--- title: Providers description: Using any LLM provider in OpenCode. --- import config from "../../../../config.mjs" export const console = config.console OpenCode는 [AI SDK](https://ai-sdk.dev/) 및 [Models.dev](https://models.dev)를 사용하여 **75+ LLM 제공 업체**를 지원하며 로컬 모델을 실행합니다. 필요한 공급자를 추가하려면: 1. `/connect` 명령을 사용하여 공급자를 위한 API 열쇠를 추가하십시오. 2. OpenCode config에 있는 공급자를 구성하십시오. --- ### 등급 공급자의 API 키를 `/connect` 명령으로 추가하면 저장됩니다. `~/.local/share/opencode/auth.json`에서. --- #### 콘피그 OpenCode의 `provider` 섹션을 통해 공급자를 사용자 정의 할 수 있습니다. 설정. --- ### 기본 URL `baseURL` 옵션을 설정하여 모든 공급자를위한 기본 URL을 사용자 정의 할 수 있습니다. 프록시 서비스 또는 사용자 정의 엔드포인트를 사용할 때 유용합니다. ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "anthropic": { "options": { "baseURL": "https://api.anthropic.com/v1" } } } } ``` --- ## 오픈코드 젠 OpenCode Zen은 OpenCode 팀이 제공하는 모델 목록입니다. OpenCode와 잘 작동하도록 테스트 및 검증. [더 알아보기](/docs/zen). :::tip 새로운 경우, OpenCode Zen로 시작하는 것이 좋습니다. ::: 1. TUI에서 `/connect` 명령을 실행하고, opencode를 선택하고, [opencode.ai/auth](https://opencode.ai/auth)에 머리를 선택합니다. ```txt /connect ``` 2. 로그인, 청구 세부 정보를 추가하고 API 키를 복사하십시오. 3. API 키를 붙여. ```txt ┌ API key │ │ └ enter ``` 4. TUI의 `/models`를 실행하여 우리가 추천하는 모델 목록을 볼 수 있습니다. ```txt /models ``` OpenCode의 다른 공급자와 같이 작동하고 사용하기에 완전히 선택적입니다. --- ## 디렉토리 세부사항에 있는 공급자의 몇몇을 보십시오. 공급자를 추가하려는 경우 목록, PR을 무료로 엽니 다. :::note 여기에서 공급자를 볼 수 없습니다? PR 제출 ::: --- ### 302. 사이트맵 1. [302.AI 콘솔](https://302.ai/)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **302.AI**를 검색하십시오. ```txt /connect ``` 3. 302.AI API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` --- ### 아마존 베드록 OpenCode로 Amazon Bedrock을 사용하려면: 1. Amazon Bedrock 콘솔 및 요청에서 ** 모델 카탈로그**에 머리 원하는 모델에 액세스. :::tip Amazon Bedrock에서 원하는 모델에 액세스해야합니다. ::: 2. ** 설정** 다음 방법 중 하나를 사용하여: ### 환경 변수 (빠른 시작) opencode를 실행하는 동안 이러한 환경 변수 중 하나를 설정: ```bash # Option 1: Using AWS access keys AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode # Option 2: Using named AWS profile AWS_PROFILE=my-profile opencode # Option 3: Using Bedrock bearer token AWS_BEARER_TOKEN_BEDROCK=XXX opencode ``` 또는 bash 프로필에 추가: ```bash title="~/.bash_profile" export AWS_PROFILE=my-dev-profile export AWS_REGION=us-east-1 ``` #### 설정 파일 (추천) 프로젝트 별 또는 지속적 구성의 경우 `opencode.json`를 사용하십시오. ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "amazon-bedrock": { "options": { "region": "us-east-1", "profile": "my-aws-profile" } } } } ``` ** 유효한 옵션:** - `region` - AWS 지역 (예: `us-east-1`, `eu-west-1`) - `profile` - AWS는 `~/.aws/credentials`에서 단면도를 지명했습니다 - `endpoint` - VPC 엔드 포인트에 대한 사용자 정의 엔드 포인트 URL (일반 `baseURL` 옵션 별) :::tip 구성 파일 옵션은 환경 변수에 대한 precedence를 가져옵니다. ::: #### 고급: VPC 엔드포인트 Bedrock의 VPC 엔드포인트를 사용하는 경우: ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "amazon-bedrock": { "options": { "region": "us-east-1", "profile": "production", "endpoint": "https://bedrock-runtime.us-east-1.vpce-xxxxx.amazonaws.com" } } } } ``` :::note `endpoint` 옵션은 일반적인 `baseURL` 옵션의 별칭입니다. `endpoint`와 `baseURL` 둘 다 지정되는 경우에, `endpoint`는 전진합니다. ::: #### 인증 방법 -**`AWS_ACCESS_KEY_ID`/`AWS_SECRET_ACCESS_KEY`**: IAM 사용자 생성 및 AWS 콘솔에서 액세스 키를 생성 - **`AWS_PROFILE`**: `~/.aws/credentials`의 프로필 이름을 사용합니다. `aws configure --profile my-profile` 또는 `aws sso login`로 첫번째 구성 - **`AWS_BEARER_TOKEN_BEDROCK`**: Amazon Bedrock 콘솔에서 장기적인 API 키 생성 - **`AWS_WEB_IDENTITY_TOKEN_FILE` / `AWS_ROLE_ARN`**: EKS IRSA (서비스 계정을위한IAM 역할) 또는 OIDC federation과 다른 쿠버네티스 환경. 