提供商

在 OpenCode 中使用任何 LLM 提供商。

OpenCode 使用 AI SDK 和 Models.dev 来支持 75+ 个 LLM 提供商，并且它还支持运行本地模型。

要添加提供商，您需要：

使用 /connect 命令添加该提供商的 API 密钥。
在您的 OpenCode 配置中配置该提供商。

凭据

当您使用 /connect 命令添加提供商的 API 密钥时，它们会被存储在 ~/.local/share/opencode/auth.json 中。

配置

您可以通过 OpenCode 配置中的 provider 部分来自定义提供商。

基础 URL

您可以通过设置 baseURL 选项来自定义任何提供商的基础 URL。这在您使用代理服务或自定义端点时非常有用。

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

OpenCode Zen

OpenCode Zen 是由 OpenCode 团队提供的一系列模型列表，这些模型已经过测试并验证可以很好地与 OpenCode 配合工作。了解更多。

在 TUI 中运行 /connect 命令，选择 opencode，然后访问 opencode.ai/auth。
```
/connect
```
登录，添加您的账单详情，并复制您的 API 密钥。
粘贴您的 API 密钥。
```
┌ API key
│
│
└ enter
```
在 TUI 中运行 /models 以查看我们推荐的模型列表。
```
/models
```

它与 OpenCode 中的任何其他提供商工作方式相同，并且是否使用它是完全可选的。

前往 Azure 门户并创建一个 Azure OpenAI 资源。你将需要：
- 资源名称: 这将成为你的 API 端点的一部分 (https://RESOURCE_NAME.openai.azure.com/)
- API 密钥: 资源中的 KEY 1 或 KEY 2
前往 Azure AI Foundry 并部署一个模型。

部署名称必须与模型名称匹配，OpenCode 才能正常工作。
运行 /connect 命令并搜索 Azure。
```
/connect
```
输入您的 API 密钥。
```
┌ API key
│
│
└ enter
```
将您的资源名称设置为环境变量：
Terminal window
```
AZURE_RESOURCE_NAME=XXX opencode
```
或者将其添加到您的 bash 配置文件中：
~/.bash_profile
```
export AZURE_RESOURCE_NAME=XXX
```
运行 /models 命令来选择您已部署的模型。
```
/models
```

Azure Cognitive Services

前往 Azure 门户并创建一个 Azure OpenAI 资源。你将需要：
- 资源名称: 这将成为你的 API 端点的一部分 (https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/)
- API 密钥: 资源中的 KEY 1 或 KEY 2
前往 Azure AI Foundry 并部署一个模型。

部署名称必须与模型名称匹配，OpenCode 才能正常工作。
运行 /connect 命令并搜索 Azure Cognitive Services。
```
/connect
```
输入您的 API 密钥。
```
┌ API key
│
│
└ enter
```
将您的资源名称设置为环境变量：
Terminal window
```
AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
```
或者将其添加到您的 bash 配置文件中：
~/.bash_profile
```
export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX
```
运行 /models 命令来选择您已部署的模型。
```
/models
```

Baseten

前往 Baseten，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 Baseten。
```
/connect
```
输入您的 Baseten API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型。
```
/models
```

Cerebras

前往 Cerebras 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 Cerebras。
```
/connect
```
输入您的 Cerebras API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Qwen 3 Coder 480B。
```
/models
```

Cloudflare AI Gateway

Cloudflare AI Gateway 让你可以通过统一的端点访问来自 OpenAI、Anthropic、Workers AI 等的模型。通过统一账单，你不需要为每个提供商提供单独的 API 密钥。

前往 Cloudflare 控制面板，导航至 AI > AI Gateway，并创建一个新的网关。

将您的 Account ID 和 Gateway ID 设置为环境变量。

export CLOUDFLARE_ACCOUNT_ID=your-32-character-account-id
export CLOUDFLARE_GATEWAY_ID=your-gateway-id

