
    │
    │
    └ enter

    หรือตั้งค่าตัวแปรสภาพแวดล้อม AICORE_SERVICE_KEY:

    เทอร์มินัล
    AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' opencode

    หรือเพิ่มลงในโปรไฟล์ทุบตีของคุณ:

    ~/.bash_profile
    export AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}'
  4. เลือกตั้งค่ารหัสการปรับใช้และกลุ่มทรัพยากร:

    เทอร์มินัล
    AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode
  5. รันคำสั่ง /models เพื่อเลือกจาก 40+ รุ่นที่มีอยู่

    /models

STACKIT AI Model Serving มอบสภาพแวดล้อมการโฮสต์ที่มีการจัดการเต็มรูปแบบสำหรับโมเดล AI โดยเน้นที่ LLM เช่น Llama, Mistral และ Qwen โดยมีอธิปไตยของข้อมูลสูงสุดบนโครงสร้างพื้นฐานยุโรป

  1. ไปที่ STACKIT Portal ไปที่ AI Model Serving และสร้างโทเค็นการตรวจสอบสิทธิ์สำหรับโครงการของคุณ

  2. เรียกใช้คำสั่ง /connect และค้นหา STACKIT

    /connect
  3. ป้อนโทเค็นการตรวจสอบสิทธิ์ STACKIT AI Model Serving ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกจากโมเดลที่มีอยู่ เช่น Qwen3-VL 235B หรือ Llama 3.3 70B

    /models

  1. ไปที่ OVHcloud panel ไปที่ส่วน Public Cloud, AI & Machine Learning > AI Endpoints และในแท็บ API Keys ให้คลิก Create a new API key

  2. เรียกใช้คำสั่ง /connect และค้นหา OVHcloud AI Endpoints

    /connect
  3. ป้อนคีย์ API OVHcloud AI Endpoints ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น gpt-oss-120b

    /models

วิธีใช้ Scaleway Generative APIs กับ Opencode:

  1. ไปที่ Scaleway Console IAM settings เพื่อสร้างคีย์ API ใหม่

  2. เรียกใช้คำสั่ง /connect และค้นหา Scaleway

    /connect
  3. ป้อนคีย์ Scaleway API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น devstral-2-123b-instruct-2512 หรือ gpt-oss-120b

    /models

  1. ไปที่ Together AI console สร้างบัญชี และคลิก Add Key

  2. เรียกใช้คำสั่ง /connect และค้นหา Together AI

    /connect
  3. ป้อนคีย์ Together AI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Kimi K2 Instruct

    /models

  1. ไปที่ Venice AI console สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา Venice AI

    /connect
  3. ป้อนคีย์ Venice AI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Llama 3.3 70B

    /models

Vercel AI Gateway ช่วยให้คุณเข้าถึงโมเดลจาก OpenAI, Anthropic, Google, xAI และอื่นๆ อีกมากมายผ่านจุดสิ้นสุดแบบรวม โมเดลถูกนำเสนอในราคาปลีกโดยไม่มีการบวกเพิ่ม

  1. ไปที่ Vercel dashboard ไปที่แท็บ AI Gateway และคลิก API keys เพื่อสร้างคีย์ API ใหม่

  2. เรียกใช้คำสั่ง /connect และค้นหา Vercel AI Gateway

    /connect
  3. ป้อนคีย์ Vercel AI Gateway API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกรุ่น

    /models

คุณยังสามารถปรับแต่งโมเดลผ่านการกำหนดค่า opencode ของคุณได้ นี่คือตัวอย่างการระบุลำดับการกำหนดเส้นทางผู้ให้บริการ

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "vercel": {
      "models": {
        "anthropic/claude-sonnet-4": {
          "options": {
            "order": ["anthropic", "vertex"]
          }
        }
      }
    }
  }
}

ตัวเลือกการกำหนดเส้นทางที่มีประโยชน์บางประการ:

ตัวเลือกคำอธิบาย
orderลำดับผู้ให้บริการที่จะลอง
onlyจำกัดเฉพาะผู้ให้บริการที่ระบุ
zeroDataRetentionใช้เฉพาะผู้ให้บริการที่มีนโยบายการเก็บรักษาข้อมูลเป็นศูนย์

  1. ไปที่ xAI console สร้างบัญชี และสร้างคีย์ API

  2. เรียกใช้คำสั่ง /connect และค้นหา xAI

    /connect
  3. ป้อนคีย์ xAI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น Grok Beta

    /models

  1. ไปที่ Z.AI API console สร้างบัญชี และคลิก Create a new API key

  2. เรียกใช้คำสั่ง /connect และค้นหา Z.AI

    /connect

    หากคุณสมัครรับ GLM Coding Plan ให้เลือก Z.AI Coding Plan

  3. ป้อนคีย์ Z.AI API ของคุณ

    ┌ API key
    │
    │
    └ enter
  4. รันคำสั่ง /models เพื่อเลือกโมเดลเช่น GLM-4.7