이 환경 변수는 서비스 계정 할당을 사용할 때 쿠버네티스에 의해 자동으로 주사됩니다. #### 인증 Amazon Bedrock은 다음과 같은 인증 우선 순위를 사용합니다. 1. ** 브라우저 토큰 ** - `AWS_BEARER_TOKEN_BEDROCK` 환경 변수 또는 `/connect` 명령에서 토큰 2. **AWS Credential Chain ** - 프로필, 액세스 키, 공유 자격 증명, IAM 역할, 웹 ID 토큰 (EKS IRSA), 인스턴스 메타 데이터 :::note Bearer 토큰을 설정할 때 (`/connect` 또는 `AWS_BEARER_TOKEN_BEDROCK`를 통해), 구성 된 프로파일을 포함한 모든 AWS 자격 방법을 통해 우선 순위가됩니다. ::: 3. 당신이 원하는 모형을 선정하기 위하여 `/models` 명령을 실행하십시오. ```txt /models ``` :::note custom inference profiles를 위해, 열쇠에 있는 모형 그리고 공급자 이름을 사용하고 arn에 `id` 재산을 놓습니다. 이것은 정확한 캐싱을 지킵니다: ```json title="opencode.json" { "$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" } } } } } ``` ::: --- #### 안토픽 1. 가입하면 `/connect` 명령을 실행하고 Anthropic을 선택합니다. ```txt /connect ``` 2. **Claude Pro/Max** 옵션을 선택하고 브라우저를 열 수 있습니다. 자주 묻는 질문 ```txt ┌ Select auth method │ │ Claude Pro/Max │ Create an API Key │ Manually enter API Key └ ``` 3. 이제 모든 Anthropic 모델은 `/models` 명령을 사용할 때 사용할 수 있어야합니다. ```txt /models ``` :::info OpenCode의 Claude Pro/Max 구독을 사용하여 [Anthropic](https://anthropic.com)에서 공식적으로 지원되지 않습니다. ::: ##### API 키 사용 Pro/Max 구독이 없는 경우 **Create an API Key**를 선택할 수 있습니다. 브라우저를 열고 Anthropic에 로그인하고 터미널에서 붙여넣을 수있는 코드를 제공합니다. 또는 이미 API 키가 있다면, ** 수동으로 API Key**를 입력하고 터미널에서 붙여넣을 수 있습니다. --- ### Azure 오픈AI :::note "나는 미안 해요, 하지만 나는 그 요청을 지원할 수 없습니다" 오류, 에서 콘텐츠 필터를 변경 시도 **DefaultV2**에서 **Default**로 당신의 Azure 자원에. ::: 1. [Azure 포털](https://portal.azure.com/) 이상으로 머리와 **Azure OpenAI** 리소스를 만듭니다. 당신은 필요로 할 것이다: - **소스 이름**: 이것은 API 엔드 포인트의 일부가됩니다 (`https://RESOURCE_NAME.openai.azure.com/`) - ** API 키**: `KEY 1` 또는 당신의 자원에서 `KEY 2` 2. [Azure AI Foundry](https://ai.azure.com/)로 이동하여 모델을 배포합니다. :::note 배포 이름은 제대로 작동하려면 opencode의 모델 이름을 일치해야합니다. ::: 3. `/connect` 명령을 실행하고 **Azure**를 검색하십시오. ```txt /connect ``` 4. API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 5. 환경 변수로 리소스 이름을 설정: ```bash AZURE_RESOURCE_NAME=XXX opencode ``` 또는 bash 프로파일에 추가: ```bash title="~/.bash_profile" export AZURE_RESOURCE_NAME=XXX ``` 6. `/models` 명령을 실행하여 배포 된 모델을 선택하십시오. ```txt /models ``` --- ### Azure Cognitive 서비스 1. [Azure 포털](https://portal.azure.com/) 이상으로 머리와 **Azure OpenAI** 리소스를 만듭니다. 당신은 필요로 할 것이다: - **소스 이름**: 이것은 API 엔드 포인트의 일부가됩니다 (`https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/`) - ** API 키**: `KEY 1` 또는 당신의 자원에서 `KEY 2` 2. [Azure AI Foundry](https://ai.azure.com/)로 이동하여 모델을 배포합니다. :::note 배포 이름은 제대로 작동하려면 opencode의 모델 이름을 일치해야합니다. ::: 3. `/connect` 명령을 실행하고 **Azure Cognitive Services**를 검색하십시오. ```txt /connect ``` 4. API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 5. 환경 변수로 리소스 이름을 설정: ```bash AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode ``` 또는 bash 프로파일에 추가: ```bash title="~/.bash_profile" export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX ``` 6. `/models` 명령을 실행하여 배포 된 모델을 선택하십시오. ```txt /models ``` --- #### 기본 1. [Baseten] (https://app.baseten.co/)에 머리는, 계정을 만들고, API 열쇠를 생성합니다. 2. `/connect` 명령을 실행하고 **Baseten**를 검색하십시오. ```txt /connect ``` 3. Baseten API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` --- #### Cerebras의 1. [Cerebras 콘솔] (https://inference.cerebras.ai/)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **Cerebras**를 검색하십시오. ```txt /connect ``` 3. Cerebras API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Qwen 3 Coder 480B . ```txt /models ``` --- ## Cloudflare AI 게이트웨이 Cloudflare AI 게이트웨이는 OpenAI, Anthropic, Workers AI 등의 모델에 액세스할 수 있으며, 통합된 엔드포인트를 통해 더 많은 기능을 제공합니다. [Unified Billing](https://developers.cloudflare.com/ai-gateway/features/unified-billing/)를 사용하면 각 공급자의 별도의 API 키가 필요하지 않습니다. 1. [Cloudflare 대시보드](https://dash.cloudflare.com/)에 머리, **AI** > **AI Gateway**로 이동하고 새로운 게이트웨이를 만듭니다. 2. 