日本語
ドキュメント
プロバイダー

Providers

OpenCode で任意の LLM プロバイダーを使用します。

OpenCode は AI SDK (opens in a new tab) と Models.dev (opens in a new tab) を使用して 75 以上の LLM プロバイダーをサポートし、ローカルモデルの実行もサポートしています。

プロバイダーを追加するには、次のことを行う必要があります:

  1. /connect コマンドを使ってプロバイダーの API キーを追加します。
  2. OpenCode 設定でプロバイダーを構成します。

Credentials

/connect コマンドでプロバイダーの API キーを追加すると、それらは ~/.local/share/opencode/auth.json に保存されます。

Config

OpenCode 設定の provider セクションを通じて、プロバイダーをカスタマイズできます。

Base URL

baseURL オプションを設定して、任意のプロバイダーのベース URL をカスタマイズできます。これは、プロキシサービスやカスタムエンドポイントを使う場合に便利です。

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

OpenCode Zen

OpenCode Zen は、OpenCode チームが提供する、OpenCode とうまく機能することがテスト・検証されたモデルのリストです。詳しくはこちら。

ヒント: 初めての方には、OpenCode Zen から始めることをおすすめします。

  1. TUI で /connect コマンドを実行し、OpenCode Zen を選択して、opencode.ai/auth (opens in a new tab) にアクセスします。

    /connect

  2. サインインし、請求情報を追加して、API キーをコピーします。

  3. API キーを貼り付けます。

    ┌ API key
│
│
└ enter

  4. TUI で /models を実行して、おすすめのモデルのリストを確認します。

    /models

これは OpenCode の他のプロバイダーと同じように動作し、使用は完全に任意です。

OpenCode Go

OpenCode Go は、OpenCode チームが提供する、OpenCode とうまく機能することがテスト・検証された人気のオープンコーディングモデルへの信頼できるアクセスを提供する、低コストのサブスクリプションプランです。

  1. TUI で /connect コマンドを実行し、OpenCode Go を選択して、opencode.ai/auth (opens in a new tab) にアクセスします。

    /connect

  2. サインインし、請求情報を追加して、API キーをコピーします。

  3. API キーを貼り付けます。

    ┌ API key
│
│
└ enter

  4. TUI で /models を実行して、おすすめのモデルのリストを確認します。

    /models

これは OpenCode の他のプロバイダーと同じように動作し、使用は完全に任意です。

Directory

いくつかのプロバイダーを詳しく見てみましょう。リストにプロバイダーを追加したい場合は、お気軽に PR を開いてください。

注記: ここに見当たらないプロバイダーがありますか？PR を提出してください。

302.AI

  1. 302.AI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、302.AI を検索します。

    /connect

  3. 302.AI の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

Amazon Bedrock

OpenCode で Amazon Bedrock を使うには:

  1. Amazon Bedrock コンソールの Model catalog にアクセスし、使いたいモデルへのアクセスをリクエストします。

    ヒント: Amazon Bedrock で使いたいモデルへのアクセス権を持っている必要があります。

  2. 次のいずれかの方法を使って認証を構成します:

    環境変数（クイックスタート）

    opencode の実行時に、次の環境変数のいずれかを設定します:

    # 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

    または、bash プロファイルに追加します:

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

    設定ファイル（推奨）

    プロジェクト固有または永続的な設定には、opencode.json を使用します:

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

    利用可能なオプション:

    • region - AWS リージョン（例: us-east-1 、eu-west-1 ）

    • profile - ~/.aws/credentials の AWS 名前付きプロファイル

    • endpoint - VPC エンドポイント用のカスタムエンドポイント URL（汎用 baseURL オプションのエイリアス）

    ヒント: 設定ファイルのオプションは環境変数よりも優先されます。

    高度: VPC エンドポイント

    Bedrock に VPC エンドポイントを使っている場合:

    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"
      }
    }
  }
}

    注記: endpoint オプションは、AWS 固有の用語を使った汎用 baseURL オプションのエイリアスです。endpoint と baseURL の両方が指定された場合、endpoint が優先されます。

    認証方法

    • AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY : AWS コンソールで IAM ユーザーを作成し、アクセスキーを生成します
    • AWS_PROFILE : ~/.aws/credentials の名前付きプロファイルを使用します。まず aws configure --profile my-profile または aws sso login で構成します
    • AWS_BEARER_TOKEN_BEDROCK : Amazon Bedrock コンソールから長期 API キーを生成します
    • AWS_WEB_IDENTITY_TOKEN_FILE / AWS_ROLE_ARN : EKS IRSA（サービスアカウント用 IAM ロール）や、OIDC フェデレーションを使う他の Kubernetes 環境向け。これらの環境変数は、サービスアカウントのアノテーションを使うときに Kubernetes によって自動的に注入されます。

    認証の優先順位

    Amazon Bedrock は、次の認証の優先順位を使用します:

    1. ベアラートークン - AWS_BEARER_TOKEN_BEDROCK 環境変数または /connect コマンドからのトークン

    2. AWS 認証情報チェーン - プロファイル、アクセスキー、共有認証情報、IAM ロール、Web Identity トークン（EKS IRSA）、インスタンスメタデータ

    注記: ベアラートークンが設定されている場合（/connect または AWS_BEARER_TOKEN_BEDROCK 経由）、構成されたプロファイルを含むすべての AWS 認証情報メソッドよりも優先されます。

