한국어
문서
프로바이더

프로바이더

OpenCode에서 모든 LLM 프로바이더 사용하기.

OpenCode는 AI SDK (opens in a new tab)와 Models.dev (opens in a new tab)를 사용하여 75개 이상의 LLM 프로바이더를 지원하며 로컬 모델 실행도 지원합니다.

프로바이더를 추가하려면 다음을 해야 합니다:

  1. /connect 명령을 사용하여 프로바이더의 API 키를 추가합니다.
  2. OpenCode 설정에서 프로바이더를 구성합니다.

자격 증명

/connect 명령으로 프로바이더의 API 키를 추가하면, ~/.local/share/opencode/auth.json에 저장됩니다.

설정

OpenCode 설정의 provider 섹션을 통해 프로바이더를 사용자 정의할 수 있습니다.

Base URL

baseURL 옵션을 설정하여 모든 프로바이더의 base URL을 사용자 정의할 수 있습니다. 이는 프록시 서비스나 사용자 정의 엔드포인트를 사용할 때 유용합니다.

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

모델 숨기기

blacklist 옵션을 사용하여 프로바이더의 /models 선택기에서 특정 모델을 숨길 수 있습니다. 이는 프로바이더가 사용하거나 선택하고 싶지 않은 모델을 노출할 때 유용합니다.

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "blacklist": ["claude-opus-4-20250514"]
    }
  }
}

반대로 whitelist 옵션은 목록에 있는 모델을 제외한 모든 모델을 숨깁니다.

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "whitelist": ["claude-sonnet-4-20250514"]
    }
  }
}

두 옵션 모두 모델 ID 배열을 받습니다 — /models 선택기에 표시되는 것과 동일한 ID입니다.

  • blacklist는 나열된 모델을 선택기에서 제거합니다.
  • whitelist는 나열된 모델만 유지하고 나머지는 숨깁니다.
  • 두 옵션을 조합할 수 있습니다: whitelist가 집합을 좁힌 다음, blacklist가 그 안에서 항목을 제거합니다.

OpenCode Zen

OpenCode Zen은 OpenCode와 잘 작동하도록 테스트되고 검증된, OpenCode 팀이 제공하는 모델 목록입니다. 자세히 알아보기.

팁: 처음이라면 OpenCode Zen으로 시작하는 것을 권장합니다.

  1. TUI에서 /connect 명령을 실행하고, OpenCode Zen을 선택한 다음 opencode.ai/auth (opens in a new tab)로 이동하세요.

    /connect

  2. 로그인하고, 결제 정보를 추가한 다음, API 키를 복사하세요.

  3. API 키를 붙여넣으세요.

    ┌ API key
│
│
└ enter

  4. TUI에서 /models를 실행하여 권장 모델 목록을 확인하세요.

    /models

OpenCode의 다른 프로바이더와 동일하게 작동하며, 사용은 완전히 선택 사항입니다.

OpenCode Go

OpenCode Go는 OpenCode와 잘 작동하도록 테스트되고 검증된, OpenCode 팀이 제공하는 인기 오픈 코딩 모델에 대한 안정적인 액세스를 제공하는 저비용 구독 요금제입니다.

  1. TUI에서 /connect 명령을 실행하고, OpenCode Go를 선택한 다음 opencode.ai/auth (opens in a new tab)로 이동하세요.

    /connect

  2. 로그인하고, 결제 정보를 추가한 다음, API 키를 복사하세요.

  3. API 키를 붙여넣으세요.

    ┌ API key
│
│
└ enter

  4. TUI에서 /models를 실행하여 권장 모델 목록을 확인하세요.

    /models

OpenCode의 다른 프로바이더와 동일하게 작동하며, 사용은 완전히 선택 사항입니다.

디렉터리

일부 프로바이더를 자세히 살펴보겠습니다. 목록에 프로바이더를 추가하고 싶다면, 자유롭게 PR을 여세요.

참고: 여기에 원하는 프로바이더가 없나요? PR을 제출하세요.

302.AI

  1. 302.AI 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 302.AI를 검색하세요.

    /connect

  3. 302.AI API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

Amazon Bedrock

OpenCode와 함께 Amazon Bedrock을 사용하려면:

  1. Amazon Bedrock 콘솔의 Model catalog로 이동하여 원하는 모델에 대한 액세스를 요청하세요.

    팁: Amazon Bedrock에서 원하는 모델에 대한 액세스 권한이 있어야 합니다.

  2. 다음 방법 중 하나를 사용하여 인증을 구성하세요:

    환경 변수 (빠른 시작)

    opencode를 실행하는 동안 다음 환경 변수 중 하나를 설정하세요:

    # 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 추가하세요:

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

    구성 파일 (권장)

    프로젝트별 또는 영구 구성을 위해서는 opencode.json을 사용하세요:

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

    사용 가능한 옵션:

    • region - AWS 리전 (예: us-east-1 , eu-west-1 )

    • profile - ~/.aws/credentials의 AWS 명명된 프로필

    • endpoint - VPC 엔드포인트용 사용자 정의 엔드포인트 URL (일반 baseURL 옵션의 별칭)

    팁: 구성 파일 옵션이 환경 변수보다 우선합니다.

    고급: VPC 엔드포인트

    Bedrock에 VPC 엔드포인트를 사용하는 경우:

    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"
      }
    }
  }
}

    참고: endpoint 옵션은 AWS 고유 용어를 사용하는 일반 baseURL 옵션의 별칭입니다. endpoint와 baseURL이 모두 지정된 경우, endpoint가 우선합니다.

    인증 방법

    • AWS_ACCESS_KEY_ID / AWS_SECRET_ACCESS_KEY : AWS 콘솔에서 IAM 사용자를 만들고 액세스 키를 생성하세요
    • AWS_PROFILE : ~/.aws/credentials의 명명된 프로필을 사용하세요. 먼저 aws configure --profile my-profile 또는 aws sso login으로 구성하세요
    • AWS_BEARER_TOKEN_BEDROCK : Amazon Bedrock 콘솔에서 장기 API 키를 생성하세요
    • AWS_WEB_IDENTITY_TOKEN_FILE / AWS_ROLE_ARN : EKS IRSA(IAM Roles for Service Accounts) 또는 OIDC 페더레이션을 사용하는 다른 Kubernetes 환경용입니다. 이 환경 변수들은 서비스 계정 어노테이션을 사용할 때 Kubernetes에 의해 자동으로 주입됩니다.

    인증 우선순위

    Amazon Bedrock은 다음 인증 우선순위를 사용합니다:

    1. Bearer Token - AWS_BEARER_TOKEN_BEDROCK 환경 변수 또는 /connect 명령의 토큰

    2. AWS Credential Chain - 프로필, 액세스 키, 공유 자격 증명, IAM 역할, Web Identity Token(EKS IRSA), 인스턴스 메타데이터

    참고: Bearer 토큰이 설정되면(/connect 또는 AWS_BEARER_TOKEN_BEDROCK을 통해), 구성된 프로필을 포함한 모든 AWS 자격 증명 방법보다 우선합니다.

  3. /models 명령을 실행하여 원하는 모델을 선택하세요.