运行 /connect 命令并搜索 Cloudflare AI Gateway。
```
/connect
```
输入您的 Cloudflare API 令牌。
```
┌ API key
│
│
└ enter
```
或者将其设置为环境变量。
~/.bash_profile
```
export CLOUDFLARE_API_TOKEN=your-api-token
```

运行 /models 命令来选择模型。

/models

您也可以通过 OpenCode 配置添加模型。

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

Cortecs

前往 Cortecs 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 Cortecs。
```
/connect
```
输入您的 Cortecs API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Kimi K2 Instruct。
```
/models
```

DeepSeek

在 OpenCode 中使用 DeepSeek：

从 DeepSeek 平台获取您的 API 密钥。
使用 /connect 命令添加您的密钥：
Terminal window
```
/connect deepseek
```

Deep Infra

前往 Deep Infra 控制面板，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 Deep Infra。
```
/connect
```
输入您的 Deep Infra API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型。
```
/models
```

Fireworks AI

前往 Fireworks AI 控制台，创建一个帐户并点击 创建 API 密钥。
运行 /connect 命令并搜索 Fireworks AI。
```
/connect
```
输入您的 Fireworks AI API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Kimi K2 Instruct。
```
/models
```

GitHub Copilot

要在 OpenCode 中使用您的 GitHub Copilot 订阅：

运行 /connect 命令并搜索 GitHub Copilot。
```
/connect
```

导航至 github.com/login/device 并输入代码。

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

现在运行 /models 命令来选择您想要的模型。
```
/models
```

Google Generative AI

在 OpenCode 中使用 Google Generative AI (Gemini)：

从 Google AI Studio 获取您的 API 密钥。
使用 /connect 命令添加您的密钥：
Terminal window
```
/connect google
```

Groq

在 OpenCode 中使用 Groq：

从 Groq 控制台获取您的 API 密钥。
使用 /connect 命令添加您的密钥：
Terminal window
```
/connect groq
```

Hugging Face

Hugging Face Inference Providers 提供了对 17+ 个提供商支持的开放模型的访问。

前往 Hugging Face 设置以创建一个具有调用 Inference Providers 权限的令牌。
运行 /connect 命令并搜索 Hugging Face。
```
/connect
```
输入您的 Hugging Face 令牌。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择一个模型，例如 Kimi-K2-Instruct 或 GLM-4.6。
```
/models
```

Helicone

Helicone 是一个 LLM 可观测性平台，为您的 AI 应用程序提供日志记录、监控和分析。Helicone AI Gateway 会根据模型自动将您的请求路由到适当的提供商。

前往 Helicone，创建一个帐户并在您的仪表板中生成 API 密钥。
运行 /connect 命令并搜索 Helicone。
```
/connect
```
输入您的 Helicone API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型。
```
/models
```

有关更多提供商以及缓存和速率限制等高级功能，请查看 Helicone 文档。

可选配置

你可以为提供商配置可选参数。

{
  "$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": {
          // 模型 ID (来自 Helicone 的模型目录页面)
          "name": "GPT-4o", // 您为该模型自定义的名称
        },
        "claude-sonnet-4-20250514": {
          "name": "Claude Sonnet 4",
        },
      },
    },
  },
}

自定义标头

你可以为 API 请求配置自定义 HTTP 标头。

{
  "$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",
        },
      },
    },
  },
}

会话跟踪

你可以配置会话跟踪。

npm install -g opencode-helicone-session

将其添加到您的配置中。

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

该插件会将 Helicone-Session-Id 和 Helicone-Session-Name 标头注入您的请求中。在 Helicone 的 Sessions 页面上，您将看到列为单独会话的每次 OpenCode 对话。

常用的 Helicone 标头

标头	描述
`Helicone-Cache-Enabled`	启用响应缓存 (`true`/`false`)
`Helicone-User-Id`	按用户跟踪指标
`Helicone-Property-[Name]`	添加自定义属性 (例如 `Helicone-Property-Environment`)
`Helicone-Prompt-Id`	将请求与提示词版本关联

