プロバイダー

OpenCode で LLM プロバイダーを使用する。

OpenCode は AI SDK および 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。

/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。
OpenCode 構成でプロバイダーを構成します。

資格

/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。

構成

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。

{
  "$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。

TUI で /connect コマンドを実行し、opencode を選択して、opencode.ai/auth.
```
/connect
```
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。
API キーを貼り付けます。
```
┌ API key
│
│
└ enter
```
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。
```
/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。

302.AI

302.AI console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、302.AI を検索します。
```
/connect
```
302.AI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

Amazon Bedrock

OpenCode で Amazon Bedrock を使用するには:

Amazon Bedrock コンソールの モデルカタログ に移動してリクエストします。必要なモデルにアクセスします。

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。

   # Option 1: Using AWS access keys
   AWS_ACCESS_KEY_ID=XXX AWS_SECRET_ACCESS_KEY=YYY opencode

   # Option 2: Using named AWS profile
   AWS_PROFILE=my-profile opencode

   # Option 3: Using Bedrock bearer token
   AWS_BEARER_TOKEN_BEDROCK=XXX opencode

または、それらを bash プロファイルに追加します。

   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構成または永続的な構成の場合は、opencode.json を使用します。

{
  "$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)

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:

{
  "$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"
      }
    }
  }
}

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。

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
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

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

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。

{
  "$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

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。
```
/connect
```
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。
```
┌ Select auth method
│
│ Claude Pro/Max
│ Create an API Key
│ Manually enter API Key
└
```
これで、/models コマンドを使用すると、すべての人智モデルが利用できるようになります。
```
/models
```

OpenCode での Claude Pro/Max サブスクリプションの使用は、Anthropic.

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、terminal 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terminal に貼り付けることができます。

Azure OpenAI

Azure portal 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
Azure AI Foundry に移動し、モデルをデプロイします。

/connect コマンドを実行し、Azure を検索します。
```
/connect
```
API キーを入力します。
```
┌ API key
│
│
└ enter
```
リソース名を環境変数として設定します。
Terminal window
```
AZURE_RESOURCE_NAME=XXX opencode
```

または、bash プロファイルに追加します。

   export AZURE_RESOURCE_NAME=XXX

/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。
```
/models
```

Azure Cognitive Services

Azure portal 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
Azure AI Foundry に移動し、モデルをデプロイします。

/connect コマンドを実行し、Azure Cognitive Services を検索します。
```
/connect
```
API キーを入力します。
```
┌ API key
│
│
└ enter
```
リソース名を環境変数として設定します。
Terminal window
```
AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
```

または、bash プロファイルに追加します。

   export AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX

/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。
```
/models
```

Baseten

Baseten に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、Baseten を検索します。
```
/connect
```
Baseten API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

Cerebras

Cerebras console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、Cerebras を検索します。
```
/connect
```
Cerebras API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Qwen 3 Coder 480B のようなモデルを選択します。
```
/models
```

Cloudflare AI Gateway

Cloudflare AI Gatewayを使用すると、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 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。

Cloudflare ダッシュボードに移動し、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。

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。

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

/connect コマンドを実行し、Cloudflare AI Gateway を検索します。
```
/connect
```
Cloudflare API トークンを入力します。
```
┌ API key
│
│
└ enter
```

または環境変数として設定します。

   export CLOUDFLARE_API_TOKEN=your-api-token

/models コマンドを実行してモデルを選択します。
```
/models
```

opencode構成を通じてモデルを追加することもできます。

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

Cortecs

Cortecs console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、Cortecs を検索します。
```
/connect
```
Cortecs API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。
```
/models
```

DeepSeek

DeepSeek コンソールに移動し、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。
/connect コマンドを実行し、DeepSeek を検索します。
```
/connect
```
DeepSeek API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、DeepSeek Reasoner のような DeepSeek モデルを選択します。
```
/models
```

Deep Infra

Deep Infra ダッシュボードに移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、Deep Infra を検索します。
```
/connect
```
Deep Infra API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

Firmware

ファームウェアダッシュボードに移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、ファームウェアを検索します。
```
/connect
```
ファームウェア API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

Fireworks AI

Fireworks AI コンソールに移動し、アカウントを作成し、API キーの作成 をクリックします。
/connect コマンドを実行し、Fireworks AI を検索します。
```
/connect
```
Fireworks AI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。
```
/models
```

GitLab Duo