  3. /models コマンドを実行して、使いたいモデルを選択します。

    /models

注記: カスタム推論プロファイルの場合は、キーにモデルとプロバイダーの名前を使い、id プロパティに arn を設定します。これにより正しいキャッシュが保証されます。

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. サインアップしたら、/connect コマンドを実行して Anthropic を選択します。

    /connect

  2. ここで Claude Pro/Max オプションを選択でき、ブラウザが開いて認証を求められます。

    ┌ Select auth method
│
│ Manually enter API Key
└

  3. これで、/models コマンドを使うと、すべての Anthropic モデルが利用できるようになります。

    /models

Claude Pro/Max モデルを OpenCode で使えるようにするプラグインがあります。Anthropic はこれを明示的に禁止しています。

以前のバージョンの OpenCode にはこれらのプラグインがバンドルされていましたが、1.3.0 以降はそうではなくなりました。

他の企業は開発者ツールでの選択の自由をサポートしており、次のサブスクリプションをセットアップなしで OpenCode で使えます:

  • ChatGPT Plus
  • Github Copilot
  • Gitlab Duo

Atomic Chat

OpenAI 互換の API サーバー（デフォルトのエンドポイントは http://127.0.0.1:1337/v1）の背後でローカル LLM を実行するデスクトップアプリケーションである Atomic Chat (opens in a new tab) を通じて、ローカルモデルを使うように opencode を構成できます。

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>"
        }
      }
    }
  }
}

この例では:

  • atomic-chat はカスタムプロバイダー ID です。これは任意の文字列にできます。
  • npm は、このプロバイダーに使うパッケージを指定します。ここでは、あらゆる OpenAI 互換 API に @ai-sdk/openai-compatible を使用しています。
  • name は、UI でのプロバイダーの表示名です。
  • options.baseURL は、ローカルサーバーのエンドポイントです。Atomic Chat のセットアップに合わせてホストとポートを変更してください。
  • models は、モデル ID とその表示名のマップです。各 ID は GET /v1/models が返す id と一致する必要があります。Atomic Chat に現在読み込まれている id を一覧表示するには、curl http://127.0.0.1:1337/v1/models を実行します。

ヒント: ツール呼び出しがうまく機能しない場合は、ツール呼び出しのサポートが強力な読み込み済みモデル（例えば Qwen-Coder や DeepSeek-Coder のバリアント）を選んでください。

Azure OpenAI

注記: 「I'm sorry, but I cannot assist with that request」エラーが発生する場合は、Azure リソースのコンテンツフィルターを DefaultV2 から Default に変更してみてください。

  1. Azure ポータル (opens in a new tab)にアクセスし、Azure OpenAI リソースを作成します。次のものが必要です:

    • Resource name : これは API エンドポイントの一部になります（ https://RESOURCE_NAME.openai.azure.com/ ）
    • API key : リソースの KEY 1 または KEY 2 のいずれか

  2. Azure AI Foundry (opens in a new tab) にアクセスし、モデルをデプロイします。

    注記: opencode が正しく動作するには、デプロイ名がモデル名と一致する必要があります。

  3. /connect コマンドを実行し、Azure を検索します。

    /connect

  4. API キーを入力します。

    ┌ API key
│
│
└ enter

  5. リソース名を環境変数として設定します:

    AZURE_RESOURCE_NAME=XXX opencode

    または、bash プロファイルに追加します:

    ~/.bash_profile
    export AZURE_RESOURCE_NAME=XXX

  6. /models コマンドを実行して、デプロイしたモデルを選択します。

    /models

Azure Cognitive Services

  1. Azure ポータル (opens in a new tab)にアクセスし、Azure OpenAI リソースを作成します。次のものが必要です:

    • Resource name : これは API エンドポイントの一部になります（ https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/ ）
    • API key : リソースの KEY 1 または KEY 2 のいずれか

  2. Azure AI Foundry (opens in a new tab) にアクセスし、モデルをデプロイします。

    注記: opencode が正しく動作するには、デプロイ名がモデル名と一致する必要があります。

  3. /connect コマンドを実行し、Azure Cognitive Services を検索します。

    /connect

  4. API キーを入力します。

    ┌ API key
│
│
└ enter

  5. リソース名を環境変数として設定します:

    AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode

    または、bash プロファイルに追加します:

    ~/.bash_profile
    export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX

  6. /models コマンドを実行して、デプロイしたモデルを選択します。

    /models

Baseten

  1. Baseten (opens in a new tab) にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、Baseten を検索します。

    /connect

  3. Baseten の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

Cerebras

  1. Cerebras コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、Cerebras を検索します。

    /connect

  3. Cerebras の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Qwen 3 Coder 480B のようなモデルを選択します。

    /models

Cloudflare AI Gateway

Cloudflare AI Gateway を使うと、統一されたエンドポイントを通じて OpenAI、Anthropic、Workers AI などのモデルにアクセスできます。統一請求 (opens in a new tab)により、各プロバイダーに個別の API キーは不要です。

  1. Cloudflare ダッシュボード (opens in a new tab)にアクセスし、AI > AI Gateway に移動して、新しいゲートウェイを作成します。Account ID と Gateway ID をメモしておきます。