    /models

참고: 사용자 정의 추론 프로필의 경우, 키에 모델 및 프로바이더 이름을 사용하고 id 속성을 arn으로 설정하세요. 이를 통해 올바른 캐싱이 보장됩니다.

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. 가입한 후, /connect 명령을 실행하고 Anthropic을 선택하세요.

    /connect

  2. 여기서 Claude Pro/Max 옵션을 선택하면 브라우저가 열리고 인증을 요청합니다.

    ┌ Select auth method
│
│ Manually enter API Key
└

  3. 이제 /models 명령을 사용할 때 모든 Anthropic 모델을 사용할 수 있습니다.

    /models

Claude Pro/Max 모델을 OpenCode와 함께 사용할 수 있게 해주는 플러그인들이 있습니다. Anthropic은 이를 명시적으로 금지합니다.

이전 버전의 OpenCode에는 이 플러그인들이 번들로 포함되어 있었지만, 1.3.0부터는 더 이상 그렇지 않습니다.

다른 회사들은 개발자 도구에서 선택의 자유를 지원합니다 - 다음 구독을 OpenCode에서 설정 없이 사용할 수 있습니다:

  • ChatGPT Plus
  • Github Copilot
  • Gitlab Duo

Atomic Chat

Atomic Chat (opens in a new tab)을 통해 로컬 모델을 사용하도록 opencode를 구성할 수 있습니다. 이는 OpenAI 호환 API 서버(기본 엔드포인트 http://127.0.0.1:1337/v1) 뒤에서 로컬 LLM을 실행하는 데스크톱 애플리케이션입니다.

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>"
        }
      }
    }
  }
}

이 예시에서:

  • atomic-chat은 사용자 정의 프로바이더 ID입니다. 원하는 어떤 문자열이든 될 수 있습니다.
  • npm은 이 프로바이더에 사용할 패키지를 지정합니다. 여기서는 모든 OpenAI 호환 API에 @ai-sdk/openai-compatible이 사용됩니다.
  • name은 UI에 표시되는 프로바이더의 표시 이름입니다.
  • options.baseURL은 로컬 서버의 엔드포인트입니다. Atomic Chat 설정에 맞게 호스트와 포트를 변경하세요.
  • models는 모델 ID와 표시 이름을 매핑한 것입니다. 각 ID는 GET /v1/models가 반환하는 id와 일치해야 합니다 — curl http://127.0.0.1:1337/v1/models를 실행하여 현재 Atomic Chat에 로드된 ID를 확인하세요.

팁: 도구 호출이 제대로 작동하지 않으면, 도구 호출 지원이 강력한 로드된 모델(예: Qwen-Coder 또는 DeepSeek-Coder 변형)을 선택하세요.

Azure OpenAI

참고: "I'm sorry, but I cannot assist with that request" 오류가 발생하면, Azure 리소스의 콘텐츠 필터를 DefaultV2에서 Default로 변경해 보세요.

  1. Azure 포털 (opens in a new tab)로 이동하여 Azure OpenAI 리소스를 만드세요. 다음이 필요합니다:

    • Resource name : 이는 API 엔드포인트의 일부가 됩니다 ( https://RESOURCE_NAME.openai.azure.com/ )
    • API key : 리소스의 KEY 1 또는 KEY 2

  2. Azure AI Foundry (opens in a new tab)로 이동하여 모델을 배포하세요.

    참고: opencode가 제대로 작동하려면 배포 이름이 모델 이름과 일치해야 합니다.

  3. /connect 명령을 실행하고 Azure를 검색하세요.

    /connect

  4. API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  5. 리소스 이름을 환경 변수로 설정하세요:

    AZURE_RESOURCE_NAME=XXX opencode

    또는 bash 프로필에 추가하세요:

    ~/.bash_profile
    export AZURE_RESOURCE_NAME=XXX

  6. /models 명령을 실행하여 배포된 모델을 선택하세요.

    /models

Microsoft Entra ID (Azure CLI)

API 키 대신 Azure CLI 세션을 사용할 수 있습니다. Azure CLI를 설치 (opens in a new tab)하고 az login을 실행한 다음 /connect에서 Azure와 **Microsoft Entra ID (Azure CLI)**를 선택하세요. OpenCode는 세션에서 볼 수 있는 리소스와 리소스 그룹을 나열합니다. 리소스를 선택하거나 Enter another resource name으로 직접 입력하세요. 목록을 가져올 수 없으면 이름을 바로 요청합니다. 다른 tenant의 리소스에는 az login --tenant TENANT_ID를 사용하세요.

Azure portal (opens in a new tab) 또는 Microsoft Foundry (opens in a new tab)에서 Azure OpenAI/Foundry 리소스를 열어 이름을 확인할 수 있습니다. 이는 endpoint의 첫 부분이기도 하며, https://my-models.openai.azure.com/ 또는 https://my-models.services.ai.azure.com/의 my-models에 해당합니다. 리소스를 나열할 권한이 있다면 다음 명령으로 이름과 그룹을 확인할 수도 있습니다.

az cognitiveservices account list \
  --query "[].{name:name,resourceGroup:resourceGroup}" \
  --output table

OpenCode는 활성 Azure CLI 구독에서 리소스 그룹을 찾고 배포된 모델을 검색합니다. 다른 구독에 있으면 먼저 az account set --subscription NAME_OR_ID를 실행하세요. AZURE_RESOURCE_GROUP을 설정하면 구독 목록 조회를 생략하고 알려진 리소스를 직접 조회합니다.

모델 검색에는 추론 권한과 별도의 Azure control-plane 권한이 필요합니다. 배포 목록을 볼 수 없어도 Azure 모델 카탈로그는 계속 사용할 수 있습니다. 배포 이름과 일치하는 모델을 선택하거나 배포 이름을 명시적으로 설정하세요.

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "azure": {
      "models": {
        "gpt-5-mini": {
          "id": "gpt-production"
        }
      }
    }
  }
}

Azure OpenAI 모델에는 Cognitive Services OpenAI User, 다른 Foundry 모델에는 Cognitive Services User 역할을 할당하세요. OpenCode는 2.54.0 이전 버전을 포함해 Azure CLI를 통해 access token을 갱신하므로 CLI 세션이 만료될 때만 다시 로그인하면 됩니다.

Azure Cognitive Services

  1. Azure 포털 (opens in a new tab)로 이동하여 Azure OpenAI 리소스를 만드세요. 다음이 필요합니다:

    • Resource name : 이는 API 엔드포인트의 일부가 됩니다 ( https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/ )
    • API key : 리소스의 KEY 1 또는 KEY 2

  2. Azure AI Foundry (opens in a new tab)로 이동하여 모델을 배포하세요.

    참고: opencode가 제대로 작동하려면 배포 이름이 모델 이름과 일치해야 합니다.

  3. /connect 명령을 실행하고 Azure Cognitive Services를 검색하세요.

    /connect

  4. API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  5. 리소스 이름을 환경 변수로 설정하세요:

    AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode

    또는 bash 프로필에 추가하세요:

    ~/.bash_profile
    export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX

  6. /models 명령을 실행하여 배포된 모델을 선택하세요.