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。

/connect コマンドを実行し、GitLab を選択します。
```
/connect
```

認証方法を選択してください:

┌ 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

GitLab ユーザー設定 > アクセス Tokens に移動します。
新しいトークンを追加 をクリックします
名前: OpenCode、スコープ: api
トークンをコピーします（glpat-で始まる）
terminal に入力してください
/models コマンドを実行して、利用可能なモデルを確認します。
```
/models
```

3 つのクロード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
{
"$schema": "https://opencode.ai/config.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:

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:

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。

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

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。

export GITLAB_OAUTH_CLIENT_ID=your_application_id_here

詳細については、opencode-gitlab-auth ホームページ。

構成

opencode.json を通じてカスタマイズします。

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "gitlab": {
      "options": {
        "instanceUrl": "https://gitlab.com",
        "featureFlags": {
          "duo_agent_platform_agentic_chat": true,
          "duo_agent_platform": true
        }
      }
    }
  }
}

GitLab API 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:

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

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

github.com/login/device に移動し、コードを入力します。

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

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

Google Vertex AI

OpenCode で Google Vertex AI を使用するには:

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。

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。

   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。

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

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

Groq

Groq console 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。
/connect コマンドを実行し、Groq を検索します。
```
/connect
```
プロバイダーの API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、必要なものを選択します。
```
/models
```

Hugging Face

ハグ顔推論プロバイダーは、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。

Hugging Face settings 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。
/connect コマンドを実行し、Hugging Face を検索します。
```
/connect
```
ハグフェイストークンを入力してください。
```
┌ API key
│
│
└ enter
```
/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。
```
/models
```

Helicone

Helicone 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。

Helicone 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。
/connect コマンドを実行し、Helicone を検索します。
```
/connect
```
Helicone API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/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 .

オプションの構成

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。

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

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構成に追加します。

{
  "$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 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 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。

npm install -g opencode-helicone-session

それを構成に追加します。

{
  "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 を参照してください。

llama.cpp

llama.cpp の s 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。

{
  "$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 とその構成のマップです。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。

IO.NET console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、IO.NET を検索します。
```
/connect
```
IO.NET API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

LM Studio

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

{
  "$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 とその構成のマップです。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:

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。
/connect コマンドを実行し、Moonshot AI を検索します。
```
/connect
```
Moonshot API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Kimi K2 を選択します。
```
/models
```

MiniMax

MiniMax API Console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、MiniMax を検索します。
```
/connect
```
MiniMax API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、M2.1 のようなモデルを選択します。
```
/models
```

Nebius Token Factory

Nebius Token Factory console 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。
/connect コマンドを実行し、Nebius Token Factory を検索します。
```
/connect
```
Nebius Token Factory API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。
```
/models
```

オラマ

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。

{
  "$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 とその構成のマップです。機種選択リストに機種名が表示されます。

Ollama Cloud

OpenCode で Ollama Cloud を使用するには:

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。
[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。
OpenCode で使用するために API キーをコピーします。
/connect コマンドを実行し、Ollama Cloud を検索します。
```
/connect
```
Ollama Cloud API キーを入力します。
```
┌ API key
│
│
└ enter
```
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。
Terminal window
```
ollama pull gpt-oss:20b-cloud
```
/models コマンドを実行して、Ollama Cloud モデルを選択します。
```
/models
```

OpenAI

ChatGPT Plus または Pro にサインアップすることをお勧めします。

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。
```
/connect
```
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。
```
┌ Select auth method
│
│ ChatGPT Plus/Pro
│ Manually enter API Key
└
```
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。
```
/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、terminal 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。

