path: root/packages/web/src/content/docs/ja/providers.mdx

---
title: プロバイダー
description: OpenCode で LLM プロバイダーを使用する。
---

import config from "../../../../config.mjs"
export const console = config.console

OpenCode は [AI SDK](https://ai-sdk.dev/) および [Models.dev](https://models.dev) 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をサポートします。

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` コマンドを使用して、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。

---

### 認証情報

`/connect` コマンドを使用してプロバイダーの API キーを追加すると、それらは保存されます
`~/.local/share/opencode/auth.json`で。

---

### 設定

OpenCode 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。
config.

---

#### Base URL

`baseURL` オプションを設定することで、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、プロキシサービスまたはカスタムエンドポイントを使用する場合に便利です。

```json title="opencode.json" {6}
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "anthropic": {
      "options": {
        "baseURL": "https://api.anthropic.com/v1"
      }
    }
  }
}
```

---

## OpenCode Zen

OpenCode Zen は、OpenCode チームが提供するモデルのリストです。
OpenCode で適切に動作することがテストおよび検証されています。 [詳細はこちら](/docs/zen)。

:::tip
初めての方は、OpenCode Zen から始めることをお勧めします。
:::

1. TUI で `/connect` コマンドを実行し、`OpenCode Zen` を選択して、[opencode.ai/zen](https://opencode.ai/zen) にアクセスします。

   ```txt
   /connect
   ```

2. サインインし、お支払いの詳細を追加し、API キーをコピーします。

3. API キーを貼り付けます。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. TUI で `/models` を実行すると、推奨されるモデルのリストが表示されます。

   ```txt
   /models
   ```

これは OpenCode の他のプロバイダーと同様に機能し、使用は完全にオプションです。

---

## OpenCode Go

OpenCode Go は、OpenCode チームによって提供される、人気のあるオープンコーディングモデルへの信頼性の高い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。これらは OpenCode でうまく機能することがテストおよび検証されています。

1. TUI で `/connect` コマンドを実行し、`OpenCode Go` を選択して、[opencode.ai/zen](https://opencode.ai/zen) にアクセスします。

   ```txt
   /connect
   ```

2. サインインし、お支払いの詳細を追加し、API キーをコピーします。

3. API キーを貼り付けます。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. TUI で `/models` を実行すると、推奨されるモデルのリストが表示されます。

   ```txt
   /models
   ```

これは OpenCode の他のプロバイダーと同様に機能し、使用は完全にオプションです。

---

## ディレクトリ

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

:::note
ここにプロバイダーが表示されない場合は、 PRを送信してください。
:::

---

### 302.AI

1. [302.AI console](https://302.ai/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. 302.AI API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

---

### Amazon Bedrock

OpenCode で Amazon Bedrock を使用するには:

1. Amazon Bedrock コンソールの **モデルカタログ** に移動し、必要なモデルへのアクセスをリクエストします。

   :::tip
   Amazon Bedrock で必要なモデルにアクセスできる必要があります。
   :::

2. **次のいずれかの方法を使用して認証を構成します**:

   ***

   #### 環境変数 (クイックスタート)

   opencode の実行中に次の環境変数のいずれかを設定します。

   ```bash
   # オプション 1: AWS アクセスキーの使用
   AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode

   # オプション 2: 名前付き AWS プロファイルの使用
   AWS_PROFILE=my-profile opencode

   # オプション 3: Bedrock ベアラートークンの使用
   AWS_BEARER_TOKEN_BEDROCK=XXX opencode
   ```

   または、それらを bash プロファイルに追加します。

   ```bash title="~/.bash_profile"
   export AWS_PROFILE=my-dev-profile
   export AWS_REGION=us-east-1
   ```