    /models

Baseten

  1. Baseten (opens in a new tab)으로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 Baseten을 검색하세요.

    /connect

  3. Baseten API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

Cerebras

  1. Cerebras 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 Cerebras를 검색하세요.

    /connect

  3. Cerebras API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Qwen 3 Coder 480B 같은 모델을 선택하세요.

    /models

Cloudflare AI Gateway

Cloudflare AI Gateway를 사용하면 통합 엔드포인트를 통해 OpenAI, Anthropic, Workers AI 등의 모델에 액세스할 수 있습니다. 통합 결제 (opens in a new tab)를 사용하면 각 프로바이더마다 별도의 API 키가 필요하지 않습니다.

  1. Cloudflare 대시보드 (opens in a new tab)로 이동하여, AI > AI Gateway로 이동한 다음, 새 게이트웨이를 만드세요. Account ID와 Gateway ID를 메모해 두세요.

  2. /connect 명령을 실행하고 Cloudflare AI Gateway를 검색하세요.

    /connect

  3. 메시지가 표시되면 Account ID를 입력하세요.

    ┌ Enter your Cloudflare Account ID
│
│
└ enter

  4. 메시지가 표시되면 Gateway ID를 입력하세요.

    ┌ Enter your Cloudflare AI Gateway ID
│
│
└ enter

  5. Cloudflare API token을 입력하세요.

    ┌ Gateway API token
│
│
└ enter

  6. /models 명령을 실행하여 모델을 선택하세요.

    /models

    opencode 설정을 통해 모델을 추가할 수도 있습니다.

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

    또는 /connect 대신 환경 변수를 설정할 수도 있습니다.

    ~/.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 AI를 사용하면 REST API를 통해 Cloudflare의 글로벌 네트워크에서 직접 AI 모델을 실행할 수 있으며, 지원되는 모델에 대해 별도의 프로바이더 계정이 필요하지 않습니다.

  1. Cloudflare 대시보드 (opens in a new tab)로 이동하여, Workers AI로 이동한 다음, Use REST API를 선택하여 Account ID를 얻고 API 토큰을 만드세요.

  2. /connect 명령을 실행하고 Cloudflare Workers AI를 검색하세요.

    /connect

  3. 메시지가 표시되면 Account ID를 입력하세요.

    ┌ Enter your Cloudflare Account ID
│
│
└ enter

  4. Cloudflare API key를 입력하세요.

    ┌ API key
│
│
└ enter

  5. /models 명령을 실행하여 모델을 선택하세요.

    /models

    또는 /connect 대신 환경 변수를 설정할 수도 있습니다.

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

Cortecs

  1. Cortecs 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 Cortecs를 검색하세요.

    /connect

  3. Cortecs API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi K2 Instruct 같은 모델을 선택하세요.

    /models

DeepSeek

  1. DeepSeek 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Create new API key를 클릭하세요.

  2. /connect 명령을 실행하고 DeepSeek을 검색하세요.

    /connect

  3. DeepSeek API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 DeepSeek V4 Pro 같은 DeepSeek 모델을 선택하세요.

    /models

Deep Infra

  1. Deep Infra 대시보드 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 Deep Infra를 검색하세요.

    /connect

  3. Deep Infra API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

DigitalOcean

DigitalOcean의 Inference Engine (opens in a new tab)은 GPT-OSS, Llama, Qwen, DeepSeek 같은 오픈 모델에 대한 액세스를 제공하며, 각 요청을 작업에 가장 저렴하거나 빠르거나 가장 적합한 모델로 라우팅하는 사용자 정의 Inference Routers (opens in a new tab)도 제공합니다.

OpenCode는 두 가지 인증 방법을 지원합니다:

  • OAuth (권장) — DigitalOcean 계정에 로그인하면, OpenCode는 추론에 DigitalOcean API 토큰을 직접 사용하고 Inference Routers를 검색합니다.
  • Model Access Key — DigitalOcean 콘솔에서 기존 키를 붙여넣습니다.

OAuth (권장)

  1. /connect 명령을 실행하고 DigitalOcean을 검색하세요.

    /connect

  2. Login with DigitalOcean을 선택하세요.

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

  3. 브라우저가 열려 OpenCode를 승인합니다. 로그인하고 승인하세요.

    참고: OpenCode는 genai:read와 inference:query OAuth 스코프를 요청합니다. DigitalOcean API 토큰은 추론에 직접 사용되며 — 별도의 Model Access Key는 생성되지 않습니다.

  4. /models 명령을 실행하세요. Inference Routers는 모델 선택에서 router: 형식으로 나타납니다.

    /models

  5. 새로 생성된 Inference Routers를 가져오려면, /connect를 다시 실행하고 DigitalOcean을 다시 선택하세요.

Model Access Key 사용

키를 직접 붙여넣는 것을 선호한다면:

  1. DigitalOcean 콘솔 (opens in a new tab)의 Inference 섹션에 있는 Manage 페이지로 이동하여 새 키를 만드세요.

  2. /connect 명령을 실행하고 DigitalOcean을 선택한 다음, Paste Model Access Key를 선택하세요.

    ┌ Enter your DigitalOcean Model Access Key
│
│
└ enter

    참고: 이 방법으로는 Inference Routers가 자동으로 검색되지 않습니다. 모델 선택기에서 이를 표시하려면, 대신 OAuth로 로그인하세요.

  3. /models 명령을 실행하여 모델을 선택하세요.

    /models

환경 변수

또는 Model Access Key를 환경 변수로 설정하세요.

export DIGITALOCEAN_ACCESS_TOKEN=your-model-access-key

Inference Routers

Inference Routers를 사용하면 여러 모델에 걸친 라우팅 정책을 정의할 수 있습니다 — 작업에 따라 요청별로 가장 저렴하거나 빠르거나 가장 적합한 모델을 선택합니다. OAuth 후, OpenCode는 각 라우터를 모델 선택기에 router:<router-name>으로 표시합니다.

라우터 모델을 선택하는 것은 다른 모든 모델을 대체하는 드롭인 방식입니다 — OpenCode가 요청을 전달하고 DigitalOcean이 라우터의 정책에 따라 기본 모델을 선택합니다. Inference Routers (opens in a new tab)에 대해 자세히 알아보세요

FrogBot

  1. FrogBot 대시보드 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 FrogBot을 검색하세요.

    /connect

  3. FrogBot API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

Fireworks AI

  1. Fireworks AI 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Create API Key를 클릭하세요.

  2. /connect 명령을 실행하고 Fireworks AI를 검색하세요.

    /connect

  3. Fireworks AI API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi K2 Instruct 같은 모델을 선택하세요.

    /models

GitLab Duo

주의: OpenCode의 GitLab Duo 지원은 실험적입니다. 기능, 구성 및 동작은 향후 릴리스에서 변경될 수 있습니다.

OpenCode는 GitLab Duo Agent Platform (opens in a new tab)과 통합되어, 네이티브 도구 호출 기능을 갖춘 AI 기반 에이전트 채팅을 제공합니다.