계정 ID 및 Gateway ID를 환경 변수로 설정하십시오. ```bash title="~/.bash_profile" export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id export CLOUDFLARE_GATEWAY_ID=your-gateway-id ``` 3. `/connect` 명령을 실행하고 ** Cloudflare AI Gateway**를 검색하십시오. ```txt /connect ``` 4. Cloudflare API 토큰을 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 또는 환경 변수로 설정한다. ```bash title="~/.bash_profile" export CLOUDFLARE_API_TOKEN=your-api-token ``` 5. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` Opencode config를 통해 모델을 추가할 수 있습니다. ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "cloudflare-ai-gateway": { "models": { "openai/gpt-4o": {}, "anthropic/claude-sonnet-4": {} } } } } ``` --- #### 코텍 1. [Cortecs 콘솔] (https://cortecs.ai/)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **Cortecs**를 검색하십시오. ```txt /connect ``` 3. Cortecs API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Kimi K2 Instruct . ```txt /models ``` --- ## 딥스카이 1. [DeepSeek 콘솔] (https://platform.deepseek.com/)에 머리, 계정을 만들고, ** 새로운 API 키**를 클릭합니다. 2. `/connect` 명령을 실행하고 **DeepSeek**를 검색하십시오. ```txt /connect ``` 3. DeepSeek API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 DeepSeek 모델을 선택하십시오. DeepSeek Reasoner . ```txt /models ``` --- ## 딥 인프라 1. [Deep Infra 대시보드](https://deepinfra.com/dash)에 머리로, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **Deep Infra**를 검색하십시오. ```txt /connect ``` 3. 딥 인프라 API 키 입력. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` --- ## 펌웨어 1. [Firmware 대시보드] (https://app.firmware.ai/signup)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **Firmware**를 검색하십시오. ```txt /connect ``` 3. Firmware API 키 입력. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` --- ## 불꽃 놀이 AI 1. [Fireworks AI 콘솔](https://app.fireworks.ai/)에 머리, 계정을 만들고 ** API 키**를 클릭합니다. 2. `/connect` 명령을 실행하고 ** 불꽃 놀이 AI **를 검색하십시오. ```txt /connect ``` 3. 불꽃 놀이 AI API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Kimi K2 Instruct . ```txt /models ``` --- ### GitLab 듀오 프로젝트 Duo는 GitLab의 Anthropic 프록시를 통해 기본 툴 호출 기능을 갖춘 AI-powered Agentic 채팅을 제공합니다. 1. `/connect` 명령을 실행하고 GitLab을 선택합니다. ```txt /connect ``` 2. 인증 방법을 선택하십시오: ```txt ┌ Select auth method │ │ OAuth (Recommended) │ Personal Access Token └ ``` #### OAuth 사용 (추천) Select**OAuth**와 브라우저는 권한이 없습니다. ### 개인 액세스 토큰 사용 1. [GitLab User Settings > Access Tokens](https://gitlab.com/-/user settings/personal access tokens)로 이동 2. 새 토큰 추가 \*\* 3. 이름: `OpenCode`의 범위: `api` 4. 토큰 복사 (`glpat-`와 함께 시작) 5. 맨끝에서 그것을 입력하십시오 6. 유효한 모형을 보기 위하여 `/models` 명령을 실행하십시오. ```txt /models ``` 세 개의 클로드 기반 모델은 다음과 같습니다. -**duo-chat-haiku-4-5** (기본값) - 빠른 작업에 대한 빠른 응답 -**duo-chat-sonnet-4-5** - 대부분의 워크플로우의 밸런스 성능 -**duo-chat-opus-4-5** - 복잡한 분석 가능 :::note 'GITLAB TOKEN' 환경 변수를 지정할 수도 있습니다. opencode auth 저장소에 토큰을 저장합니다. ::: #### 셀프 호스팅 GitLab :::note[compliance note] OpenCode는 세션 제목을 생성하고 같은 일부 AI 작업을 위해 작은 모델을 사용합니다. 기본적으로 gpt-5-nano를 사용하도록 구성되며 Zen에서 호스팅됩니다. OpenCode를 잠금 자신의 GitLab-hosted 인스턴스를 사용하여 다음을 추가하십시오. `opencode.json` 파일. 세션 공유를 비활성화하는 것이 좋습니다. ```json { "$schema": "https://opencode.ai/config.json", "small_model": "gitlab/duo-chat-haiku-4-5", "share": "disabled" } ``` ::: 자체 호스팅 GitLab 인스턴스: ```bash export GITLAB_INSTANCE_URL=https://gitlab.company.com export GITLAB_TOKEN=glpat-... ``` 인스턴스가 사용자 정의 AI Gateway를 실행하면: ```bash GITLAB_AI_GATEWAY_URL=https://ai-gateway.company.com ``` 또는 bash 프로파일에 추가: ```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 GitLab 관리자는 다음을 활성화해야합니다. 