   ***

   #### 設定ファイル (推奨)

   プロジェクト固有の設定または永続的な設定の場合は、`opencode.json` を使用します。

   ```json title="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` からの AWS 名前付きプロファイル
   - `endpoint` - VPC エンドポイント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)

   :::tip
   設定ファイルのオプションは環境変数より優先されます。
   :::

   ***

   #### 上級: VPC エンドポイント

   Bedrock の VPC エンドポイントを使用している場合:

   ```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` オプションは、AWS 固有の用語を使用した汎用の `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は、`endpoint` が優先されます。
   :::

   ***

   #### 認証方法
   - **`AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY`**: IAM ユーザーを作成し、AWS コンソールで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。最初に `aws configure --profile my-profile` または `aws sso login` を設定します
   - **`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の IAM ロール) または OIDC フェデレーションを備えた他の Kubernetes 環境の場合。これらの環境変数は、サービスアカウントアノテーションを使用するときに Kubernetes によって自動的に挿入されます。

   ***

   #### 認証の優先順位

   Amazon Bedrock は次の認証優先度を使用します。
   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 ID トークン (EKS IRSA)、インスタンスメタデータ

   :::note
   ベアラー トークンが (`/connect` または `AWS_BEARER_TOKEN_BEDROCK` 経由で) 設定されると、設定されたプロファイルを含むすべての AWS 認証情報方法よりも優先されます。
   :::

3. `/models` コマンドを実行して、必要なモデルを選択します。

   ```txt
   /models
   ```

:::note
カスタム推論プロファイルの場合、キーでモデルとプロバイダー名を使用し、`id` プロパティを arn に設定します。これにより、正しいキャッシュが保証されます。
:::

```json title="opencode.json"
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "amazon-bedrock": {
      // ...
      "models": {
        "anthropic-claude-sonnet-4.5": {
          "id": "arn:aws:bedrock:us-east-1:xxx:application-inference-profile/yyy"
        }
      }
    }
  }
}
```

---

### Anthropic

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

   ```txt
   /connect
   ```

2. ここで **Claude Pro/Max** オプションを選択すると、ブラウザが開きます
   そして認証を求められます。

   ```txt
   ┌ Select auth method
   │
   │ Claude Pro/Max
   │ Create an API Key
   │ Manually enter API Key
   └
   ```

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

   ```txt
   /models
   ```

:::info
OpenCode での Claude Pro/Max サブスクリプションの使用は、[Anthropic](https://anthropic.com) によって正式に許可されていませんが、一般的に機能します。
:::

##### APIキーの使用

Pro/Max サブスクリプションをお持ちでない場合は、[**API キーの作成**] を選択することもできます。また、ブラウザが開き、Anthropic にログインするよう求められ、ターミナルに貼り付けるコードが表示されます。

または、すでに API キーをお持ちの場合は、[**API キーを手動で入力**] を選択してターミナルに貼り付けることができます。

---

### Atomic Chat

opencode は、OpenAI 互換の API サーバーの背後でローカル LLM を実行するデスクトップアプリケーション [Atomic Chat](https://atomic.chat) 経由でローカルモデルを使うように設定できます（デフォルトのエンドポイントは `http://127.0.0.1:1337/v1`）。

```json title="opencode.json" "atomic-chat" {5, 6, 8, 10-14}
{
  "$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。任意の文字列を指定できます。
- `npm` はこのプロバイダーに使用するパッケージを指定します。ここでは、任意の OpenAI 互換 API に対して `@ai-sdk/openai-compatible` を使用しています。
- `name` は UI に表示されるプロバイダー名です。
- `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 に現在ロードされている ID の一覧は `curl http://127.0.0.1:1337/v1/models` を実行して確認できます。

:::tip
ツール呼び出しがうまく動作しない場合は、ツール呼び出しに強いロード済みモデル（例えば Qwen-Coder や DeepSeek-Coder のバリアント）を選択してください。
:::

---

### Azure OpenAI

:::note
「申し訳ありませんが、そのリクエストには対応できません」エラーが発生した場合は、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 portal](https://portal.azure.com/) に移動し、**Azure OpenAI** リソースを作成します。必要なものは次のとおりです。
   - **リソース名**: これは API エンドポイント (`https://RESOURCE_NAME.openai.azure.com/`) の一部になります。
   - **API キー**: リソースの `KEY 1` または `KEY 2` のいずれか

2. [Azure AI Foundry](https://ai.azure.com/) に移動し、モデルをデプロイします。

:::note
OpenCode が正しく動作するには、デプロイメント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。

   ```txt
   /connect
   ```

4. API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

5. リソース名を環境変数として設定します。

   ```bash
   AZURE_RESOURCE_NAME=XXX opencode
   ```

または、bash プロファイルに追加します。