OpenCode Zen にサインインし、API キーの作成 をクリックします。
/connect コマンドを実行し、OpenCode Zen を検索します。
```
/connect
```
OpenCode API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Qwen 3 Coder 480B のようなモデルを選択します。
```
/models
```

OpenRouter

OpenRouter ダッシュボードに移動し、[API キーの作成] をクリックして、キーをコピーします。
/connect コマンドを実行し、OpenRouter を検索します。
```
/connect
```
プロバイダーの API キーを入力します。
```
┌ API key
│
│
└ enter
```
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。
```
/models
```

opencode構成を通じて追加のモデルを追加することもできます。

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

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。

{
  "$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。

SAP BTP Cockpit 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。

/connect コマンドを実行し、SAP AI Core を検索します。
```
/connect
```
サービスキーの JSON を入力します。
```
┌ Service key
│
│
└ enter
```

または、AICORE_SERVICE_KEY 環境変数を設定します。

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

または、bash プロファイルに追加します。

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

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。
Terminal window
```
AICORE_DEPLOYMENT_ID=your-deployment-id AICORE_RESOURCE_GROUP=your-resource-group opencode
```

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

OVHcloud AI Endpoints

OVHcloud パネルに移動します。 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。
/connect コマンドを実行し、OVHcloud AI エンドポイントを検索します。
```
/connect
```
OVHcloud AI エンドポイント API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、gpt-oss-120b のようなモデルを選択します。
```
/models
```

Scaleway

Scaleway Generative APIs を Opencode で使用するには:

Scaleway Console IAM settings に移動して、新しい API キーを生成します。
/connect コマンドを実行し、Scaleway を検索します。
```
/connect
```
Scaleway API キーを入力します。
```
┌ API key
│
│
└ enter
```
/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。
```
/models
```

Together AI

Together AI console 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。
/connect コマンドを実行し、Together AI を検索します。
```
/connect
```
Together AI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Kimi K2 Instruct のようなモデルを選択します。
```
/models
```

Venice AI

Venice AI console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、Venice AI を検索します。
```
/connect
```
Venice AI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Llama 3.3 70B のようなモデルを選択します。
```
/models
```

Vercel AI Gateway

Vercel AI Gateway を使用すると、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。

Vercel ダッシュボードに移動し、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。
/connect コマンドを実行し、Vercel AI Gateway を検索します。
```
/connect
```
Vercel AI Gateway API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行してモデルを選択します。
```
/models
```

opencode構成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。

{
  "$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

xAI console に移動し、アカウントを作成し、API キーを生成します。
/connect コマンドを実行し、xAI を検索します。
```
/connect
```
xAI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、Grok Beta のようなモデルを選択します。
```
/models
```

Z.AI

Z.AI API コンソールに移動し、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。
/connect コマンドを実行し、Z.AI を検索します。
```
/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。

Z.AI API キーを入力します。
```
┌ API key
│
│
└ enter
```
/models コマンドを実行して、GLM-4.7 のようなモデルを選択します。
```
/models
```

ZenMux

ZenMux ダッシュボードに移動し、[API キーの作成] をクリックして、キーをコピーします。
/connect コマンドを実行し、ZenMux を検索します。
```
/connect
```
プロバイダーの API キーを入力します。
```
┌ API key
│
│
└ enter
```
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。
```
/models
```

opencode構成を通じて追加のモデルを追加することもできます。

{
  "$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:

/connect コマンドを実行し、その他まで下にスクロールします。
Terminal window
```
$ /connect

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

プロバイダーの一意の ID を入力します。

$ /connect

┌  Add credential
│
◇  Enter provider id
│  myprovider
└

プロバイダーの API キーを入力します。

$ /connect

┌  Add credential
│
▲  This only stores a credential for myprovider - you will need to configure it in opencode.json, check the docs for examples.
│
◇  Enter your API key
│  sk-...
└

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。

{
  "$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。
モデル: 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。

/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。

{
  "$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
          }
        }
      }
    }
  }
}

構成の詳細:

apiKey: env 変数構文を使用して設定します。詳細については .
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Input Tokens。
limit.output: モデルが生成できる最大トークン。

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

プロバイダーの構成で問題が発生した場合は、次の点を確認してください。

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構成に追加されます。

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。

カスタムプロバイダーの場合は、opencode 構成を確認し、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 構成内の 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。