참고: GitLab Duo Agent Platform은 Premium 또는 Ultimate GitLab 구독이 필요합니다. GitLab.com 및 GitLab Self-Managed에서 사용할 수 있습니다. 전체 요구 사항은 GitLab Duo Agent Platform 사전 요구 사항 (opens in a new tab)을 참조하세요.

  1. /connect 명령을 실행하고 GitLab을 선택하세요.

    /connect

  2. 인증 방법을 선택하세요:

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

    OAuth 사용 (권장)

    OAuth를 선택하면 브라우저가 열려 승인합니다.

    Personal Access Token 사용

    1. GitLab User Settings > Access Tokens (opens in a new tab)로 이동하세요
    2. Add new token을 클릭하세요
    3. Name: OpenCode , Scopes: api
    4. 토큰을 복사하세요 ( glpat-로 시작 )
    5. 터미널에 입력하세요

  3. /models 명령을 실행하여 사용 가능한 모델을 확인하세요.

    /models

    세 가지 Claude 기반 모델을 사용할 수 있습니다:

    • duo-chat-haiku-4-5 (기본값) - 빠른 작업을 위한 빠른 응답
    • duo-chat-sonnet-4-5 - 대부분의 워크플로우를 위한 균형 잡힌 성능
    • duo-chat-opus-4-5 - 복잡한 분석에 가장 강력함

참고: opencode auth 스토리지에 토큰을 저장하고 싶지 않다면 'GITLAB_TOKEN' 환경 변수를 지정할 수도 있습니다.

Self-Hosted GitLab

참고: OpenCode는 세션 제목 생성 같은 일부 AI 작업에 작은 모델을 사용합니다. 기본적으로 Zen이 호스팅하는 gpt-5-nano를 사용하도록 구성되어 있습니다. OpenCode가 자체 GitLab 호스팅 인스턴스만 사용하도록 잠그려면, opencode.json 파일에 다음을 추가하세요. 또한 세션 공유를 비활성화하는 것이 권장됩니다.

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

자체 호스팅 GitLab 인스턴스의 경우:

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

인스턴스가 사용자 정의 AI Gateway를 실행하는 경우:

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

또는 bash 프로필에 추가하세요:

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

참고: GitLab 관리자는 다음을 해야 합니다:

  1. 사용자, 그룹 또는 인스턴스에 대해 GitLab Duo 켜기 (opens in a new tab)
  2. Agent Platform 켜기 (opens in a new tab) (GitLab 18.8+) 또는 베타 및 실험적 기능 활성화 (opens in a new tab) (GitLab 18.7 이하)
  3. Self-Managed의 경우, 인스턴스 구성 (opens in a new tab)
Self-Hosted 인스턴스를 위한 OAuth

자체 호스팅 인스턴스에서 OAuth를 작동시키려면, 콜백 URL http://127.0.0.1:8080/callback과 다음 스코프로 새 애플리케이션(Settings → Applications)을 만들어야 합니다:

  • api (Access the API on your behalf)
  • read_user (Read your personal information)
  • read_repository (Allows read-only access to the repository)

그런 다음 애플리케이션 ID를 환경 변수로 노출하세요:

export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

opencode-gitlab-auth (opens in a new tab) 홈페이지에 더 많은 문서가 있습니다.

구성

opencode.json을 통해 사용자 정의하세요:

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

DAP workflow 모델은 표준 에이전트 채팅 대신 GitLab의 Duo Workflow Service(DWS)를 통해 도구 호출을 라우팅하는 대체 실행 경로를 제공합니다. duo-workflow-* 모델이 선택되면, OpenCode는 다음을 수행합니다:

  1. GitLab 네임스페이스에서 사용 가능한 모델 검색
  2. 여러 모델을 사용할 수 있는 경우 선택 선택기 표시
  3. 빠른 후속 시작을 위해 선택한 모델을 디스크에 캐시
  4. OpenCode의 권한 게이트 도구 시스템을 통해 도구 실행 요청 라우팅

사용 가능한 DAP workflow 모델은 duo-workflow-* 명명 규칙을 따르며 GitLab 인스턴스에서 동적으로 검색됩니다.

GitLab API Tools (선택 사항이지만 적극 권장)

GitLab 도구(병합 요청, 이슈, 파이프라인, CI/CD 등)에 액세스하려면:

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

이 플러그인은 MR 리뷰, 이슈 추적, 파이프라인 모니터링 등을 포함한 포괄적인 GitLab 저장소 관리 기능을 제공합니다.

GitHub Copilot

opencode와 함께 GitHub Copilot 구독을 사용하려면:

참고: 일부 모델은 사용하기 위해 Pro+ 구독 (opens in a new tab)이 필요할 수 있습니다.

  1. /connect 명령을 실행하고 GitHub Copilot을 검색하세요.

    /connect

  2. github.com/login/device (opens in a new tab)로 이동하여 코드를 입력하세요.

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

  3. 이제 /models 명령을 실행하여 원하는 모델을 선택하세요.

    /models

GMI Cloud

OpenCode와 함께 GMI Cloud를 사용하려면:

  1. GMI Cloud 콘솔 (opens in a new tab)로 이동하여 API 키를 만드세요. 엔드포인트 세부 정보는 API 레퍼런스 (opens in a new tab)를 참조할 수도 있습니다.

  2. /connect 명령을 실행하고 GMI Cloud를 검색하세요.

    /connect

  3. GMI Cloud API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 원하는 모델을 선택하세요.

    /models

Google Vertex AI

OpenCode와 함께 Google Vertex AI를 사용하려면:

  1. Google Cloud Console의 Model Garden으로 이동하여 해당 리전에서 사용 가능한 모델을 확인하세요.

    참고: Vertex AI API가 활성화된 Google Cloud 프로젝트가 있어야 합니다.

  2. 필요한 환경 변수를 설정하세요:

    • GOOGLE_CLOUD_PROJECT : Google Cloud 프로젝트 ID

    • VERTEX_LOCATION (선택 사항): Vertex AI의 리전 (기본값 global )

    • 인증 (하나 선택):

      • GOOGLE_APPLICATION_CREDENTIALS : 서비스 계정 JSON 키 파일의 경로
      • gcloud CLI를 사용하여 인증: gcloud auth application-default login

    opencode를 실행하는 동안 설정하세요.

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

    또는 bash 프로필에 추가하세요.

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

팁: global 리전은 추가 비용 없이 가용성을 개선하고 오류를 줄입니다. 데이터 레지던시 요구 사항에는 리전 엔드포인트(예: us-central1)를 사용하세요. 자세히 알아보기 (opens in a new tab)

  1. /models 명령을 실행하여 원하는 모델을 선택하세요.

    /models

Groq

  1. Groq 콘솔 (opens in a new tab)로 이동하여, Create API Key를 클릭하고, 키를 복사하세요.

  2. /connect 명령을 실행하고 Groq을 검색하세요.

    /connect

  3. 프로바이더의 API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 원하는 것을 선택하세요.

    /models

Hugging Face

Hugging Face Inference Providers (opens in a new tab)는 17개 이상의 프로바이더가 지원하는 오픈 모델에 대한 액세스를 제공합니다.