```bash title="~/.bash_profile"
   export AZURE_RESOURCE_NAME=XXX
```

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

   ```txt
   /models
   ```

---

### Azure Cognitive Services

1. [Azure portal](https://portal.azure.com/) に移動し、**Azure OpenAI** リソースを作成します。必要なものは次のとおりです。
   - **リソース名**: これは API エンドポイント (`https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/`) の一部になります。
   - **API キー**: リソースの `KEY 1` または `KEY 2` のいずれか

2. [Azure AI Foundry](https://ai.azure.com/) に移動し、モデルをデプロイします。

:::note
OpenCode が正しく動作するには、デプロイメント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。

   ```txt
   /connect
   ```

4. API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

5. リソース名を環境変数として設定します。

   ```bash
   AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
   ```

または、bash プロファイルに追加します。

```bash title="~/.bash_profile"
   export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX
```

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

   ```txt
   /models
   ```

---

### Baseten

1. [Baseten](https://app.baseten.co/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Baseten API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

---

### Cerebras

1. [Cerebras console](https://inference.cerebras.ai/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Cerebras API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Cloudflare AI Gateway

Cloudflare AI Gatewayを使用すると、統合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。 [Unified Billing](https://developers.cloudflare.com/ai-gateway/features/unified-billing/) を使用すると、プロバイダーごとに個別の API キーは必要ありません。

1. [Cloudflare ダッシュボード ](https://dash.cloudflare.com/) に移動し、**AI** > **AI ゲートウェイ** に移動し、新しいゲートウェイを作成します。

2. アカウント ID とゲートウェイ ID を環境変数として設定します。

   ```bash title="~/.bash_profile"
   export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
   export CLOUDFLARE_GATEWAY_ID=your-gateway-id
   ```

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

   ```txt
   /connect
   ```

4. Cloudflare API トークンを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

または環境変数として設定します。

```bash title="~/.bash_profile"
   export CLOUDFLARE_API_TOKEN=your-api-token
```

5. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

OpenCode 設定を通じてモデルを追加することもできます。

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

---

### Cortecs

1. [Cortecs console](https://cortecs.ai/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Cortecs API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### DeepSeek

1. [DeepSeek コンソール ](https://platform.deepseek.com/) に移動し、アカウントを作成し、**新しい API キーの作成** 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。

   ```txt
   /connect
   ```

3. DeepSeek API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Deep Infra

1. [Deep Infra ダッシュボード](https://deepinfra.com/dash) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Deep Infra API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

---

### Firmware

1. [ファームウェアダッシュボード](https://app.firmware.ai/signup) に移動し、アカウントを作成し、API キーを生成します。

2. `/connect` コマンドを実行し、**ファームウェア**を検索します。

   ```txt
   /connect
   ```

3. ファームウェア API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

---

### Fireworks AI

1. [Fireworks AI コンソール ](https://app.fireworks.ai/) に移動し、アカウントを作成し、**API キーの作成** 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。

   ```txt
   /connect
   ```

3. Fireworks AI API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### GitLab Duo

GitLab Duo は、GitLab の Anthropic プロキシを介したネイティブツール呼び出し機能を備えた AI を活用したエージェントチャットを提供します。

1. `/connect` コマンドを実行し、GitLab を選択します。

   ```txt
   /connect
   ```

2. 認証方法を選択してください:

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

   #### OAuthの使用(推奨)

**OAuth** を選択すると、認証のためにブラウザが開きます。

#### パーソナルアクセストークンの使用

1.  [GitLab ユーザー設定 > アクセス Tokens](https://gitlab.com/-/user_settings/personal_access_tokens) に移動します。
2.  **新しいトークンを追加** をクリックします
3.  名前: `OpenCode`、スコープ: `api`
4.  トークンをコピーします（`glpat-`で始まる）
5.  ターミナルに入力してください

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