请参阅 Helicone 标头目录 (Header Directory) 以了解所有可用的标头。

llama.cpp

您可以配置 OpenCode 通过 llama.cpp 的 llama-server 实用程序使用本地模型。

{
  "$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
          }
        }
      }
    }
  }
}

在此示例中：

llama.cpp 是自定义提供商 ID。它可以是您想要的任何字符串。
npm 指定用于此提供商的包。在这里，对于任何兼容 OpenAI 的 API，都使用 @ai-sdk/openai-compatible。
name 是 UI 中提供商的显示名称。
options.baseURL 是本地服务器的端点。
models 是模型 ID 到其配置的映射。模型名称将显示在模型选择列表中。

IO.NET

IO.NET 提供了 17 个针对各种用例进行了优化的模型：

前往 IO.NET 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 IO.NET。
```
/connect
```
输入您的 IO.NET API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型。
```
/models
```

LM Studio

OpenCode 支持通过其 OpenAI 兼容的服务器与 LM Studio 进行本地模型集成。

在 LM Studio 中，启动 本地服务器。

在您的 opencode.json 中配置提供商：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "lmstudio": {
      "options": {
        "baseURL": "http://localhost:1234/v1"
      }
    }
  }
}

运行 opencode -m lmstudio/xxx，其中 xxx 是您在 LM Studio 中加载的模型 ID。

在此示例中：

lmstudio 是自定义提供商 ID。它可以是您想要的任何字符串。
npm 指定用于此提供商的包。在这里，对于任何兼容 OpenAI 的 API，都使用 @ai-sdk/openai-compatible。
name 是 UI 中提供商的显示名称。
options.baseURL 是本地服务器的端点。
models 是模型 ID 到其配置的映射。模型名称将显示在模型选择列表中。

Moonshot AI

OpenCode 支持 Moonshot AI。

前往 Moonshot AI 控制台，创建一个帐户并点击 创建 API 密钥。
运行 /connect 命令并搜索 Moonshot AI。
```
/connect
```
输入您的 Moonshot API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择 Kimi K2。
```
/models
```

MiniMax

前往 MiniMax API 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 MiniMax。
```
/connect
```
输入您的 MiniMax API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 M2.1。
```
/models
```

Nebius Token Factory

前往 Nebius Token Factory 控制台，创建一个帐户并点击 添加密钥。
运行 /connect 命令并搜索 Nebius Token Factory。
```
/connect
```
输入您的 Nebius Token Factory API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Kimi K2 Instruct。
```
/models
```

Ollama

OpenCode 支持通过其内置的 Ollama 提供商与 Ollama 进行本地模型集成。

确保 Ollama 正在运行。

配置您的 opencode.json：

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "options": {
        "baseURL": "http://localhost:11434/api"
      }
    }
  }
}

运行 opencode -m ollama/llama3。

在此示例中：

ollama 是自定义提供商 ID。它可以是您想要的任何字符串。
npm 指定用于此提供商的包。在这里，对于任何兼容 OpenAI 的 API，都使用 @ai-sdk/openai-compatible。
name 是 UI 中提供商的显示名称。
options.baseURL 是本地服务器的端点。
models 是模型 ID 到其配置的映射。模型名称将显示在模型选择列表中。

Ollama Cloud

在 OpenCode 中使用 Ollama Cloud：

前往 https://ollama.com/ 并登录或创建一个帐户。
导航至 设置 > 密钥，并点击 添加 API 密钥 以生成新的 API 密钥。
复制 API 密钥以便在 OpenCode 中使用。
运行 /connect 命令并搜索 Ollama Cloud。
```
/connect
```
输入您的 Ollama Cloud API 密钥。
```
┌ API key
│
│
└ enter
```
重要提示：在 OpenCode 中使用云端模型之前，您必须先在本地拉取模型信息：
Terminal window
```
ollama pull gpt-oss:20b-cloud
```
运行 /models 命令来选择您的 Ollama Cloud 模型。
```
/models
```