1. [Duo Agent Platform](https://docs.gitlab.com/user/gitlab duo/turn on off/) 사용자, 그룹 또는 인스턴스 2. 특징 깃발 (철도 콘솔을 통해): - `agent_platform_claude_code` - `third_party_agents_enabled` ::: ####OAuth for Self-Hosted 인스턴스 자체 호스팅 된 인스턴스를 위해 Oauth 작업을 만들기 위해, 당신은 만들 필요가 새로운 응용 프로그램 (설정 → 응용 프로그램) 콜백 URL `http://127.0.0.1:8080/callback` 및 다음 범위: - api (당신의 대신에 API에 액세스) - read user (개인 정보 읽기) - read repository (Repository에 읽은 전용 접근) 그런 다음 환경 변수로 애플리케이션 ID를 노출: ```bash export GITLAB_OAUTH_CLIENT_ID=your_application_id_here ``` [opencode-gitlab-auth](https://www.npmjs.com/package/@gitlab/opencode-gitlab-auth) 홈페이지에 대한 추가 문서. ##### 윤곽 `opencode.json`를 통해 주문을 받아서 만드십시오: ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "gitlab": { "options": { "instanceUrl": "https://gitlab.com", "featureFlags": { "duo_agent_platform_agentic_chat": true, "duo_agent_platform": true } } } } } ``` ##### GitLab API 도구 (선택, 그러나 높게 추천되는) GitLab 도구에 액세스하려면 (merge 요청, 문제, 파이프라인, CI/CD 등): ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "plugin": ["@gitlab/opencode-gitlab-plugin"] } ``` 이 플러그인은 MR 리뷰, 문제 추적, 파이프라인 모니터링 등을 포함한 종합 GitLab 저장소 관리 기능을 제공합니다. --- 프로젝트 GitHub Copilot 구독을 사용하여 opencode: :::note 몇몇 모형은 [Pro+를 필요로 할지도 모릅니다 구독] (https://github.com/features/copilot/plans) 사용. 일부 모델은 수동으로 활성화해야합니다 [GitHub Copilot 설정](https://docs.github.com/en/copilot/how-tos/use-ai-models/configure-access-to-ai-models#setup-for-individual-use). ::: 1. `/connect` 명령을 실행하고 GitHub Copilot을 검색하십시오. ```txt /connect ``` 2. [github.com/login/device](https://github.com/login/device)로 이동하여 코드를 입력합니다. ```txt ┌ Login with GitHub Copilot │ │ https://github.com/login/device │ │ Enter code: 8F43-6FCF │ └ Waiting for authorization... ``` 3. 이제 원하는 모델을 선택하기 위해 `/models` 명령을 실행합니다. ```txt /models ``` --- ### 구글 Vertex AI OpenCode로 Google Vertex AI를 사용하려면: 1. Google Cloud Console에서 ** Model Garden**을 통해 헤드를 확인하고 확인하십시오. 당신의 지역에서 유효한 모형. :::note Vertex AI API를 사용하여 Google Cloud 프로젝트를 수행해야합니다. ::: 2. 필요한 환경 변수를 설정: - `GOOGLE_CLOUD_PROJECT`: 당신의 구글 클라우드 프로젝트 ID - `VERTEX_LOCATION` (선택): Vertex AI를 위한 지구 (`global`에 과태) - 인증(초당): - `GOOGLE_APPLICATION_CREDENTIALS`: 서비스 계정 JSON 키 파일 경로 - gcloud CLI를 사용하여 인증 : `gcloud auth application-default login` opencode를 실행하면서 설정한다. ```bash GOOGLE_APPLICATION_CREDENTIALS=/path/to/service-account.json GOOGLE_CLOUD_PROJECT=your-project-id opencode ``` 또는 bash 프로파일에 추가하십시오. ```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` 지구는 가용성을 개량하고 추가 비용 없이 과실을 감소시킵니다. 데이터 거주 요건에 대한 지역 엔드포인트(e.g., `us-central1`)를 사용하십시오. [더 알아보기](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/use-partner-models#regional and global endpoints) ::: 3. 당신이 원하는 모형을 선정하기 위하여 `/models` 명령을 실행하십시오. ```txt /models ``` --- ##### Groq 1. [Groq 콘솔](https://console.groq.com/)에 머리, click **Create API Key**, 키 복사. 2. `/connect` 명령을 실행하고 Groq에 대한 검색. ```txt /connect ``` 3. 공급자를 위한 API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 원하는 것을 선택합니다. ```txt /models ``` --- ###Hugging 얼굴 [Hugging Face Inference Provider](https://huggingface.co/docs/inference-providers)는 17+ 공급자가 지원하는 오픈 모델에 대한 액세스를 제공합니다. 1. [Hugging Face settings](https://huggingface.co/settings/tokens/new?ownUserPermissions=inference.serverless.write&tokenType=fineGrained)를 통해 토큰을 Inference Provider에게 호출할 권한을 부여합니다. 