  1. Hugging Face 설정 (opens in a new tab)으로 이동하여 Inference Providers를 호출할 권한이 있는 토큰을 만드세요.

  2. /connect 명령을 실행하고 Hugging Face를 검색하세요.

    /connect

  3. Hugging Face 토큰을 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi-K2-Instruct 또는 GLM-4.6 같은 모델을 선택하세요.

    /models

Helicone

Helicone (opens in a new tab)은 AI 애플리케이션을 위한 로깅, 모니터링 및 분석을 제공하는 LLM 관찰성 플랫폼입니다. Helicone AI Gateway는 모델에 따라 요청을 적절한 프로바이더로 자동 라우팅합니다.

  1. Helicone (opens in a new tab)으로 이동하여, 계정을 만들고, 대시보드에서 API 키를 생성하세요.

  2. /connect 명령을 실행하고 Helicone을 검색하세요.

    /connect

  3. Helicone API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

더 많은 프로바이더와 캐싱 및 속도 제한 같은 고급 기능은 Helicone 문서 (opens in a new tab)를 확인하세요.

선택적 구성

opencode를 통해 자동으로 구성되지 않은 Helicone의 기능이나 모델을 발견한 경우, 언제든지 직접 구성할 수 있습니다.

다음은 Helicone의 Model Directory (opens in a new tab)입니다. 추가하려는 모델의 ID를 가져오려면 이것이 필요합니다.

~/.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

Helicone은 캐싱, 사용자 추적 및 세션 관리 같은 기능을 위한 사용자 정의 헤더를 지원합니다. options.headers를 사용하여 프로바이더 구성에 추가하세요:

~/.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

Helicone의 Sessions (opens in a new tab) 기능을 사용하면 관련 LLM 요청을 그룹화할 수 있습니다. opencode-helicone-session (opens in a new tab) 플러그인을 사용하여 각 OpenCode 대화를 Helicone의 세션으로 자동 기록하세요.

npm install -g opencode-helicone-session

설정에 추가하세요.

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

이 플러그인은 요청에 Helicone-Session-Id와 Helicone-Session-Name 헤더를 주입합니다. Helicone의 Sessions 페이지에서 각 OpenCode 대화가 별도의 세션으로 나열되는 것을 볼 수 있습니다.

일반적인 Helicone 헤더
헤더설명
Helicone-Cache-Enabled응답 캐싱 활성화 (true/false)
Helicone-User-Id사용자별 메트릭 추적
Helicone-Property-[Name]사용자 정의 속성 추가 (예: Helicone-Property-Environment)
Helicone-Prompt-Id요청을 프롬프트 버전과 연결

사용 가능한 모든 헤더는 Helicone Header Directory (opens in a new tab)를 참조하세요.

llama.cpp

llama.cpp의 (opens in a new tab) llama-server 유틸리티를 통해 로컬 모델을 사용하도록 opencode를 구성할 수 있습니다

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
          }
        }
      }
    }
  }
}

이 예시에서:

  • llama.cpp는 사용자 정의 프로바이더 ID입니다. 원하는 어떤 문자열이든 될 수 있습니다.
  • npm은 이 프로바이더에 사용할 패키지를 지정합니다. 여기서는 모든 OpenAI 호환 API에 @ai-sdk/openai-compatible이 사용됩니다.
  • name은 UI에 표시되는 프로바이더의 표시 이름입니다.
  • options.baseURL은 로컬 서버의 엔드포인트입니다.
  • models는 모델 ID와 그 구성을 매핑한 것입니다. 모델 이름은 모델 선택 목록에 표시됩니다.

IO.NET

IO.NET은 다양한 사용 사례에 최적화된 17개의 모델을 제공합니다:

  1. IO.NET 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 IO.NET을 검색하세요.

    /connect

  3. IO.NET API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

LM Studio

LM Studio를 통해 로컬 모델을 사용하도록 opencode를 구성할 수 있습니다.

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)"
        }
      }
    }
  }
}

이 예시에서:

  • lmstudio는 사용자 정의 프로바이더 ID입니다. 원하는 어떤 문자열이든 될 수 있습니다.
  • npm은 이 프로바이더에 사용할 패키지를 지정합니다. 여기서는 모든 OpenAI 호환 API에 @ai-sdk/openai-compatible이 사용됩니다.
  • name은 UI에 표시되는 프로바이더의 표시 이름입니다.
  • options.baseURL은 로컬 서버의 엔드포인트입니다.
  • models는 모델 ID와 그 구성을 매핑한 것입니다. 모델 이름은 모델 선택 목록에 표시됩니다.

Moonshot AI

Moonshot AI의 Kimi K2를 사용하려면:

  1. Moonshot AI 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Create API key를 클릭하세요.

  2. /connect 명령을 실행하고 Moonshot AI를 검색하세요.

    /connect

  3. Moonshot API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi K2를 선택하세요.

    /models

MiniMax

  1. MiniMax API 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 MiniMax를 검색하세요.

    /connect

  3. MiniMax API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 M2.1 같은 모델을 선택하세요.

    /models

Modal

  1. 사용할 모델의 공유 Endpoint (opens in a new tab)를 만드세요.

  2. proxy token (opens in a new tab)을 만들고 ID와 secret을 마침표로 연결하세요.

    wk-<id>.ws-<secret>

  3. /connect를 실행해 Modal을 검색하고 결합한 proxy token을 입력하세요.

    /connect

  4. /models로 Modal workspace의 endpoint를 선택하세요.

    /models

NVIDIA

NVIDIA는 build.nvidia.com (opens in a new tab)을 통해 Nemotron 모델과 다른 많은 오픈 모델에 대한 무료 액세스를 제공합니다.

  1. build.nvidia.com (opens in a new tab)으로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 NVIDIA를 검색하세요.

    /connect

  3. NVIDIA API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 nemotron-3-super-120b-a12b 같은 모델을 선택하세요.

    /models

On-Prem / NIM

사용자 정의 base URL을 설정하여 NVIDIA NIM (opens in a new tab)을 통해 NVIDIA 모델을 로컬에서 사용할 수도 있습니다.

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

환경 변수

또는 API 키를 환경 변수로 설정하세요.

export NVIDIA_API_KEY=nvapi-your-key-here

Nebius Token Factory

  1. Nebius Token Factory 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Add Key를 클릭하세요.

  2. /connect 명령을 실행하고 Nebius Token Factory를 검색하세요.

    /connect

  3. Nebius Token Factory API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi K2 Instruct 같은 모델을 선택하세요.

    /models

Ollama

Ollama를 통해 로컬 모델을 사용하도록 opencode를 구성할 수 있습니다.

팁: Ollama는 OpenCode를 위해 자동으로 자체 구성할 수 있습니다. 자세한 내용은 Ollama 통합 문서 (opens in a new tab)를 참조하세요.