  2. /connect コマンドを実行し、Cloudflare AI Gateway を検索します。

    /connect

  3. 求められたら Account ID を入力します。

    ┌ Enter your Cloudflare Account ID
│
│
└ enter

  4. 求められたら Gateway ID を入力します。

    ┌ Enter your Cloudflare AI Gateway ID
│
│
└ enter

  5. Cloudflare API token を入力します。

    ┌ Gateway API token
│
│
└ enter

  6. /models コマンドを実行してモデルを選択します。

    /models

    opencode 設定を通じてモデルを追加することもできます。

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

    あるいは、/connect を使う代わりに環境変数を設定することもできます。

    ~/.bash_profile
    export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
export CLOUDFLARE_GATEWAY_ID=your-gateway-id
export CLOUDFLARE_API_TOKEN=your-api-token

Cloudflare Workers AI

Cloudflare Workers AI を使うと、REST API を介して Cloudflare のグローバルネットワーク上で直接 AI モデルを実行でき、サポートされているモデルには個別のプロバイダーアカウントは不要です。

  1. Cloudflare ダッシュボード (opens in a new tab)にアクセスし、Workers AI に移動して Use REST API を選択し、Account ID を取得して API トークンを作成します。

  2. /connect コマンドを実行し、Cloudflare Workers AI を検索します。

    /connect

  3. 求められたら Account ID を入力します。

    ┌ Enter your Cloudflare Account ID
│
│
└ enter

  4. Cloudflare API key を入力します。

    ┌ API key
│
│
└ enter

  5. /models コマンドを実行してモデルを選択します。

    /models

    あるいは、/connect を使う代わりに環境変数を設定することもできます。

    ~/.bash_profile
    export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
export CLOUDFLARE_API_KEY=your-api-token

Cortecs

  1. Cortecs コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、Cortecs を検索します。

    /connect

  3. Cortecs の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。

    /models

DeepSeek

  1. DeepSeek コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Create new API key をクリックします。

  2. /connect コマンドを実行し、DeepSeek を検索します。

    /connect

  3. DeepSeek の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、DeepSeek V4 Pro のような DeepSeek モデルを選択します。

    /models

Deep Infra

  1. Deep Infra ダッシュボード (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、Deep Infra を検索します。

    /connect

  3. Deep Infra の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

DigitalOcean

DigitalOcean の Inference Engine (opens in a new tab) は、GPT-OSS、Llama、Qwen、DeepSeek などのオープンモデルへのアクセスに加え、各リクエストをタスクに最も安価、最速、または最適なモデルにルーティングするカスタム Inference Routers (opens in a new tab) を提供します。

OpenCode は 2 つの認証方法をサポートしています:

  • OAuth（推奨） — DigitalOcean アカウントにサインインします。OpenCode が Model Access Key を自動作成し、利用可能な Models と Inference Routers を検出します。
  • Model Access Key — DigitalOcean コンソールから既存のキーを貼り付けます。

OAuth (Recommended)

  1. /connect コマンドを実行し、DigitalOcean を検索します。

    /connect

  2. Login with DigitalOcean を選択します。

    ┌ Select auth method
│
│ Login with DigitalOcean
│ Paste Model Access Key
└

  3. ブラウザが開いて OpenCode を認可します。サインインして承認します。

    注記: OpenCode は、DigitalOcean アカウントに opencode-oauth-<timestamp> という名前の Model Access Key を作成します。DigitalOcean コンソールの Inference 配下の「Manage」セクションにある Model Access Keys ページから、ローテーションまたは取り消しができます。

  4. /models コマンドを実行します。Inference Routers は、モデル選択で router: の形式で表示されます。

    /models

  5. 新しく作成された Inference Routers を取り込むには、/connect を再実行して DigitalOcean を再度選択します。

Using a Model Access Key

キーを直接貼り付けたい場合:

  1. DigitalOcean コンソール (opens in a new tab)の Inference セクションの Manage ページにアクセスし、新しいキーを作成します。

  2. /connect コマンドを実行し、DigitalOcean を選択して、Paste Model Access Key を選択します。

    ┌ Enter your DigitalOcean Model Access Key
│
│
└ enter

    注記: この方法では Inference Routers は自動検出されません。モデルピッカーに表示するには、代わりに OAuth でサインインしてください。

  3. /models コマンドを実行してモデルを選択します。

    /models

Environment Variable

あるいは、Model Access Key を環境変数として設定します。

export DIGITALOCEAN_ACCESS_TOKEN=your-model-access-key

Inference Routers

Inference Routers を使うと、複数のモデルにわたるルーティングポリシーを定義できます — タスクに基づいて、リクエストごとに最も安価、最速、または最も適切なモデルを選びます。OAuth の後、OpenCode は各ルーターをモデルピッカーに router:<router-name> として表示します。

ルーターモデルの選択は、他の任意のモデルのドロップイン代替です — OpenCode はリクエストを転送し、DigitalOcean がルーターのポリシーに基づいて基盤となるモデルを選びます。Inference Routers (opens in a new tab) について詳しくはこちら。

FrogBot

  1. FrogBot ダッシュボード (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、FrogBot を検索します。

    /connect

  3. FrogBot の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

Fireworks AI

  1. Fireworks AI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Create API Key をクリックします。

  2. /connect コマンドを実行し、Fireworks AI を検索します。

    /connect

  3. Fireworks AI の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。

    /models

GitLab Duo

注意: OpenCode の GitLab Duo サポートは実験的です。機能、設定、 動作は今後のリリースで変更される可能性があります。

OpenCode は GitLab Duo Agent Platform (opens in a new tab) と連携し、 ネイティブのツール呼び出し機能を備えた AI 駆動のエージェントチャットを提供します。