```txt
/models
```

---

### STACKIT

STACKIT AI Model Serving は、Llama、Mistral、Qwen などの LLM に焦点を当て、ヨーロッパのインフラストラクチャでの最大限のデータ主権を備えた、AI モデル用の完全に管理された主権ホスティング環境を提供します。

1. [STACKIT Portal](https://portal.stackit.cloud) に移動し、**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。

   :::tip
   認証トークンを作成する前に、STACKIT 顧客アカウント、ユーザーアカウント、および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。

   ```txt
   /connect
   ```

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

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行して、_Qwen3-VL 235B_ や _Llama 3.3 70B_ などの利用可能なモデルから選択します。

   ```txt
   /models
   ```

3 つの Claude ベースのモデルが利用可能です。

- **duo-chat-haiku-4-5** (デフォルト) - 素早いタスクに対する素早い応答
- **duo-chat-sonnet-4-5** - ほとんどのワークフローでバランスの取れたパフォーマンス
- **duo-chat-opus-4-5** - 複雑な分析に最も適した能力

:::note
必要がない場合は、「GITLAB_TOKEN」環境変数を指定することもできます。
トークンを OpenCode 認証ストレージに保存します。
:::

##### 自己ホスト型 GitLab

:::note[コンプライアンスメモ]
OpenCode は、セッションタイトルの生成などの一部の AI タスクに小規模なモデルを使用します。
デフォルトでは、Zen によってホストされる gpt-5-nano を使用するように構成されています。 OpenCode をロックするには
自分の GitLab でホストされているインスタンスのみを使用するには、次の行を
`opencode.json` ファイル。セッション共有を無効にすることもお勧めします。

```json
{
  "small_model": "gitlab/duo-chat-haiku-4-5",
  "share": "disabled"
}
```

:::

セルフホスト型 GitLab インスタンスの場合:

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

インスタンスがカスタム AI ゲートウェイを実行している場合:

```bash
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 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 管理者は以下を有効にする必要があります。

1. [Duo Agent Platform](https://docs.gitlab.com/user/duo_agent_platform/turn_on_off/) (ユーザー、グループ、またはインスタンス用)
2. 機能フラグ (Rails コンソール経由):
   - `agent_platform_claude_code`
   - `third_party_agents_enabled`
     :::

##### セルフホスト型インスタンスの OAuth

自己ホスト型インスタンスで Oauth を機能させるには、以下を作成する必要があります。
新しいアプリケーション ([設定] → [アプリケーション]) で、
コールバック URL `http://127.0.0.1:8080/callback` と次のスコープ:

- api (あなたの代わりに API にアクセスします)
- read_user (個人情報の読み取り)
- read_repository (リポジトリへの読み取り専用アクセスを許可します)

次に、アプリケーション ID を環境変数として公開します。

```bash
export GITLAB_OAUTH_CLIENT_ID=your_application_id_here
```

詳細については、[opencode-gitlab-auth](https://www.npmjs.com/package/opencode-gitlab-auth) ホームページ。

##### 設定

`opencode.json` を通じてカスタマイズします。

```json title="opencode.json"
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "gitlab": {
      "options": {
        "instanceUrl": "https://gitlab.com"
      }
    }
  }
}
```