    /models

  1. ไปที่ ZenMux dashboard คลิก Create API Key และคัดลอกคีย์

  2. เรียกใช้คำสั่ง /connect และค้นหา ZenMux

    /connect
  3. ป้อนคีย์ API สำหรับผู้ให้บริการ

    ┌ API key
    │
    │
    └ enter
  4. โมเดล ZenMux จำนวนมากถูกโหลดไว้ล่วงหน้าตามค่าเริ่มต้น รันคำสั่ง /models เพื่อเลือกโมเดลที่คุณต้องการ

    /models

    คุณยังสามารถเพิ่มโมเดลเพิ่มเติมผ่านการกำหนดค่า opencode ของคุณได้

    opencode.json
    {
      "$schema": "https://opencode.ai/config.json",
      "provider": {
        "zenmux": {
          "models": {
            "somecoolnewmodel": {}
          }
        }
      }
    }

หากต้องการเพิ่มผู้ให้บริการที่ เข้ากันได้กับ OpenAI ใดๆ ที่ไม่มีรายชื่ออยู่ในคำสั่ง /connect:

  1. เรียกใช้คำสั่ง /connect และเลื่อนลงไปที่ Other

    เทอร์มินัล
    $ /connect
    
    ┌  Add credential
    │
    ◆  Select provider
    │  ...
    │  ● Other
    └
  2. ป้อน ID เฉพาะสำหรับผู้ให้บริการ

    เทอร์มินัล
    $ /connect
    
    ┌  Add credential
    │
    ◇  Enter provider id
    │  myprovider
    └
  3. ป้อนคีย์ API สำหรับผู้ให้บริการ

    เทอร์มินัล
    $ /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. สร้างหรืออัปเดตไฟล์ opencode.json ของคุณในไดเร็กทอรีโครงการของคุณ:

    opencode.json
    {
      "$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"
            }
          }
        }
      }
    }

    นี่คือตัวเลือกการกำหนดค่า:

    • npm: แพ็คเกจ AI SDK ที่จะใช้ @ai-sdk/openai-compatible สำหรับผู้ให้บริการที่เข้ากันได้กับ OpenAI
    • name: ชื่อที่แสดงใน UI
    • models: โมเดลที่มีจำหน่าย
    • options.baseURL: URL จุดสิ้นสุด API
    • options.apiKey: ตั้งค่าคีย์ API ทางเลือก หากไม่ได้ใช้การรับรองความถูกต้อง
    • options.headers: ตั้งค่าส่วนหัวที่กำหนดเองได้ตามต้องการ

    ข้อมูลเพิ่มเติมเกี่ยวกับตัวเลือกขั้นสูงในตัวอย่างด้านล่าง

  5. รันคำสั่ง /models และผู้ให้บริการและโมเดลที่คุณกำหนดเองจะปรากฏในรายการตัวเลือก


ตัวอย่าง

นี่คือตัวอย่างการตั้งค่าตัวเลือก apiKey, headers และรุ่น limit

opencode.json
{
  "$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
          }
        }
      }
    }
  }
}

รายละเอียดการกำหนดค่า:

  • apiKey: ตั้งค่าโดยใช้ไวยากรณ์ตัวแปร env เรียนรู้เพิ่มเติม
  • headers: ส่วนหัวที่กำหนดเองที่ส่งไปกับแต่ละคำขอ
  • limit.context: โทเค็นอินพุตสูงสุดที่โมเดลยอมรับ
  • limit.output: โทเค็นสูงสุดที่โมเดลสามารถสร้างได้

ฟิลด์ limit ช่วยให้ OpenCode เข้าใจว่าคุณมีบริบทเหลืออยู่เท่าใด ผู้ให้บริการมาตรฐานจะดึงข้อมูลเหล่านี้จาก models.dev โดยอัตโนมัติ


หากคุณประสบปัญหาในการกำหนดค่าผู้ให้บริการ ให้ตรวจสอบสิ่งต่อไปนี้:

  1. ตรวจสอบการตั้งค่าการรับรองความถูกต้อง: รัน opencode auth list เพื่อดูว่ามีการเพิ่มข้อมูลรับรอง สำหรับผู้ให้บริการในการกำหนดค่าของคุณหรือไม่

    สิ่งนี้ใช้ไม่ได้กับผู้ให้บริการเช่น Amazon Bedrock ซึ่งอาศัยตัวแปรสภาพแวดล้อมสำหรับการตรวจสอบสิทธิ์

  2. สำหรับผู้ให้บริการที่กำหนดเอง ให้ตรวจสอบการกำหนดค่า opencode และ:

    • ตรวจสอบให้แน่ใจว่า ID ผู้ให้บริการที่ใช้ในคำสั่ง /connect ตรงกับ ID ในการกำหนดค่า opencode ของคุณ
    • ใช้แพ็คเกจ npm ที่ถูกต้องสำหรับผู้ให้บริการ ตัวอย่างเช่น ใช้ @ai-sdk/cerebras สำหรับ Cerebras และสำหรับผู้ให้บริการอื่นๆ ที่เข้ากันได้กับ OpenAI ให้ใช้ @ai-sdk/openai-compatible
    • ตรวจสอบว่าใช้จุดสิ้นสุด API ที่ถูกต้องในฟิลด์ options.baseURL