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"
        }
      }
    }
  }
}

이 예시에서:

  • ollama는 사용자 정의 프로바이더 ID입니다. 원하는 어떤 문자열이든 될 수 있습니다.
  • npm은 이 프로바이더에 사용할 패키지를 지정합니다. 여기서는 모든 OpenAI 호환 API에 @ai-sdk/openai-compatible이 사용됩니다.
  • name은 UI에 표시되는 프로바이더의 표시 이름입니다.
  • options.baseURL은 로컬 서버의 엔드포인트입니다.
  • models는 모델 ID와 그 구성을 매핑한 것입니다. 모델 이름은 모델 선택 목록에 표시됩니다.

팁: 도구 호출이 작동하지 않으면, Ollama에서 num_ctx를 늘려 보세요. 16k - 32k 정도로 시작하세요.

Ollama Cloud

OpenCode와 함께 Ollama Cloud를 사용하려면:

  1. https://ollama.com/ (opens in a new tab)으로 이동하여 로그인하거나 계정을 만드세요.

  2. Settings > Keys로 이동하여 Add API Key를 클릭해 새 API 키를 생성하세요.

  3. OpenCode에서 사용할 API 키를 복사하세요.

  4. /connect 명령을 실행하고 Ollama Cloud를 검색하세요.

    /connect

  5. Ollama Cloud API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  6. 중요: OpenCode에서 클라우드 모델을 사용하기 전에, 모델 정보를 로컬로 가져와야 합니다:

    ollama pull gpt-oss:20b-cloud

  7. /models 명령을 실행하여 Ollama Cloud 모델을 선택하세요.

    /models

OpenAI

ChatGPT Plus 또는 Pro (opens in a new tab)에 가입하는 것을 권장합니다.

  1. 가입한 후, /connect 명령을 실행하고 OpenAI를 선택하세요.

    /connect

  2. 여기서 ChatGPT Plus/Pro 옵션을 선택하면 브라우저가 열리고 인증을 요청합니다.

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

  3. 이제 /models 명령을 사용할 때 모든 OpenAI 모델을 사용할 수 있습니다.

    /models
Compute residency

ChatGPT OAuth에서는 workspace 자격 증명이 지역 추론 residency 요구 사항을 제공할 때 OpenCode가 이를 자동 적용합니다. 고정 지역 목록을 유지하지 않고 자격 증명의 compute residency 값을 전달합니다. 저장 데이터 residency가 지역 추론을 의미하지는 않습니다.

API 키 사용

이미 API 키가 있다면, Manually enter API Key를 선택하고 터미널에 붙여넣을 수 있습니다.

OpenCode Zen

OpenCode Zen은 OpenCode 팀이 제공하는 테스트되고 검증된 모델 목록입니다. 자세히 알아보기.

  1. **OpenCode Zen (opens in a new tab)**에 로그인하고 Create API Key를 클릭하세요.

  2. /connect 명령을 실행하고 OpenCode Zen을 검색하세요.

    /connect

  3. OpenCode API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Qwen 3 Coder 480B 같은 모델을 선택하세요.

    /models

OpenRouter

  1. OpenRouter 대시보드 (opens in a new tab)로 이동하여, Create API Key를 클릭하고, 키를 복사하세요.

  2. /connect 명령을 실행하고 OpenRouter를 검색하세요.

    /connect

  3. 프로바이더의 API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. 많은 OpenRouter 모델이 기본적으로 미리 로드되어 있습니다. /models 명령을 실행하여 원하는 것을 선택하세요.

    /models

    opencode 설정을 통해 추가 모델을 추가할 수도 있습니다.

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

  5. opencode 설정을 통해 사용자 정의할 수도 있습니다. 다음은 프로바이더를 지정하는 예시입니다

    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 대시보드 (opens in a new tab)로 이동하여, Create API Key를 클릭하고, 키를 복사하세요.

  2. /connect 명령을 실행하고 LLM Gateway를 검색하세요.

    /connect

  3. 프로바이더의 API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. 많은 LLM Gateway 모델이 기본적으로 미리 로드되어 있습니다. /models 명령을 실행하여 원하는 것을 선택하세요.

    /models

    opencode 설정을 통해 추가 모델을 추가할 수도 있습니다.

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

  5. opencode 설정을 통해 사용자 정의할 수도 있습니다. 다음은 프로바이더를 지정하는 예시입니다

    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"
        }
      }
    }
  }
}

Poolside

Poolside (opens in a new tab)는 OpenAI-compatible API를 통해 모델을 제공합니다.

  1. platform.poolside.ai (opens in a new tab)에 로그인하고 API Keys 탭에서 New key를 클릭해 API 키를 생성하세요.

  2. /connect를 실행해 Poolside를 검색하세요.

    /connect

  3. Poolside API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models를 실행해 모델을 선택하세요.

    /models

Poolside 배포

조직에서 Poolside 배포를 운영한다면 사용자 지정 OpenAI-compatible 프로바이더로 설정하세요. 관리자가 제공한 API 키 또는 token을 ~/.secrets/poolside-key에 저장하고 고유한 provider ID와 사용 가능한 model ID를 추가하세요.

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "poolside-deployment": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Poolside deployment",
      "options": {
        "baseURL": "https://poolside.example.com/openai/v1",
        "apiKey": "{file:~/.secrets/poolside-key}"
      },
      "models": {
        "<served-model-id>": {
          "name": "Poolside deployment model",
          "reasoning": true,
          "interleaved": {
            "field": "reasoning_content"
          }
        }
      }
    }
  }
}

poolside.example.com을 배포 host로, <served-model-id>를 /openai/v1/models endpoint가 반환한 model ID로 바꾸세요. 모델 가용성과 thinking 동작은 배포 설정에 따라 달라집니다.

Tip: Poolside Agent CLI (opens in a new tab)를 설치해 터미널에서 Poolside agents를 직접 사용할 수도 있습니다.

SAP AI Core

SAP AI Core는 통합 플랫폼을 통해 OpenAI, Anthropic, Google, Amazon, Meta, Mistral 및 AI21의 40개 이상의 모델에 대한 액세스를 제공합니다.

  1. SAP BTP Cockpit (opens in a new tab)으로 이동하여, SAP AI Core 서비스 인스턴스로 이동한 다음, 서비스 키를 만드세요.

    팁: 서비스 키는 clientid, clientsecret, url, serviceurls.AI_API_URL을 포함하는 JSON 객체입니다. BTP Cockpit의 Services > Instances and Subscriptions 아래에서 AI Core 인스턴스를 찾을 수 있습니다.

  2. /connect 명령을 실행하고 SAP AI Core를 검색하세요.

    /connect

  3. 서비스 키 JSON을 입력하세요.

    ┌ Service key
│
│
└ enter

    또는 AICORE_SERVICE_KEY 환경 변수를 설정하세요:

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

    또는 bash 프로필에 추가하세요:

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

  4. 선택적으로 배포 ID와 리소스 그룹을 설정하세요:

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

    참고: 이 설정들은 선택 사항이며 SAP AI Core 설정에 따라 구성해야 합니다.

  5. /models 명령을 실행하여 40개 이상의 사용 가능한 모델 중에서 선택하세요.

    /models

STACKIT

STACKIT AI Model Serving은 AI 모델을 위한 완전 관리형 주권 호스팅 환경을 제공하며, 유럽 인프라에서 최대한의 데이터 주권을 갖춘 Llama, Mistral, Qwen 같은 LLM에 중점을 둡니다.