##### GitLab API ツール (オプションですが強く推奨)

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

```json title="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、問題追跡、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 で使用するには:

:::note
一部のモデルでは [Pro+] が必要になる場合があります。
subscription](https://github.com/features/copilot/plans) を使用します。

一部のモデルは、[GitHub Copilot settings](https://docs.github.com/en/copilot/how-tos/use-ai-models/configure-access-to-ai-models#setup-for-individual-use) で構成する必要があります。
:::

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

   ```txt
   /connect
   ```

2. [github.com/login/device](https://github.com/login/device) に移動し、コードを入力します。

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

3. 次に、`/models` コマンドを実行して、必要なモデルを選択します。

   ```txt
   /models
   ```

---

### Google Vertex AI

OpenCode で Google Vertex AI を使用するには:

1. Google Cloud Console の **Model Garden** に移動し、
   お住まいの地域で利用可能なモデル。

:::note
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`: Google Cloud プロジェクト ID
   - `VERTEX_LOCATION` (オプション): Vertex AI の領域 (デフォルトは `global`)
   - 認証 (1 つ選択):
     - `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 を使用して認証する: `gcloud auth application-default login`

opencode の実行中に設定します。

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

または、それらを bash プロファイルに追加します。

```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` 領域は、追加コストなしで可用性を向上させ、エラーを削減します。データ常駐要件には、リージョンエンドポイント (`us-central1` など) を使用します。 [詳細はこちら](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/use-partner-models#regional_and_global_endpoints)
:::

3. `/models` コマンドを実行して、必要なモデルを選択します。

   ```txt
   /models
   ```

---

### Groq

1. [Groq console](https://console.groq.com/) に移動し、[**API キーの作成**] 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。

   ```txt
   /connect
   ```

3. プロバイダーの API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行して、必要なものを選択します。

   ```txt
   /models
   ```

---

### Hugging Face

[Hugging Face Inference Provider](https://huggingface.co/docs/inference-providers) は、17 を超える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 settings](https://huggingface.co/settings/tokens/new?ownUserPermissions=inference.serverless.write&tokenType=fineGrained) に移動して、推論プロバイダーを呼び出す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。

   ```txt
   /connect
   ```

3. Hugging Face トークンを入力してください。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行して、_Kimi-K2-Instruct_ や _GLM-4.6_ などのモデルを選択します。

   ```txt
   /models
   ```

---

### Helicone

[Helicone](https://helicone.ai) は、AI アプリケーションのロギング、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 ゲートウェイは、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](https://helicone.ai) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Helicone API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

その他のプロバイダーや、キャッシュやレート制限などの高度な機能については、[Helicone ドキュメント](https://docs.helicone.ai).

#### オプションの設定

OpenCode を通じて自動的に構成されていない Helicone の機能またはモデルを見つけた場合は、いつでも自分で構成できます。

これは [Helicone のモデルディレクトリ](https://helicone.ai/models) です。追加するモデルの ID を取得するためにこれが必要になります。

```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-4-20250929": {
          "name": "Claude Sonnet 4",
        },
      },
    },
  },
}
```

#### カスタムヘッダー

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のカスタムヘッダーをサポートしています。 `options.headers` を使用してプロバイダー設定に追加します。

```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",
        },
      },
    },
  },
}
```

##### セッション追跡

Helicone の [Sessions](https://docs.helicone.ai/features/sessions) 機能を使用すると、関連する LLM リクエストをグループ化できます。 [opencode-helicone-session](https://github.com/H2Shami/opencode-helicone-session) プラグインを使用して、各 OpenCode 会話を Helicone のセッションとして自動的に記録します。

```bash
npm install -g opencode-helicone-session
```

それを設定に追加します。

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

プラグインは、リクエストに `Helicone-Session-Id` ヘッダーと `Helicone-Session-Name` ヘッダーを挿入します。 Helicone のセッションページでは、OpenCode の各会話が個別のセッションとしてリストされています。

##### 一般的なヘリコーンヘッダー

| ヘッダー                   | 説明                                                                   |
| -------------------------- | ---------------------------------------------------------------------- |
| `Helicone-Cache-Enabled`   | 応答キャッシュを有効にする (`true`/`false`)                            |
| `Helicone-User-Id`         | ユーザーごとにメトリクスを追跡する                                     |
| `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バージョンに関連付ける                           |