2. `/connect` 명령을 실행하고 **Hugging Face**를 검색하십시오. ```txt /connect ``` 3. Hugging Face 토큰을 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Kimi-K2-Instruct 또는 GLM-4.6 . ```txt /models ``` --- ### 헬리콘 [Helicone](https://helicone.ai)는 AI 애플리케이션에 대한 로깅, 모니터링 및 분석 기능을 제공하는 LLM Observability 플랫폼입니다. Helicone AI Gateway는 모델을 기반으로 적절한 공급자에게 요청을 자동으로 전달합니다. 1. [Helicone](https://helicone.ai)에 머리, 계정을 만들고, 대시보드에서 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 ** Helicone**를 검색하십시오. ```txt /connect ``` 3. Helicone API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` 캐싱 및 속도 제한과 같은 더 많은 공급자와 고급 기능을 위해 [Helicone 문서] (https://docs.helicone.ai)를 확인하십시오. #### 선택 사항 이벤트에서 Opencode를 통해 자동으로 구성되지 않는 Helicone의 기능 또는 모델을 볼 수 있습니다. 여기에 [Helicone의 모델 디렉토리](https://helicone.ai/models), 당신은 당신이 추가 할 모델의 ID를 잡아이 필요. ```jsonc title="~/.config/opencode/opencode.jsonc" { "$schema": "https://opencode.ai/config.json", "provider": { "helicone": { "npm": "@ai-sdk/openai-compatible", "name": "Helicone", "options": { "baseURL": "https://ai-gateway.helicone.ai", }, "models": { "gpt-4o": { // Model ID (from Helicone's model directory page) "name": "GPT-4o", // Your own custom name for the model }, "claude-sonnet-4-20250514": { "name": "Claude Sonnet 4", }, }, }, }, } ``` ##### 사용자 정의 헤더 Helicone는 캐싱, 사용자 추적 및 세션 관리와 같은 기능을 위한 사용자 정의 헤더를 지원합니다. `options.headers`를 사용하여 공급자 구성에 추가하십시오: ```jsonc title="~/.config/opencode/opencode.jsonc" { "$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", }, }, }, }, } ``` ##### 세션 추적 Helicone's [Sessions](https://docs.helicone.ai/features/sessions) 기능으로 그룹 관련 LLM 요청이 가능합니다. [opencode-helicone-session](https://github.com/H2Shami/opencode-helicone-session) 플러그인을 사용하여 각 OpenCode 대화를 Helicone 세션으로 자동 로그인하십시오. ```bash npm install -g opencode-helicone-session ``` 설정에 추가하십시오. ```json title="opencode.json" { "plugin": ["opencode-helicone-session"] } ``` 플러그인은 `Helicone-Session-Id` 및 `Helicone-Session-Name` 헤더를 귀하의 요청에 주사합니다. Helicone의 세션 페이지에서는 별도의 세션으로 나열된 각 OpenCode 대화를 볼 수 있습니다. ###### 공통 헬리콥터 | 헤드러 | Description | | -------------------------- | ---------------------------------------------------------- | | `Helicone-Cache-Enabled` | 대응 캐싱 (`true`/`false`) | | `Helicone-User-Id` | 사용자별 추적 가능 | | `Helicone-Property-[Name]` | 사용자 정의 속성 추가(예: `Helicone-Property-Environment`) | | `Helicone-Prompt-Id` | 신속한 대응 | 모든 사용 가능한 헤더에 대한 [Helicone Header Directory](https://docs.helicone.ai/helicone-headers/header-directory)를 참조하십시오. --- #### llama.cpp를 [llama.cpp's](https://github.com/ggml-org/llama.cpp) llama-server 유틸리티를 통해 로컬 모델을 사용할 수 있습니다. ```json title="opencode.json" "llama.cpp" {5, 6, 8, 10-15} { "$schema": "https://opencode.ai/config.json", "provider": { "llama.cpp": { "npm": "@ai-sdk/openai-compatible", "name": "llama-server (local)", "options": { "baseURL": "http://127.0.0.1:8080/v1" }, "models": { "qwen3-coder:a3b": { "name": "Qwen3-Coder: a3b-30b (local)", "limit": { "context": 128000, "output": 65536 } } } } } } ``` 이 예제에서: - `llama.cpp`는 주문 공급자 ID입니다. 원하는 문자열이 될 수 있습니다. - `npm`는 이 공급자를 위해 사용할 포장을 지정합니다. 여기, `@ai-sdk/openai-compatible`는 OpenAI 호환 API에 사용됩니다. - `name`는 UI에 있는 공급자를 위한 전시 이름입니다. - `options.baseURL`는 로컬 서버의 엔드포인트입니다. - `models`는 모델 ID를 구성하는 맵입니다. 