  1. STACKIT Portal (opens in a new tab)로 이동하여, AI Model Serving으로 이동한 다음, 프로젝트의 auth 토큰을 만드세요.

    팁: auth 토큰을 만들기 전에 STACKIT 고객 계정, 사용자 계정 및 프로젝트가 필요합니다.

  2. /connect 명령을 실행하고 STACKIT을 검색하세요.

    /connect

  3. STACKIT AI Model Serving auth 토큰을 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Qwen3-VL 235B 또는 Llama 3.3 70B 같은 사용 가능한 모델 중에서 선택하세요.

    /models

OVHcloud AI Endpoints

  1. OVHcloud 패널 (opens in a new tab)로 이동하세요. Public Cloud 섹션, AI & Machine Learning > AI Endpoints로 이동한 다음, API Keys 탭에서 Create a new API key를 클릭하세요.

  2. /connect 명령을 실행하고 OVHcloud AI Endpoints를 검색하세요.

    /connect

  3. OVHcloud AI Endpoints API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 gpt-oss-120b 같은 모델을 선택하세요.

    /models

Scaleway

Opencode와 함께 Scaleway Generative APIs (opens in a new tab)를 사용하려면:

  1. Scaleway Console IAM 설정 (opens in a new tab)으로 이동하여 새 API 키를 생성하세요.

  2. /connect 명령을 실행하고 Scaleway를 검색하세요.

    /connect

  3. Scaleway API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 devstral-2-123b-instruct-2512 또는 gpt-oss-120b 같은 모델을 선택하세요.

    /models

SCX.ai

SCX.ai (opens in a new tab)는 호주의 재생 에너지 인프라에서 OpenAI-compatible API로 오픈 모델을 제공하는 호주 sovereign AI 플랫폼입니다.

  1. SCX.ai platform (opens in a new tab)에서 계정과 API 키를 만드세요.

  2. /connect를 실행해 SCX.ai를 검색하세요.

    /connect

  3. SCX.ai API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models로 MiniMax-M2.7 또는 GLM-5.2 같은 모델을 선택하세요.

    /models

Snowflake Cortex

Snowflake Cortex (opens in a new tab)는 OpenAI 호환 API를 통해 프론티어 모델(Claude, OpenAI GPT-5 등)에 대한 접근을 제공합니다. 모든 추론은 Snowflake 경계 내에서 실행되며 Snowflake 크레딧으로 청구됩니다. 모델별 요금은 Snowflake Service Consumption Table (opens in a new tab)을 참조하세요.

Snowflake 계정이 없으신가요? 무료 체험판에 가입하세요 (opens in a new tab).

코드 작성, 파일 편집, 명령 실행을 위한 opencode의 핵심 워크플로는 도구 호출에 의존합니다. Snowflake Cortex 내에서는 Claude와 OpenAI 계열만 이를 지원합니다. 핵심 워크플로를 지원하기 위해 프로바이더는 이 계열들로 제한됩니다.

OpenCode는 두 가지 인증 방법을 지원합니다:

  • 브라우저 OAuth (권장) — IdP/SSO로 로그인하세요; 관리할 시크릿이 없고, 토큰이 자동으로 갱신됩니다.
  • 수동 bearer 토큰 — Snowflake 콘솔에서 PAT 또는 JWT를 붙여넣으세요.

브라우저 OAuth (권장)

  1. /connect 명령을 실행하고 Snowflake Cortex를 검색하세요.

    /connect

  2. **Login with Snowflake (External Browser)**를 선택하세요.

    ┌ Select auth method
│
│ Login with Snowflake (External Browser)
│ Paste PAT or bearer token manually
└

  3. 메시지가 표시되면 계정 식별자 (opens in a new tab)를 입력하세요. 예를 들어 myorg-myaccount 또는 xy12345.us-east-1.

    ┌ Snowflake Account Identifier
│
│
└ enter

  4. 선택적으로 세션 범위를 지정할 Snowflake 역할을 입력하세요(예: SYSADMIN). 기본 역할을 사용하려면 비워 두세요.

  5. 열리는 브라우저에서 로그인을 완료하세요. OpenCode는 OAuth 콜백을 자동으로 캡처하고 토큰을 저장합니다 — 복사/붙여넣기가 필요 없습니다.

  6. /models 명령을 실행하여 모델을 선택하세요.

    /models

참고: 브라우저 OAuth는 모든 계정에 순차적으로 적용되고 있는 Snowflake의 내장 SNOWFLAKE$LOCAL_APPLICATION 보안 통합(문서 (opens in a new tab))을 사용합니다. 계정에서 사용 가능 여부를 확인하려면:

SHOW SECURITY INTEGRATIONS LIKE 'SNOWFLAKE$LOCAL_APPLICATION';

결과가 비어 있으면, 통합이 계정에 적용될 때까지 아래의 수동 bearer 토큰 방법을 사용하세요.

수동 bearer 토큰

토큰을 직접 붙여넣는 것을 선호하거나, 계정에 SNOWFLAKE$LOCAL_APPLICATION이 아직 제공되지 않는 경우:

  1. Snowflake 계정에서 Programmatic Access Token (PAT) (opens in a new tab)을 생성하세요.

  2. /connect 명령을 실행하고, Snowflake Cortex를 검색한 다음, Paste PAT or bearer token manually를 선택하세요.

  3. 메시지가 표시되면 계정 식별자 (opens in a new tab)를 입력하세요.

  4. PAT를 붙여넣으세요.

  5. /models 명령을 실행하여 모델을 선택하세요.

    /models

환경 변수

CI나 헤드리스 환경의 경우, opencode를 시작하기 전에 PAT 또는 JWT를 설정하세요:

export SNOWFLAKE_ACCOUNT=myorg-myaccount
export SNOWFLAKE_CORTEX_TOKEN=your-pat-or-jwt

참고: SNOWFLAKE_CORTEX_TOKEN은 PAT 또는 JWT만 허용합니다 — 브라우저 OAuth 흐름은 /connect를 통해서만 사용할 수 있으며 환경 변수로는 설정할 수 없습니다. SNOWFLAKE_CORTEX_PAT는 하위 호환성을 위해 계속 지원됩니다.

모델 카탈로그는 자동으로 제공됩니다. 최소한의 opencode.json만 있으면 됩니다:

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "model": "snowflake-cortex/claude-sonnet-4-6",
  "small_model": "snowflake-cortex/claude-haiku-4-5"
}

Together AI

  1. Together AI 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Add Key를 클릭하세요.

  2. /connect 명령을 실행하고 Together AI를 검색하세요.

    /connect

  3. Together AI API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Kimi K2 Instruct 같은 모델을 선택하세요.

    /models

Venice AI

  1. Venice AI 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, API 키를 생성하세요.

  2. /connect 명령을 실행하고 Venice AI를 검색하세요.

    /connect

  3. Venice AI API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 Llama 3.3 70B 같은 모델을 선택하세요.

    /models

Vercel AI Gateway

Vercel AI Gateway를 사용하면 통합 엔드포인트를 통해 OpenAI, Anthropic, Google, xAI 등의 모델에 액세스할 수 있습니다. 모델은 마크업 없이 정가로 제공됩니다.