利用可能なすべてのヘッダーについては、[Helicone Header Directory](https://docs.helicone.ai/helicone-headers/header-directory) を参照してください。

---

### llama.cpp

[llama.cpp の s](https://github.com/ggml-org/llama.cpp) llama-server ユーティリティ] を通じて、ローカルモデルを使用するように opencode を構成できます。

```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
          }
        }
      }
    }
  }
}
```

この例では:

- `llama.cpp` はカスタムプロバイダー ID です。これには任意の文字列を指定できます。
- `npm` は、このプロバイダーに使用するパッケージを指定します。ここで、`@ai-sdk/openai-compatible` は OpenAI 互換 API に使用されます。
- `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 とその設定のマップです。機種選択リストに機種名が表示されます。

---

### IO.NET

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

1. [IO.NET console](https://ai.io.net/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. IO.NET API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /models
   ```

---

### LM Studio

LM Studio を通じてローカルモデルを使用するように opencode を構成できます。

```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)"
        }
      }
    }
  }
}
```

この例では:

- `lmstudio` はカスタムプロバイダー ID です。これには任意の文字列を指定できます。
- `npm` は、このプロバイダーに使用するパッケージを指定します。ここで、`@ai-sdk/openai-compatible` は OpenAI 互換 API に使用されます。
- `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 とその設定のマップです。機種選択リストに機種名が表示されます。

---

### Moonshot AI

Moonshot AI の Kim K2 を使用するには:

1. [Moonshot AI console](https://platform.moonshot.ai/console) に移動し、アカウントを作成し、[**API キーの作成**] 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。

   ```txt
   /connect
   ```

3. Moonshot API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行して、_Kimi K2_ を選択します。

   ```txt
   /models
   ```

---

### MiniMax

1. [MiniMax API Console](https://platform.minimax.io/login) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. MiniMax API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Nebius Token Factory

1. [Nebius Token Factory console](https://tokenfactory.nebius.com/) に移動し、アカウントを作成し、[**キーの追加**] 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。

   ```txt
   /connect
   ```

3. Nebius Token Factory API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Ollama

Ollama を通じてローカルモデルを使用するように opencode を構成できます。

:::tip
Ollama は OpenCode 用に自動的に構成できます。詳細については、[Ollama 統合 docs](https://docs.ollama.com/integrations/opencode)」を参照してください。
:::

```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"
        }
      }
    }
  }
}
```

この例では:

- `ollama` はカスタムプロバイダー ID です。これには任意の文字列を指定できます。
- `npm` は、このプロバイダーに使用するパッケージを指定します。ここで、`@ai-sdk/openai-compatible` は OpenAI 互換 API に使用されます。
- `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 とその設定のマップです。機種選択リストに機種名が表示されます。

:::tip
ツール呼び出しが機能しない場合は、Ollama の `num_ctx` を増やしてみてください。 16k〜32kあたりから始めてください。
:::

---

### Ollama Cloud

OpenCode で Ollama Cloud を使用するには:

1. [https://ollama.com/](https://ollama.com/) にアクセスしてサインインするか、アカウントを作成します。

2. [**設定**] > [キー**] に移動し、[**API キーの追加**] をクリックして新しい API キーを生成します。

3. OpenCode で使用するために 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。

   ```txt
   /connect
   ```

5. Ollama Cloud API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

6. **重要**: OpenCode でクラウドモデルを使用する前に、モデル情報をローカルに取得する必要があります。

   ```bash
   ollama pull gpt-oss:20b-cloud
   ```

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

   ```txt
   /models
   ```

---

### OpenAI

[ChatGPT Plus または Pro](https://chatgpt.com/pricing) にサインアップすることをお勧めします。

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

   ```txt
   /connect
   ```

2. ここで **ChatGPT Plus/Pro** オプションを選択すると、ブラウザが開きます。
   そして認証を求められます。

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

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

   ```txt
   /models
   ```

##### APIキーの使用

すでに API キーをお持ちの場合は、**API キーを手動で入力** を選択し、ターミナルに貼り付けることができます。

---

### OpenCode Zen

OpenCode Zen は、OpenCode チームによって提供される、テストおよび検証されたモデルのリストです。 [詳細はこちら](/docs/zen)。

1. **<a href={console}>OpenCode Zen</a>** にサインインし、**API キーの作成** 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。

   ```txt
   /connect
   ```

3. OpenCode API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### OpenRouter

1. [OpenRouter ダッシュボード](https://openrouter.ai/settings/keys) に移動し、[**API キーの作成**] 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。

   ```txt
   /connect
   ```

3. プロバイダーの API キーを入力します。

   ```txt
   ┌ 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おり、`/models` コマンドを実行して必要なモデルを選択します。