OpenAI

在 OpenCode 中使用 OpenAI：

从 OpenAI 仪表板获取您的 API 密钥。
使用 /connect 命令添加您的密钥：
Terminal window
```
/connect openai
```

OpenCode Zen

OpenCode Zen 是由 OpenCode 团队提供的一系列经过测试和验证的模型列表。了解更多。

登录 OpenCode Zen 并点击 创建 API 密钥。
运行 /connect 命令并搜索 OpenCode Zen。
```
/connect
```
输入您的 OpenCode API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Qwen 3 Coder 480B。
```
/models
```

OpenRouter

前往 OpenRouter 仪表板，点击 Create API Key (创建 API 密钥)，并复制密钥。
运行 /connect 命令并搜索 OpenRouter。
```
/connect
```
输入该提供商的 API 密钥。
```
┌ API key
│
│
└ enter
```

许多 OpenRouter 模型默认已预加载，运行 /models 命令来选择您想要的一个。

/models

您也可以通过 OpenCode 配置添加额外的模型。

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

您还可以通过 OpenCode 配置自定义它们。以下是指定提供商的示例：

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

SAP AI Core

SAP AI Core 让您可以通过统一的平台访问来自 OpenAI、Anthropic、Google、Amazon、Meta、Mistral 和 AI21 的 40 多个模型。

前往您的 SAP BTP 控制台 (Cockpit)，导航到您的 SAP AI Core 服务实例，并创建一个服务密钥 (service key)。

服务密钥是一个包含 clientid、clientsecret、url 和 serviceurls.AI_API_URL 的 JSON 对象。您可以在 BTP 控制台的 Services > Instances and Subscriptions (服务 > 实例和订阅) 下找到您的 AI Core 实例。
运行 /connect 命令并搜索 SAP AI Core。
```
/connect
```

输入您的服务密钥 JSON。

┌ Service key
│
│
└ enter

或者设置 AICORE_SERVICE_KEY 环境变量：

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

或者将其添加到您的 bash 配置文件中：

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

(可选) 设置部署 ID (deployment ID) 和资源组 (resource group)：
Terminal window
```
AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode
```
这些设置是可选的，应根据您的 SAP AI Core 设置进行配置。
运行 /models 命令，从 40 多个可用模型中进行选择。
```
/models
```

OVHcloud AI Endpoints

前往 OVHcloud 面板。导航到 Public Cloud (公有云) 部分，选择 AI & Machine Learning > AI Endpoints，在 API Keys 选项卡中点击 Create a new API key (创建新的 API 密钥)。
运行 /connect 命令并搜索 OVHcloud AI Endpoints。
```
/connect
```
输入您的 OVHcloud AI Endpoints API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 gpt-oss-120b。
```
/models
```

Together AI

前往 Together AI 控制台，创建一个帐户并点击 Add Key (添加密钥)。
运行 /connect 命令并搜索 Together AI。
```
/connect
```
输入您的 Together AI API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Kimi K2 Instruct。
```
/models
```

Venice AI

前往 Venice AI 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 Venice AI。
```
/connect
```
输入您的 Venice AI API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Llama 3.3 70B。
```
/models
```

Vercel AI Gateway

Vercel AI Gateway 让您可以通过统一的端点访问来自 OpenAI、Anthropic、Google、xAI 等的模型。模型按定价列表提供，不加价。

前往 Vercel 仪表板，导航到 AI Gateway 选项卡，点击 API keys 以创建新的 API 密钥。
运行 /connect 命令并搜索 Vercel AI Gateway。
```
/connect
```
输入您的 Vercel AI Gateway API key。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型。
```
/models
```