모델 이름은 모델 선택 목록에 표시됩니다. --- ###### IO.NET IO.NET은 다양한 사용 사례에 최적화된 17개의 모델을 제공합니다: 1. [IO.NET 콘솔](https://ai.io.net/)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **IO.NET**를 검색하십시오. ```txt /connect ``` 3. IO.NET API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` --- ### LM 스튜디오 LM Studio를 통해 로컬 모델을 사용할 수 있습니다. ```json title="opencode.json" "lmstudio" {5, 6, 8, 10-14} { "$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)" } } } } } ``` 이 예제에서: - `lmstudio`는 주문 공급자 ID입니다. 원하는 문자열이 될 수 있습니다. - `npm`는 이 공급자를 위해 사용할 포장을 지정합니다. 여기, `@ai-sdk/openai-compatible`는 OpenAI 호환 API에 사용됩니다. - `name`는 UI에 있는 공급자를 위한 전시 이름입니다. - `options.baseURL`는 로컬 서버의 엔드포인트입니다. - `models`는 모델 ID를 구성하는 맵입니다. 모델 이름은 모델 선택 목록에 표시됩니다. --- ## 문샷 AI Moonshot AI에서 Kimi K2 사용 : 1. [Moonshot AI 콘솔] (https://platform.moonshot.ai/console)에 머리, 계정을 만들고, ** API 키**를 클릭합니다. 2. `/connect` 명령을 실행하고 **Moonshot AI**를 검색하십시오. ```txt /connect ``` 3. Moonshot API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 Kimi K2 . ```txt /models ``` --- ## 미니 맥스 1. [MiniMax API 콘솔](https://platform.minimax.io/login)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **MiniMax**를 검색하십시오. ```txt /connect ``` 3. MiniMax API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 M2.1 . ```txt /models ``` --- ## Nebius 토큰 공장 1. [Nebius Token Factory 콘솔] (https://tokenfactory.nebius.com/)에 머리, 계정을 만들고, ** 키 추가 **. 2. `/connect` 명령을 실행하고 **Nebius Token Factory**를 검색하십시오. ```txt /connect ``` 3. Nebius 토큰 공장 API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Kimi K2 Instruct . ```txt /models ``` --- #### 오라마 Ollama를 통해 로컬 모델을 사용할 수 있습니다. :::tip Ollama는 OpenCode를 자동으로 구성할 수 있습니다. 자세한 내용은 [Ollama 통합 문서](https://docs.ollama.com/integrations/opencode)를 참조하십시오. ::: ```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" } } } } } ``` 이 예제에서: - `ollama`는 주문 공급자 ID입니다. 원하는 문자열이 될 수 있습니다. - `npm`는 이 공급자를 위해 사용할 포장을 지정합니다. 여기, `@ai-sdk/openai-compatible`는 OpenAI 호환 API에 사용됩니다. - `name`는 UI에 있는 공급자를 위한 전시 이름입니다. - `options.baseURL`는 로컬 서버의 엔드포인트입니다. - `models`는 모델 ID를 구성하는 맵입니다. 모델 이름은 모델 선택 목록에 표시됩니다. :::tip 도구 호출이 작동하지 않는 경우, Ollama에서 `num_ctx` 증가. 주위 시작 16k - 32k. ::: --- ##Ollama 클라우드 OpenCode로 Ollama Cloud를 사용하려면: 1. [https://ollama.com/](https://ollama.com/) 이상 머리와 로그인하거나 계정을 만들 수 있습니다. 2. Navigate to**Settings** > **Keys** 및 click **API Key**를 추가하여 새로운 API 키 생성. 3. OpenCode에서 사용을 위한 API 열쇠를 복사하십시오. 4. `/connect` 명령을 실행하고 ** Ollama Cloud**를 검색하십시오. ```txt /connect ``` 5. Ollama Cloud API 키 입력. ```txt ┌ API key │ │ └ enter ``` 6. ** 중요 **: OpenCode의 클라우드 모델을 사용하기 전에, 로컬 모델 정보를 끌어야 합니다: ```bash ollama pull gpt-oss:20b-cloud ``` 7. `/models` 명령을 실행하여 Ollama Cloud 모델을 선택하십시오. ```txt /models ``` --- ### 오픈아이 [ChatGPT Plus 또는 Pro] (https://chatgpt.com/pricing)에 가입하는 것이 좋습니다. 1. 가입하면 `/connect` 명령을 실행하고 OpenAI를 선택하십시오. ```txt /connect ``` 2. **ChatGPT Plus/Pro** 옵션을 선택하고 브라우저를 열 수 있습니다. 자주 묻는 질문 ```txt ┌ Select auth method │ │ ChatGPT Plus/Pro │ Manually enter API Key └ ``` 3. 이제 모든 OpenAI 모델은 `/models` 명령을 사용할 때 사용할 수 있어야합니다. ```txt /models ``` ##### API 키 사용 API 키가 이미 있다면 ** 수동으로 API 키**를 입력하고 터미널에서 붙여넣을 수 있습니다. --- ## 오픈코드 젠 OpenCode Zen은 OpenCode 팀에서 제공하는 테스트 및 검증된 모델 목록입니다. [더 알아보기](/docs/zen). 1. 로그인 **OpenCode Zen** and click**Create API Key**. 2. `/connect` 명령을 실행하고 **OpenCode Zen**를 검색하십시오. ```txt /connect ``` 3. OpenCode API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Qwen 3 Coder 480B . ```txt /models ``` --- ## 오픈로자 1. [OpenRouter 대시보드] (https://openrouter.ai/settings/keys)에 머리, click ** API Key**를 클릭하고 키를 복사합니다. 