   ```txt
   /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。

```json title="opencode.json" {6}
{
  "$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。プロバイダーを指定する例を次に示します。

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

---

### SAP AI Core

SAP AI コアは、統合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](https://account.hana.ondemand.com/) に移動し、SAP AI コア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。

:::tip
サービスキーは、`clientid`、`clientsecret`、`url`、および `serviceurls.AI_API_URL` を含む JSON オブジェクトです。 AI コアインスタンスは、BTP コックピットの **サービス** > **インスタンスとサブスクリプション** で見つかります。
:::

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

   ```txt
   /connect
   ```

3. サービスキーの JSON を入力します。

   ```txt
   ┌ Service key
   │
   │
   └ enter
   ```

または、`AICORE_SERVICE_KEY` 環境変数を設定します。

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

4. 必要に応じて、デプロイメント ID とリソースグループを設定します。

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

:::note
これらの設定はオプションであり、SAP AI コアのセットアップに従っ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。

   ```txt
   /models
   ```

---

### OVHcloud AI Endpoints

1. [OVHcloud パネル](https://ovh.com/manager) に移動します。 `Public Cloud` セクション、`AI & Machine Learning` > `AI Endpoints` に移動し、`API Keys` タブで **新しい API キーの作成** をクリックします。

2. `/connect` コマンドを実行し、**OVHcloud AI エンドポイント**を検索します。

   ```txt
   /connect
   ```

3. OVHcloud AI エンドポイント API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Scaleway

[Scaleway Generative APIs](https://www.scaleway.com/en/docs/generative-apis/) を Opencode で使用するには:

1. [Scaleway Console IAM settings](https://console.scaleway.com/iam/api-keys) に移動して、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。

   ```txt
   /connect
   ```

3. Scaleway API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行して、_devstral-2-123b-instruct-2512_ や _gpt-oss-120b_ などのモデルを選択します。

   ```txt
   /models
   ```

---

### Together AI

1. [Together AI console](https://api.together.ai) に移動し、アカウントを作成し、[**キーの追加**] 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。

   ```txt
   /connect
   ```

3. Together AI API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Venice AI

1. [Venice AI console](https://venice.ai) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. Venice AI API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Vercel AI Gateway

Vercel AI Gateway を使用すると、統合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。モデルは値上げなしの定価で提供されます。

1. [Vercel ダッシュボード ](https://vercel.com/) に移動し、**AI ゲートウェイ** タブに移動し、**API キー** 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。