您还可以通过 OpenCode 配置自定义模型。以下是一个指定提供商路由顺序的示例。

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

一些有用的路由选项：

选项	描述
`order`	尝试的提供商序列
`only`	限制为特定提供商
`zeroDataRetention`	仅使用具有零数据保留策略的提供商

xAI

前往 xAI 控制台，创建一个帐户并生成 API 密钥。
运行 /connect 命令并搜索 xAI。
```
/connect
```
输入您的 xAI API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 Grok Beta。
```
/models
```

Z.AI

前往 Z.AI API 控制台，创建一个帐户并点击 Create a new API key (创建新的 API 密钥)。
运行 /connect 命令并搜索 Z.AI。
```
/connect
```
如果您订阅了 GLM Coding Plan，请选择 Z.AI Coding Plan。
输入您的 Z.AI API 密钥。
```
┌ API key
│
│
└ enter
```
运行 /models 命令来选择模型，例如 GLM-4.7。
```
/models
```

ZenMux

前往 ZenMux 仪表板，点击 Create API Key (创建 API 密钥)，并复制密钥。
运行 /connect 命令并搜索 ZenMux。
```
/connect
```
输入该提供商的 API 密钥。
```
┌ API key
│
│
└ enter
```

许多 ZenMux 模型默认已预加载，运行 /models 命令来选择您想要的一个。

/models

您也可以通过 OpenCode 配置添加额外的模型。

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

自定义 OpenAI 兼容提供商

您可以添加任何遵循 OpenAI API 规范的自定义提供商。

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

然后使用 opencode -m my-provider/model-id 运行。

运行 /connect 命令并向下滚动到 Other (其他)。

$ /connect

┌  Add credential (添加凭据)
│
◆  Select provider (选择提供商)
│  ...
│  ● Other
└

为提供商输入一个唯一的 ID。
Terminal window
```
$ /connect

┌  Add credential
│
◇  Enter provider id
│  myprovider
└
```
选择一个易记的 ID，您将在配置文件中使用它。

输入您的提供商 API 密钥。

$ /connect

┌  Add credential
│
▲  这仅为 myprovider 存储凭据 - 您需要在 opencode.json 中进行配置，请查看文档中的示例。
│
◇  Enter your API key
│  sk-...
└

在您的项目目录中创建或更新 opencode.json 文件：
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"
        }
      }
    }
  }
}
```
以下是配置选项：
- npm: 要使用的 AI SDK 包，对于兼容 OpenAI 的提供商，使用 @ai-sdk/openai-compatible
- name: UI 中的显示名称。
- models: 可用模型。
- options.baseURL: API 端点 URL。
- options.apiKey: (可选) 如果不使用 auth 命令，可在此设置 API 密钥。
- options.headers: (可选) 设置自定义标头。
有关高级选项的更多信息，请参见下面的示例。
运行 /models 命令，您的自定义提供商和模型将出现在选择列表中。

示例

一个配置 Moonshot AI 的示例。

{
  "$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
          }
        }
      }
    }
  }
}

配置详情：

apiKey: 使用 env 变量语法设置，了解更多。
headers: 随每个请求发送的自定义标头。
limit.context: 模型接受的最大输入令牌 (tokens) 数。
limit.output: 模型可以生成的最大令牌数。

limit 字段让 OpenCode 了解您还剩下多少上下文。标准提供商会自动从 models.dev 获取这些信息。

故障排除

如果你在配置提供商时遇到问题，请参考以下内容。

检查身份验证设置：运行 opencode auth list 查看是否已将该提供商的凭据添加到您的配置中。

这不适用于像 Amazon Bedrock 这样依赖环境变量进行身份验证的提供商。
对于自定义提供商，请检查 OpenCode 配置并：
- 确保 /connect 命令中使用的提供商 ID 与您的 OpenCode 配置中的 ID 匹配。
- 为提供商使用了正确的 npm 包。例如，为 Cerebras 使用 @ai-sdk/cerebras。对于所有其他兼容 OpenAI 的提供商，使用 @ai-sdk/openai-compatible。
- 检查 options.baseURL 字段中是否使用了正确的 API 端点。