注記: GitLab Duo Agent Platform には Premium または Ultimate の GitLab サブスクリプションが必要です。GitLab.com および GitLab Self-Managed で利用できます。 完全な要件については GitLab Duo Agent Platform の前提条件 (opens in a new tab) を参照してください。

  1. /connect コマンドを実行して GitLab を選択します。

    /connect

  2. 認証方法を選択します:

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

    OAuth を使う（推奨）

    OAuth を選択すると、ブラウザが開いて認可します。

    Personal Access Token を使う

    1. GitLab User Settings > Access Tokens (opens in a new tab) にアクセスします
    2. Add new token をクリックします
    3. Name: OpenCode 、Scopes: api
    4. トークン（glpat- で始まる）をコピーします
    5. ターミナルに入力します

  3. /models コマンドを実行して、利用可能なモデルを確認します。

    /models

    3 つの Claude ベースのモデルが利用できます:

    • duo-chat-haiku-4-5 （デフォルト）- 素早いタスク向けの高速な応答
    • duo-chat-sonnet-4-5 - ほとんどのワークフロー向けのバランスの取れたパフォーマンス
    • duo-chat-opus-4-5 - 複雑な分析に最も優れた能力

注記: トークンを opencode の認証ストレージに保存したくない場合は、'GITLAB_TOKEN' 環境変数を指定することもできます。

Self-Hosted GitLab

注記: OpenCode は、セッションタイトルの生成のような一部の AI タスクに小さなモデルを使用します。 デフォルトでは Zen がホストする gpt-5-nano を使うように構成されています。OpenCode を 自分の GitLab ホスト型インスタンスのみを使うようにロックするには、 opencode.json ファイルに次を追加します。セッション共有も無効にすることをおすすめします。

{
  "$schema": "https://opencode.ai/config.json",
  "small_model": "gitlab/duo-chat-haiku-4-5",
  "share": "disabled"
}

セルフホスト型の GitLab インスタンスの場合:

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

インスタンスがカスタムの AI Gateway を実行している場合:

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

または、bash プロファイルに追加します:

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

注記: GitLab 管理者は次のことを行う必要があります:

  1. ユーザー、グループ、またはインスタンスに対して GitLab Duo を有効にする (opens in a new tab)
  2. Agent Platform を有効にする (opens in a new tab)（GitLab 18.8+）か、ベータおよび実験的な機能を有効にする (opens in a new tab)（GitLab 18.7 以前）
  3. Self-Managed の場合はインスタンスを構成する (opens in a new tab)
OAuth for Self-Hosted instances

セルフホスト型インスタンスで OAuth を機能させるには、コールバック URL http://127.0.0.1:8080/callback と次のスコープを持つ 新しいアプリケーション（Settings → Applications）を作成する必要があります:

  • api（あなたに代わって API にアクセス）
  • read_user（あなたの個人情報を読み取る）
  • read_repository（リポジトリへの読み取り専用アクセスを許可）

その後、アプリケーション ID を環境変数として公開します:

export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

詳しいドキュメントは opencode-gitlab-auth (opens in a new tab) のホームページにあります。

Configuration

opencode.json を通じてカスタマイズします:

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "gitlab": {
      "options": {
        "instanceUrl": "https://gitlab.com"
      }
    }
  }
}
GitLab Duo Agent Platform (DAP) Workflow Models

DAP ワークフローモデルは、標準のエージェントチャットの代わりに、GitLab の Duo Workflow Service (DWS) を通じてツール呼び出しをルーティングする、 代替の実行パスを提供します。 duo-workflow-* モデルが選択されると、OpenCode は次のことを行います:

  1. GitLab の名前空間から利用可能なモデルを検出します
  2. 複数のモデルが利用可能な場合、選択ピッカーを表示します
  3. 後続の起動を高速にするために、選択したモデルをディスクにキャッシュします
  4. ツール実行リクエストを、OpenCode の権限ゲート付きツールシステムを通じてルーティングします

利用可能な DAP ワークフローモデルは duo-workflow-* の命名規則に従い、 GitLab インスタンスから動的に検出されます。

GitLab API Tools (Optional, but highly recommended)

GitLab ツール（マージリクエスト、issue、パイプライン、CI/CD など）にアクセスするには:

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

このプラグインは、MR レビュー、issue 追跡、パイプライン監視などを含む、包括的な GitLab リポジトリ管理機能を提供します。

GitHub Copilot

GitHub Copilot サブスクリプションを opencode で使うには:

注記: 一部のモデルは、使うために Pro+ サブスクリプション (opens in a new tab)が必要な場合があります。

  1. /connect コマンドを実行し、GitHub Copilot を検索します。

    /connect

  2. github.com/login/device (opens in a new tab) に移動してコードを入力します。

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

  3. これで /models コマンドを実行して、使いたいモデルを選択します。

    /models

Google Vertex AI

OpenCode で Google Vertex AI を使うには:

  1. Google Cloud Console の Model Garden にアクセスし、お使いのリージョンで利用可能なモデルを確認します。

    注記: Vertex AI API が有効になっている Google Cloud プロジェクトが必要です。

  2. 必要な環境変数を設定します:

    • GOOGLE_CLOUD_PROJECT : あなたの Google Cloud プロジェクト ID

    • VERTEX_LOCATION （任意）: Vertex AI のリージョン（デフォルトは global ）

    • 認証（いずれかを選択）:

      • GOOGLE_APPLICATION_CREDENTIALS : サービスアカウントの JSON キーファイルへのパス
      • gcloud CLI を使って認証: gcloud auth application-default login

    opencode の実行時に設定します。

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

    または、bash プロファイルに追加します。

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

ヒント: global リージョンは、追加費用なしで可用性を向上させ、エラーを減らします。データレジデンシーの要件にはリージョナルエンドポイント（例: us-central1）を使用してください。詳しくはこちら (opens in a new tab)

  1. /models コマンドを実行して、使いたいモデルを選択します。

    /models

Groq

  1. Groq コンソール (opens in a new tab)にアクセスし、Create API Key をクリックして、キーをコピーします。

  2. /connect コマンドを実行し、Groq を検索します。

    /connect

  3. プロバイダーの API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、使いたいものを選択します。

    /models

Hugging Face

Hugging Face Inference Providers (opens in a new tab) は、17 以上のプロバイダーがサポートするオープンモデルへのアクセスを提供します。

  1. Hugging Face の設定 (opens in a new tab)にアクセスし、Inference Providers への呼び出しを行う権限を持つトークンを作成します。

  2. /connect コマンドを実行し、Hugging Face を検索します。

    /connect

  3. Hugging Face のトークンを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Kimi-K2-Instruct や GLM-4.6 のようなモデルを選択します。

    /models

Helicone

Helicone (opens in a new tab) は、AI アプリケーション向けのロギング、監視、分析を提供する LLM 可観測性プラットフォームです。Helicone AI Gateway は、モデルに基づいてリクエストを適切なプロバイダーに自動的にルーティングします。

  1. Helicone (opens in a new tab) にアクセスし、アカウントを作成して、ダッシュボードから API キーを生成します。

  2. /connect コマンドを実行し、Helicone を検索します。

    /connect

  3. Helicone の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

より多くのプロバイダーや、キャッシュやレート制限のような高度な機能については、Helicone のドキュメント (opens in a new tab)を確認してください。

Optional Configs

Helicone の機能やモデルが opencode を通じて自動的に構成されない場合は、いつでも自分で構成できます。

Helicone のモデルディレクトリ (opens in a new tab)はこちらです。追加したいモデルの ID を取得するためにこれが必要です。

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

Custom Headers

Helicone は、キャッシュ、ユーザー追跡、セッション管理などの機能向けにカスタムヘッダーをサポートしています。options.headers を使ってプロバイダー設定に追加します:

~/.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",
        },
      },
    },
  },
}
Session tracking

Helicone の Sessions (opens in a new tab) 機能を使うと、関連する LLM リクエストをグループ化できます。opencode-helicone-session (opens in a new tab) プラグインを使って、各 OpenCode の会話を Helicone のセッションとして自動的にログに記録します。

npm install -g opencode-helicone-session

設定に追加します。

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

このプラグインは、リクエストに Helicone-Session-Id と Helicone-Session-Name ヘッダーを注入します。Helicone の Sessions ページでは、各 OpenCode の会話が個別のセッションとして表示されます。

Common Helicone headers
HeaderDescription
Helicone-Cache-Enabledレスポンスのキャッシュを有効にします（true/false）
Helicone-User-Idユーザーごとにメトリクスを追跡します
Helicone-Property-[Name]カスタムプロパティを追加します（例: Helicone-Property-Environment）
Helicone-Prompt-Idリクエストをプロンプトのバージョンに関連付けます

利用可能なすべてのヘッダーについては、Helicone Header Directory (opens in a new tab) を参照してください。

llama.cpp

llama.cpp (opens in a new tab) の llama-server ユーティリティを通じて、ローカルモデルを使うように opencode を構成できます。

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
          }
        }
      }
    }
  }
}

この例では:

  • llama.cpp はカスタムプロバイダー ID です。これは任意の文字列にできます。
  • npm は、このプロバイダーに使うパッケージを指定します。ここでは、あらゆる OpenAI 互換 API に @ai-sdk/openai-compatible を使用しています。
  • name は、UI でのプロバイダーの表示名です。
  • options.baseURL は、ローカルサーバーのエンドポイントです。
  • models は、モデル ID とその構成のマップです。モデル名はモデル選択リストに表示されます。

IO.NET

IO.NET は、さまざまなユースケース向けに最適化された 17 のモデルを提供します:

  1. IO.NET コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、IO.NET を検索します。

    /connect

  3. IO.NET の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

LM Studio

LM Studio を通じて、ローカルモデルを使うように opencode を構成できます。

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)"
        }
      }
    }
  }
}

この例では:

  • lmstudio はカスタムプロバイダー ID です。これは任意の文字列にできます。
  • npm は、このプロバイダーに使うパッケージを指定します。ここでは、あらゆる OpenAI 互換 API に @ai-sdk/openai-compatible を使用しています。
  • name は、UI でのプロバイダーの表示名です。
  • options.baseURL は、ローカルサーバーのエンドポイントです。
  • models は、モデル ID とその構成のマップです。モデル名はモデル選択リストに表示されます。

Moonshot AI

Moonshot AI の Kimi K2 を使うには:

  1. Moonshot AI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Create API key をクリックします。

  2. /connect コマンドを実行し、Moonshot AI を検索します。

    /connect

  3. Moonshot の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して Kimi K2 を選択します。

    /models

MiniMax

  1. MiniMax API コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、MiniMax を検索します。

    /connect

  3. MiniMax の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、M2.1 のようなモデルを選択します。

    /models

NVIDIA

NVIDIA は、build.nvidia.com (opens in a new tab) を通じて Nemotron モデルや他の多くのオープンモデルへのアクセスを無料で提供します。

  1. build.nvidia.com (opens in a new tab) にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、NVIDIA を検索します。

    /connect

  3. NVIDIA の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、nemotron-3-super-120b-a12b のようなモデルを選択します。

    /models

On-Prem / NIM

カスタムのベース URL を設定して、NVIDIA NIM (opens in a new tab) 経由でローカルに NVIDIA モデルを使うこともできます。

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "nvidia": {
      "options": {
        "baseURL": "http://localhost:8000/v1"
      }
    }
  }
}

Environment Variable

あるいは、API キーを環境変数として設定します。

export NVIDIA_API_KEY=nvapi-your-key-here

Nebius Token Factory

  1. Nebius Token Factory コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Add Key をクリックします。

  2. /connect コマンドを実行し、Nebius Token Factory を検索します。

    /connect

  3. Nebius Token Factory の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。

    /models

Ollama

Ollama を通じて、ローカルモデルを使うように opencode を構成できます。

ヒント: Ollama は OpenCode 向けに自動的に設定できます。詳細については Ollama の連携ドキュメント (opens in a new tab)を参照してください。

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"
        }
      }
    }
  }
}

この例では:

  • ollama はカスタムプロバイダー ID です。これは任意の文字列にできます。
  • npm は、このプロバイダーに使うパッケージを指定します。ここでは、あらゆる OpenAI 互換 API に @ai-sdk/openai-compatible を使用しています。
  • name は、UI でのプロバイダーの表示名です。
  • options.baseURL は、ローカルサーバーのエンドポイントです。
  • models は、モデル ID とその構成のマップです。モデル名はモデル選択リストに表示されます。

ヒント: ツール呼び出しが機能しない場合は、Ollama で num_ctx を増やしてみてください。16k 〜 32k 程度から始めます。

Ollama Cloud

OpenCode で Ollama Cloud を使うには:

  1. https://ollama.com/ (opens in a new tab) にアクセスし、サインインまたはアカウントを作成します。

  2. Settings > Keys に移動し、Add API Key をクリックして新しい API キーを生成します。

  3. OpenCode で使うために API キーをコピーします。

  4. /connect コマンドを実行し、Ollama Cloud を検索します。

    /connect

  5. Ollama Cloud の API キーを入力します。

    ┌ API key
│
│
└ enter

  6. 重要: OpenCode でクラウドモデルを使う前に、モデル情報をローカルにプルする必要があります:

    ollama pull gpt-oss:20b-cloud

  7. /models コマンドを実行して、Ollama Cloud のモデルを選択します。

    /models

OpenAI

ChatGPT Plus または Pro (opens in a new tab) へのサインアップをおすすめします。

  1. サインアップしたら、/connect コマンドを実行して OpenAI を選択します。

    /connect

  2. ここで ChatGPT Plus/Pro オプションを選択でき、ブラウザが開いて認証を求められます。

    ┌ Select auth method
│
│ ChatGPT Plus/Pro
│ Manually enter API Key
└

  3. これで、/models コマンドを使うと、すべての OpenAI モデルが利用できるようになります。

    /models
Using API keys

既に API キーをお持ちの場合は、Manually enter API Key を選択してターミナルに貼り付けることができます。

OpenCode Zen

OpenCode Zen は、OpenCode チームが提供する、テスト・検証済みのモデルのリストです。詳しくはこちら。

  1. OpenCode Zen (opens in a new tab) にサインインし、Create API Key をクリックします。

  2. /connect コマンドを実行し、OpenCode Zen を検索します。

    /connect

  3. OpenCode の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Qwen 3 Coder 480B のようなモデルを選択します。

    /models

OpenRouter

  1. OpenRouter ダッシュボード (opens in a new tab)にアクセスし、Create API Key をクリックして、キーをコピーします。

  2. /connect コマンドを実行し、OpenRouter を検索します。

    /connect

  3. プロバイダーの API キーを入力します。

    ┌ API key
│
│
└ enter

  4. 多くの OpenRouter モデルはデフォルトでプリロードされています。/models コマンドを実行して、使いたいものを選択します。

    /models

    opencode 設定を通じて追加のモデルを追加することもできます。

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

  5. opencode 設定を通じてカスタマイズすることもできます。以下はプロバイダーを指定する例です。

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

LLM Gateway

  1. LLM Gateway ダッシュボード (opens in a new tab)にアクセスし、Create API Key をクリックして、キーをコピーします。

  2. /connect コマンドを実行し、LLM Gateway を検索します。

    /connect

  3. プロバイダーの API キーを入力します。

    ┌ API key
│
│
└ enter

  4. 多くの LLM Gateway モデルはデフォルトでプリロードされています。/models コマンドを実行して、使いたいものを選択します。

    /models

    opencode 設定を通じて追加のモデルを追加することもできます。

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

  5. opencode 設定を通じてカスタマイズすることもできます。以下はプロバイダーを指定する例です。

    opencode.json
    {
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "llmgateway": {
      "models": {
        "glm-4.7": {
          "name": "GLM 4.7"
        },
        "gpt-5.2": {
          "name": "GPT-5.2"
        },
        "gemini-2.5-pro": {
          "name": "Gemini 2.5 Pro"
        },
        "claude-3-5-sonnet-20241022": {
          "name": "Claude 3.5 Sonnet"
        }
      }
    }
  }
}