  1. Vercel 대시보드 (opens in a new tab)로 이동하여, AI Gateway 탭으로 이동한 다음, API keys를 클릭해 새 API 키를 만드세요.

  2. /connect 명령을 실행하고 Vercel AI Gateway를 검색하세요.

    /connect

  3. Vercel AI Gateway API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 모델을 선택하세요.

    /models

opencode 설정을 통해 모델을 사용자 정의할 수도 있습니다. 다음은 프로바이더 라우팅 순서를 지정하는 예시입니다.

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

몇 가지 유용한 라우팅 옵션:

옵션설명
order시도할 프로바이더 순서
only특정 프로바이더로 제한
zeroDataRetention데이터 무보존 정책을 가진 프로바이더만 사용

xAI

인증 방법은 두 가지입니다. device-code OAuth를 통한 SuperGrok 구독 또는 xAI console의 pay-as-you-go API 키를 사용할 수 있습니다.

옵션 A — SuperGrok 구독

  1. /connect를 실행해 xAI를 검색하세요.

    /connect

  2. SuperGrok Subscription을 선택하세요. 지원되는 경우 OpenCode가 user code가 미리 입력된 xAI 확인 링크를 엽니다.

  3. 동의 화면을 승인하세요. xAI가 code를 요구하면 OpenCode에 표시된 user code를 입력하세요. 승인 후 OpenCode가 xAI token endpoint를 폴링하고 OAuth token을 저장합니다.

  4. /models를 실행해 Grok 모델을 선택하세요.

    /models

OpenCode는 OAuth access token을 자동으로 갱신합니다. Grok API 액세스가 포함된 Grok 또는 X Premium 요금제라면 별도 XAI_API_KEY 없이 사용할 수 있습니다.

옵션 B — API 키

  1. xAI console (opens in a new tab)에서 계정과 API 키를 만드세요.

  2. /connect를 실행해 xAI를 검색하세요.

    /connect

  3. Manually enter API Key를 선택하고 xAI API 키를 붙여 넣으세요.

    ┌ API key
│
│
└ enter

  4. /models로 Grok Beta 같은 모델을 선택하세요.

    /models

Z.AI

  1. Z.AI API 콘솔 (opens in a new tab)로 이동하여, 계정을 만들고, Create a new API key를 클릭하세요.

  2. /connect 명령을 실행하고 Z.AI를 검색하세요.

    /connect

    GLM Coding Plan에 구독되어 있다면, Z.AI Coding Plan을 선택하세요.

  3. Z.AI API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. /models 명령을 실행하여 GLM-4.7 같은 모델을 선택하세요.

    /models

ZenMux

  1. ZenMux 대시보드 (opens in a new tab)로 이동하여, Create API Key를 클릭하고, 키를 복사하세요.

  2. /connect 명령을 실행하고 ZenMux를 검색하세요.

    /connect

  3. 프로바이더의 API 키를 입력하세요.

    ┌ API key
│
│
└ enter

  4. 많은 ZenMux 모델이 기본적으로 미리 로드되어 있습니다. /models 명령을 실행하여 원하는 것을 선택하세요.

    /models

    opencode 설정을 통해 추가 모델을 추가할 수도 있습니다.

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

사용자 정의 프로바이더

/connect 명령에 나열되지 않은 OpenAI 호환 프로바이더를 추가하려면:

팁: opencode와 함께 모든 OpenAI 호환 프로바이더를 사용할 수 있습니다. 대부분의 최신 AI 프로바이더는 OpenAI 호환 API를 제공합니다.

  1. /connect 명령을 실행하고 아래로 스크롤하여 Other로 이동하세요.

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

  2. 프로바이더의 고유 ID를 입력하세요.

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

    참고: 기억하기 쉬운 ID를 선택하세요. 설정 파일에서 이를 사용하게 됩니다.

  3. 프로바이더의 API 키를 입력하세요.

    $ /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 디렉터리에 opencode.json 파일을 만들거나 업데이트하세요:

    opencode.json
    {
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "myprovider": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "My AI Provider Display Name",
      "options": {
        "baseURL": "https://api.myprovider.com/v1"
      },
      "models": {
        "my-model-name": {
          "name": "My Model Display Name"
        }
      }
    }
  }
}

    다음은 구성 옵션입니다:

    • npm : 사용할 AI SDK 패키지로, OpenAI 호환 프로바이더(/v1/chat/completions용)에는 @ai-sdk/openai-compatible입니다. 프로바이더/모델이 /v1/responses를 사용하는 경우, @ai-sdk/openai를 사용하세요.
    • name : UI에 표시되는 이름.
    • models : 사용 가능한 모델.
    • options.baseURL : API 엔드포인트 URL.
    • options.apiKey : 인증을 사용하지 않는 경우, 선택적으로 API 키를 설정합니다.
    • options.headers : 선택적으로 사용자 정의 헤더를 설정합니다.

    아래 예시에서 고급 옵션에 대해 더 알아보세요.

  5. /models 명령을 실행하면 사용자 정의 프로바이더와 모델이 선택 목록에 나타납니다.

예시

다음은 apiKey, headers 및 모델 limit 옵션을 설정하는 예시입니다.

opencode.json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "myprovider": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "My AI Provider Display 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 정보:

  • apiKey : env 변수 구문을 사용하여 설정합니다. 자세히 알아보기 .
  • headers : 각 요청과 함께 전송되는 사용자 정의 헤더.
  • limit.context : 모델이 받아들이는 최대 입력 토큰.
  • limit.output : 모델이 생성할 수 있는 최대 토큰.

limit 필드를 사용하면 OpenCode가 남은 컨텍스트가 얼마나 되는지 이해할 수 있습니다. 표준 프로바이더는 이를 models.dev에서 자동으로 가져옵니다.

문제 해결

프로바이더 구성에 문제가 있는 경우, 다음을 확인하세요:

  1. auth 설정 확인: opencode auth list를 실행하여 프로바이더의 자격 증명이 설정에 추가되었는지 확인하세요. 이는 인증에 환경 변수를 사용하는 Amazon Bedrock 같은 프로바이더에는 적용되지 않습니다.

  2. 사용자 정의 프로바이더의 경우, opencode 설정을 확인하고:

    • /connect 명령에서 사용된 프로바이더 ID가 opencode 설정의 ID와 일치하는지 확인하세요.
    • 프로바이더에 올바른 npm 패키지가 사용되었는지 확인하세요. 예를 들어 Cerebras에는 @ai-sdk/cerebras를 사용하세요. 그리고 다른 모든 OpenAI 호환 프로바이더에는 @ai-sdk/openai-compatible(/v1/chat/completions용)을 사용하세요; 모델이 /v1/responses를 사용하면 @ai-sdk/openai를 사용하세요. 하나의 프로바이더 아래 혼합 설정의 경우, provider.npm을 통해 모델별로 재정의할 수 있습니다.
    • options.baseURL 필드에 올바른 API 엔드포인트가 사용되었는지 확인하세요.
설정네트워크