   ```txt
   /connect
   ```

3. Vercel AI Gateway API キーを入力します。

   ```txt
   ┌ API key
   │
   │
   └ enter
   ```

4. `/models` コマンドを実行してモデルを選択します。

   ```txt
   /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。プロバイダーのルーティング順序を指定する例を次に示します。

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

いくつかの便利なルーティングオプション:

| オプション          | 説明                                                 |
| ------------------- | ---------------------------------------------------- |
| `order`             | 試行するプロバイダーシーケンス                       |
| `only`              | 特定のプロバイダーに制限する                         |
| `zeroDataRetention` | データ保持ポリシーがゼロのプロバイダーのみを使用する |

---

### xAI

1. [xAI console](https://console.x.ai/) に移動し、アカウントを作成し、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。

   ```txt
   /connect
   ```

3. xAI API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### Z.AI

1. [Z.AI API コンソール ](https://z.ai/manage-apikey/apikey-list) に移動し、アカウントを作成し、**新しい API キーの作成** 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。

   ```txt
   /connect
   ```

**GLM コーディングプラン**に加入している場合は、**Z.AI コーディングプラン**を選択します。

3. Z.AI API キーを入力します。

   ```txt
   ┌ 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。

   ```txt
   /models
   ```

---

### ZenMux

1. [ZenMux ダッシュボード](https://zenmux.ai/settings/keys) に移動し、[**API キーの作成**] 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。

   ```txt
   /connect
   ```

3. プロバイダーの API キーを入力します。

   ```txt
   ┌ 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おり、`/models` コマンドを実行して必要なモデルを選択します。

   ```txt
   /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。

```json title="opencode.json" {6}
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "zenmux": {
      "models": {
        "somecoolnewmodel": {}
      }
    }
  }
}
```

---

## カスタムプロバイダー

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

:::tip
OpenAI と互換性のある任意のプロバイダーを OpenCode で使用できます。最新の AI プロバイダーのほとんどは、OpenAI 互換の API を提供しています。
:::

1. `/connect` コマンドを実行し、**その他**まで下にスクロールします。

   ```bash
   $ /connect

   ┌  Add credential
   │
   ◆  Select provider
   │  ...
   │  ● Other
   └
   ```

2. プロバイダーの一意の ID を入力します。

   ```bash
   $ /connect

   ┌  Add credential
   │
   ◇  Enter provider id
   │  myprovider
   └
   ```

:::note
覚えやすい ID を選択してください。これを設定ファイルで使用します。
:::

3. プロバイダーの API キーを入力します。

   ```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. プロジェクトディレクトリで `opencode.json` ファイルを作成または更新します。

   ```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"
           }
         }
       }
     }
   }
   ```

構成オプションは次のとおりです。

- **npm**: 使用する AI SDK パッケージ、OpenAI 互換プロバイダーの場合は `@ai-sdk/openai-compatible`
- **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 URL。
- **options.apiKey**: 認証を使用しない場合は、オプションで API キーを設定します。
- **options.headers**: 必要に応じてカスタムヘッダーを設定します。

詳細オプションの詳細については、以下の例を参照してください。

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。

---

##### 例

次に、`apiKey`、`headers`、およびモデル `limit` オプションを設定する例を示します。

```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
          }
        }
      }
    }
  }
}
```

設定の詳細:

- **apiKey**: `env` 変数構文を使用して設定します。[詳細については ](/docs/config#env-vars).
- **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**: モデルが受け入れる最大入力トークン。
- **limit.output**: モデルが生成できる最大出力トークン。

`limit` フィールドを使用すると、OpenCode はコンテキストがどのくらい残っているかを理解できます。標準プロバイダーは、これらを models.dev から自動的に取得します。

---

## トラブルシューティング

プロバイダーの設定で問題が発生した場合は、次の点を確認してください。

1. **認証設定を確認します**: `opencode auth list` を実行して、資格情報が正しいかどうかを確認します。
   プロバイダー用のものが設定に追加されます。

これは、認証に環境変数に依存する Amazon Bedrock のようなプロバイダーには当てはまりません。

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` コマンドで使用されるプロバイダー ID が、OpenCode 設定内の ID と一致することを確認してください。
   - プロバイダーには適切な npm パッケージが使用されます。たとえば、Cerebras には `@ai-sdk/cerebras` を使用します。他のすべての OpenAI 互換プロバイダーの場合は、`@ai-sdk/openai-compatible` を使用します。
   - `options.baseURL` フィールドで正しい API エンドポイントが使用されていることを確認してください。