SAP AI Core

SAP AI Core は、統一されたプラットフォームを通じて、OpenAI、Anthropic、Google、Amazon、Meta、Mistral、AI21 の 40 以上のモデルへのアクセスを提供します。

  1. SAP BTP Cockpit (opens in a new tab) にアクセスし、SAP AI Core サービスインスタンスに移動して、サービスキーを作成します。

    ヒント: サービスキーは、clientid、clientsecret、url、serviceurls.AI_API_URL を含む JSON オブジェクトです。BTP Cockpit の Services > Instances and Subscriptions で AI Core インスタンスを見つけられます。

  2. /connect コマンドを実行し、SAP AI Core を検索します。

    /connect

  3. サービスキーの JSON を入力します。

    ┌ Service key
│
│
└ enter

    または、AICORE_SERVICE_KEY 環境変数を設定します:

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

    または、bash プロファイルに追加します:

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

  4. 任意でデプロイ ID とリソースグループを設定します:

    AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode

    注記: これらの設定は任意であり、SAP AI Core のセットアップに合わせて構成する必要があります。

  5. /models コマンドを実行して、40 以上の利用可能なモデルから選択します。

    /models

STACKIT

STACKIT AI Model Serving は、AI モデル向けの完全マネージド型のソブリンホスティング環境を提供し、Llama、Mistral、Qwen のような LLM に焦点を当て、ヨーロッパのインフラ上で最大限のデータ主権を実現します。

  1. STACKIT Portal (opens in a new tab) にアクセスし、AI Model Serving に移動して、プロジェクトの認証トークンを作成します。

    ヒント: 認証トークンを作成する前に、STACKIT のカスタマーアカウント、ユーザーアカウント、プロジェクトが必要です。

  2. /connect コマンドを実行し、STACKIT を検索します。

    /connect

  3. STACKIT AI Model Serving の認証トークンを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Qwen3-VL 235B や Llama 3.3 70B のような利用可能なモデルから選択します。

    /models

OVHcloud AI Endpoints

  1. OVHcloud パネル (opens in a new tab)にアクセスします。Public Cloud セクションの AI & Machine Learning > AI Endpoints に移動し、API Keys タブで Create a new API key をクリックします。

  2. /connect コマンドを実行し、OVHcloud AI Endpoints を検索します。

    /connect

  3. OVHcloud AI Endpoints の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、gpt-oss-120b のようなモデルを選択します。

    /models

Scaleway

opencode で Scaleway Generative APIs (opens in a new tab) を使うには:

  1. Scaleway コンソールの IAM 設定 (opens in a new tab)にアクセスし、新しい API キーを生成します。

  2. /connect コマンドを実行し、Scaleway を検索します。

    /connect

  3. Scaleway の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、devstral-2-123b-instruct-2512 や gpt-oss-120b のようなモデルを選択します。

    /models

Together AI

  1. Together AI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Add Key をクリックします。

  2. /connect コマンドを実行し、Together AI を検索します。

    /connect

  3. Together AI の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。

    /models

Venice AI

  1. Venice AI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、Venice AI を検索します。

    /connect

  3. Venice AI の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Llama 3.3 70B のようなモデルを選択します。

    /models

Vercel AI Gateway

Vercel AI Gateway を使うと、統一されたエンドポイントを通じて OpenAI、Anthropic、Google、xAI などのモデルにアクセスできます。モデルはマークアップなしの定価で提供されます。

  1. Vercel ダッシュボード (opens in a new tab)にアクセスし、AI Gateway タブに移動して、API keys をクリックして新しい API キーを作成します。

  2. /connect コマンドを実行し、Vercel AI Gateway を検索します。

    /connect

  3. Vercel AI Gateway の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行してモデルを選択します。

    /models

opencode 設定を通じてモデルをカスタマイズすることもできます。以下はプロバイダーのルーティング順序を指定する例です。

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

便利なルーティングオプション:

OptionDescription
order試すプロバイダーのシーケンス
only特定のプロバイダーに制限
zeroDataRetentionゼロデータ保持ポリシーを持つプロバイダーのみを使用

xAI

認証には 3 つの方法があります: ブラウザ OAuth 経由の SuperGrok サブスクリプション、ヘッドレスのデバイスコードフロー経由の同じ SuperGrok サブスクリプション（VPS / SSH / Docker 向け）、または xAI コンソールからの従量課金 API キー。

Option A — SuperGrok OAuth (browser login)

  1. /connect コマンドを実行し、xAI を検索します。

    /connect

  2. xAI Grok OAuth (SuperGrok Subscription) を選択します。OpenCode はブラウザで xAI の同意画面を開き、http://127.0.0.1:56121/callback でコールバックを待ちます。

  3. /models コマンドを実行して Grok モデルを選択します。

    /models

OpenCode は OAuth アクセストークンを自動的に更新します。Grok API アクセスを含む任意の Grok または X Premium プランが機能します。別の XAI_API_KEY は不要です。

Option B — SuperGrok device-code (headless / remote server / VPS)