2. `/connect` 명령을 실행하고 OpenRouter를 검색하십시오. ```txt /connect ``` 3. 공급자를 위한 API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 많은 OpenRouter 모델은 기본적으로 `/models` 명령을 실행하여 원하는 것을 선택합니다. ```txt /models ``` Opencode config를 통해 추가 모델을 추가할 수 있습니다. ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "openrouter": { "models": { "somecoolnewmodel": {} } } } } ``` 5. 당신은 또한 당신의 opencode config를 통해 그들을 주문을 받아서 만들 수 있습니다. 공급자 지정의 예입니다. ```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 핵심 SAP AI Core는 OpenAI, Anthropic, Google, Amazon, Meta, Mistral 및 AI21의 40+ 모델에 대한 액세스를 제공합니다. 1. [SAP BTP Cockpit](https://account.hana.ondemand.com/)로 이동하여 SAP AI Core 서비스 인스턴스로 이동하고 서비스 키를 만듭니다. :::tip 서비스 키는 `clientid`, `clientsecret`, `url` 및 `serviceurls.AI_API_URL`를 포함하는 JSON 객체입니다. **Services** > **Instances 및 Subscriptions** 아래 AI Core 인스턴스를 찾을 수 있습니다. ::: 2. `/connect` 명령을 실행하고 **SAP AI Core**를 검색하십시오. ```txt /connect ``` 3. 서비스 키 JSON을 입력하십시오. ```txt ┌ Service key │ │ └ enter ``` 또는 `AICORE_SERVICE_KEY` 환경 변수를 설정: ```bash AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' opencode ``` 또는 bash 프로파일에 추가: ```bash title="~/.bash_profile" export AICORE_SERVICE_KEY='{"clientid":"...","clientsecret":"...","url":"...","serviceurls":{"AI_API_URL":"..."}}' ``` 4. 선택적으로 배치 ID 및 자원 그룹: ```bash AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode ``` :::note 이 설정은 선택 사항이며 SAP AI Core 설정에 따라 구성해야합니다. ::: 5. `/models` 명령을 실행하여 40+ 유효한 모형에서 선택하십시오. ```txt /models ``` --- ### OVHcloud AI 엔드포인트 1. [OVHcloud 패널] (https://ovh.com/manager)에 머리. `Public Cloud` 섹션으로 이동, `AI & Machine Learning` > `AI Endpoints` 및 `API Keys` 탭에서, ** 새로운 API 키 활성화 **. 2. `/connect` 명령을 실행하고 ** OVHcloud AI Endpoints**를 검색하십시오. ```txt /connect ``` 3. OVHcloud AI Endpoints API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 gpt-oss-120b . ```txt /models ``` --- ### 스케일웨이 Opencode를 사용하여 [Scaleway Generative APIs](https://www.scaleway.com/en/docs/generative-apis/)를 사용하려면: 1. [Scaleway 콘솔 IAM 설정](https://console.scaleway.com/iam/api-keys)를 통해 새로운 API 키 생성. 2. `/connect` 명령을 실행하고 **Scaleway**를 검색하십시오. ```txt /connect ``` 3. Scaleway API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오. devstral-2-123b-instruct-2512 또는 gpt-oss-120b . ```txt /models ``` --- ## 함께 AI 1. [Together AI 콘솔](https://api.together.ai)에 머리, 계정을 만들고 ** 키 추가 **를 클릭합니다. 2. `/connect` 명령을 실행하고 **Together AI**를 검색하십시오. ```txt /connect ``` 3. 함께 AI API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Kimi K2 Instruct . ```txt /models ``` --- ## 베니스 AI 1. [Venice AI 콘솔] (https://venice.ai)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **Venice AI **를 검색하십시오. ```txt /connect ``` 3. 베니스 AI API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Llama 3.3 70B . ```txt /models ``` --- ## Vercel AI 게이트웨이 Vercel AI를 게이트웨이는 OpenAI, Anthropic, Google, xAI 등에서 모델에 액세스할 수 있습니다. 모델은 Markup없이 목록 가격에서 제공됩니다. 1. [Vercel 대시보드](https://vercel.com/)에 머리, **AI Gateway** 탭으로 이동하고, **API 키**를 클릭하여 새로운 API 키 생성. 2. `/connect` 명령을 실행하고 **Vercel AI Gateway**를 검색하십시오. ```txt /connect ``` 3. Vercel AI Gateway API 키 입력. ```txt ┌ API key │ │ └ enter ``` 4. 모델을 선택하려면 `/models` 명령을 실행하십시오. ```txt /models ``` Opencode config를 통해 모델을 사용자 정의 할 수 있습니다. 