ブラウザがループバックのリダイレクトに到達できない場所（VPS、SSH 経由のリモート開発ボックス、Docker 内、CI など）で OpenCode を実行している場合に、これを使用します。OpenCode を実行しているホストではコールバックポートは開かれません — 代わりに xAI が CLI に短いコードを渡し、それを他の任意のデバイス（ラップトップ、スマートフォンなど）のブラウザに入力します。

  1. リモートホストで /connect コマンドを実行し、xAI を検索します。

    /connect

  2. xAI Grok OAuth (Headless / Remote / VPS) を選択します。OpenCode は検証 URL と短いユーザーコードを出力します。

    Open https://x.ai/device on any device and enter code: ABCD-1234

  3. ブラウザのあるデバイス（ラップトップやスマートフォン）で URL を開き、コードを入力して、同意画面を承認します。OpenCode は xAI のトークンエンドポイントをポーリングし、承認すると結果の OAuth トークンを保存します。トークンの更新は Option A と同じように機能します。

Option C — API key

  1. xAI コンソール (opens in a new tab)にアクセスし、アカウントを作成して、API キーを生成します。

  2. /connect コマンドを実行し、xAI を検索します。

    /connect

  3. Manually enter API Key を選択して、xAI の API キーを貼り付けます。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、Grok Beta のようなモデルを選択します。

    /models

Z.AI

  1. Z.AI API コンソール (opens in a new tab)にアクセスし、アカウントを作成して、Create a new API key をクリックします。

  2. /connect コマンドを実行し、Z.AI を検索します。

    /connect

    GLM Coding Plan に加入している場合は、Z.AI Coding Plan を選択します。

  3. Z.AI の API キーを入力します。

    ┌ API key
│
│
└ enter

  4. /models コマンドを実行して、GLM-4.7 のようなモデルを選択します。

    /models

ZenMux

  1. ZenMux ダッシュボード (opens in a new tab)にアクセスし、Create API Key をクリックして、キーをコピーします。

  2. /connect コマンドを実行し、ZenMux を検索します。

    /connect

  3. プロバイダーの API キーを入力します。

    ┌ API key
│
│
└ enter

  4. 多くの ZenMux モデルはデフォルトでプリロードされています。/models コマンドを実行して、使いたいものを選択します。

    /models

    opencode 設定を通じて追加のモデルを追加することもできます。

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

Custom provider

/connect コマンドにリストされていない、任意の OpenAI 互換プロバイダーを追加するには:

ヒント: opencode では任意の OpenAI 互換プロバイダーを使えます。最近のほとんどの AI プロバイダーは OpenAI 互換の API を提供しています。

  1. /connect コマンドを実行し、下にスクロールして Other に移動します。

    $ /connect
 
┌  Add credential
│
◆  Select provider
│  ...
│  ● Other
└

  2. プロバイダーの一意の ID を入力します。

    $ /connect
 
┌  Add credential
│
◇  Enter provider id
│  myprovider
└

    注記: 覚えやすい ID を選んでください。設定ファイルでこれを使います。

  3. プロバイダーの API キーを入力します。

    $ /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. プロジェクトディレクトリに opencode.json ファイルを作成または更新します:

    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"
        }
      }
    }
  }
}

    設定オプションは次のとおりです:

    • npm : 使う AI SDK パッケージ。OpenAI 互換プロバイダー（/v1/chat/completions 向け）には @ai-sdk/openai-compatible。プロバイダー/モデルが /v1/responses を使う場合は @ai-sdk/openai を使用します。
    • name : UI での表示名。
    • models : 利用可能なモデル。
    • options.baseURL : API エンドポイントの URL。
    • options.apiKey : 認証を使わない場合、任意で API キーを設定します。
    • options.headers : 任意でカスタムヘッダーを設定します。

    高度なオプションについては、以下の例で詳しく説明します。

  5. /models コマンドを実行すると、カスタムプロバイダーとモデルが選択リストに表示されます。

Example

以下は、apiKey、headers、モデルの limit オプションを設定する例です。

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
          }
        }
      }
    }
  }
}

設定の詳細:

  • apiKey : env 変数の構文を使って設定します。詳しくはこちら。
  • headers : 各リクエストとともに送信されるカスタムヘッダー。
  • limit.context : モデルが受け付ける最大入力トークン。
  • limit.output : モデルが生成できる最大トークン。

limit フィールドにより、OpenCode はどれだけのコンテキストが残っているかを把握できます。標準のプロバイダーは、これらを models.dev から自動的に取得します。

Troubleshooting

プロバイダーの構成に問題がある場合は、次を確認してください:

  1. 認証のセットアップを確認する: opencode auth list を実行して、プロバイダーの認証情報が設定に追加されているか確認します。これは、認証に環境変数を使う Amazon Bedrock のようなプロバイダーには適用されません。

  2. カスタムプロバイダーの場合は、opencode 設定を確認し、次のことを行います:

    • /connect コマンドで使ったプロバイダー ID が opencode 設定の ID と一致していることを確認します。
    • プロバイダーに正しい npm パッケージが使われていること。例えば、Cerebras には @ai-sdk/cerebras を使います。他のすべての OpenAI 互換プロバイダーには @ai-sdk/openai-compatible（/v1/chat/completions 向け）を使います。モデルが /v1/responses を使う場合は @ai-sdk/openai を使います。1 つのプロバイダー配下の混在したセットアップでは、provider.npm を介してモデルごとにオーバーライドできます。
    • options.baseURL フィールドに正しい API エンドポイントが使われていることを確認します。
設定ネットワーク