공급자 routing 순서를 지정하는 예입니다. ```json title="opencode.json" { "$schema": "https://opencode.ai/config.json", "provider": { "vercel": { "models": { "anthropic/claude-sonnet-4": { "options": { "order": ["anthropic", "vertex"] } } } } } } ``` 몇몇 유용한 여정 선택권: | 옵션 | 설명 | | ------------------- | --------------------------------- | | `order` | 공급자의 순서 | | `only` | 특정 공급자 제한 | | `zeroDataRetention` | 제로 데이터 보유 정책만 이용 가능 | --- # 1. [xAI 콘솔](https://console.x.ai/)에 머리, 계정을 만들고 API 키를 생성합니다. 2. `/connect` 명령을 실행하고 **xAI**를 검색하십시오. ```txt /connect ``` 3. xAI API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 Grok Beta . ```txt /models ``` --- #### Z.AI 1. [Z.AI API 콘솔](https://z.ai/manage-apikey/apikey-list)에 머리, 계정을 만들고, **새로운 API 키**를 클릭합니다. 2. `/connect` 명령을 실행하고 ** Z.AI**를 검색하십시오. ```txt /connect ``` **GLM 코딩 플랜**에 가입하면 **Z.AI 코딩 플랜**을 선택하십시오. 3. Z.AI API 키를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. `/models` 명령을 실행하여 같은 모델을 선택하십시오 GLM-4.7 . ```txt /models ``` --- ## ZenMux를 1. [ZenMux 대쉬보드](https://zenmux.ai/settings/keys)에 머리, click **Create API Key**, 키 복사. 2. `/connect` 명령을 실행하고 ZenMux를 검색하십시오. ```txt /connect ``` 3. 공급자를 위한 API 열쇠를 입력하십시오. ```txt ┌ API key │ │ └ enter ``` 4. 많은 ZenMux 모델은 기본적으로 사전 로드되며 `/models` 명령을 실행하여 원하는 것을 선택합니다. ```txt /models ``` Opencode config를 통해 추가 모델을 추가할 수 있습니다. ```json title="opencode.json" {6} { "$schema": "https://opencode.ai/config.json", "provider": { "zenmux": { "models": { "somecoolnewmodel": {} } } } } ``` --- ## 사용자 정의 공급자 `/connect` 명령에 나열되지 않은 **OpenAI-compatible** 공급자를 추가하려면: :::tip Opencode를 사용하여 OpenAI 호환 공급자를 사용할 수 있습니다. 가장 현대적인 AI 제공 업체는 OpenAI 호환 API를 제공합니다. ::: 1. `/connect` 명령을 실행하고 ** 다른**로 스크롤하십시오. ```bash $ /connect ┌ Add credential │ ◆ Select provider │ ... │ ● Other └ ``` 2. 공급자를 위한 유일한 ID를 입력하십시오. ```bash $ /connect ┌ Add credential │ ◇ Enter provider id │ myprovider └ ``` :::note 기억에 남는 ID를 선택하면 구성 파일에서 이것을 사용할 수 있습니다. ::: 3. 공급자를 위한 당신의 API 열쇠를 입력하십시오. ```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. 프로젝트 디렉토리에 `opencode.json` 파일을 만들거나 업데이트하십시오. ```json title="opencode.json" ""myprovider"" {5-15} { "$schema": "https://opencode.ai/config.json", "provider": { "myprovider": { "npm": "@ai-sdk/openai-compatible", "name": "My AI ProviderDisplay Name", "options": { "baseURL": "https://api.myprovider.com/v1" }, "models": { "my-model-name": { "name": "My Model Display Name" } } } } } ``` 여기에 구성 옵션: - **npm**: AI SDK 패키지, OpenAI 호환 공급자 `@ai-sdk/openai-compatible` -**name**: UI의 표시 이름. - ** 모델**: 유효한 모델. - **options.baseURL**: API 엔드포인트 URL. - **options.apiKey**: 선택적으로 auth를 사용하지 않는 경우 API 키 설정. - **options.headers**: 선택적으로 사용자 정의 헤더를 설정합니다. 아래 예에서 고급 옵션에 더. 5. `/models` 명령을 실행하고 사용자 정의 공급자와 모델은 선택 목록에서 나타납니다. --- ##### 예제 다음은 `apiKey`, `headers` 및 모델 `limit` 옵션 설정 예입니다. ```json title="opencode.json" {9,11,17-20} { "$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 } } } } } } ``` 구성 세부 사항: - **apiKey**: `env` 변수 구문을 사용하여 설정, [learn more](/docs/config#env-vars). -**headers**: 각 요청으로 전송된 사용자 정의 헤더. - **limit.context**: 최대 입력 토큰 모델은 받아들입니다. - **limit.output**: 최대 토큰은 모델을 생성할 수 있습니다. `limit` 필드를 사용하면 OpenCode가 얼마나 많은 컨텍스트를 이해 할 수 있습니다. 표준 공급자는 model.dev에서 자동적으로 당깁니다. --- ## 문제 해결 공급자 구성에 문제가 있는 경우 다음을 확인하십시오. 1. **주의 설정 확인 **: `opencode auth list`를 실행하여 자격 증명을 볼 수 있습니다. 공급자는 config에 추가됩니다. 이것은 Amazon Bedrock과 같은 공급자에 적용되지 않습니다. 환경 변수에 의존합니다. 2. 주문 공급자를 위해, opencode config를 검사하고: - `/connect` 명령에 사용되는 공급자 ID가 opencode config에서 ID를 일치시킵니다. - 오른쪽 npm 패키지는 공급자에 사용됩니다. 예를 들어 Cerebras의 `@ai-sdk/cerebras`를 사용합니다. 그리고 다른 모든 OpenAI 호환 공급자를 위해, 사용 `@ai-sdk/openai-compatible`. - 올바른 API 엔드포인트는 `options.baseURL` 필드에 사용됩니다.