Buckets:

GHHG10
/

CodeServer

Files

xet

GHHG10/CodeServer / opencode /packages /web /src /content /docs /da /providers.mdx

GHHG10

about 2 months ago

download

raw

46.9 kB

	---
	title: Udbydere
	description: Brug en hvilken som helst LLM-udbyder i OpenCode.
	---

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

	OpenCode bruger [AI SDK](https://ai-sdk.dev/) og [Models.dev](https://models.dev) til at understøtte 75+ LLM-udbydere og understøtter kørsel af lokale modeller.

	For at tilføje en udbyder skal du:

	1. Tilføje API-nøglerne for udbyderen ved at bruge kommandoen `/connect`.
	2. Konfigurere udbyderen i OpenCode-konfigurationen.

	---

	### Legitimationsoplysninger

	Når du tilføjer en udbyders API-nøgler med `/connect`-kommandoen, gemmes de i `~/.local/share/opencode/auth.json`.

	---

	### Konfiguration

	Du kan tilpasse udbyderne gennem `provider`-delen i OpenCode-konfigurationen.

	---

	#### Base URL

	Du kan tilpasse base URL for enhver udbyder ved at angive muligheden `baseURL`. Dette er nyttigt, når du bruger proxy-tjenester eller tilpassede endpoints.

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

	---

	## OpenCode Zen

	OpenCode Zen er en liste over modeller leveret af OpenCode-teamet, som er blevet testet og verificeret til at fungere godt med OpenCode. [Læs mere](/docs/zen).

	:::tip
	Hvis du er ny, anbefaler vi at starte med OpenCode Zen.
	:::

	1. Kør kommandoen `/connect` i TUI, vælg opencode og gå til [opencode.ai/auth](https://opencode.ai/auth).

	```txt
	/connect
	```

	2. Log ind, tilføj dine faktureringsoplysninger og kopier API-nøglen.

	3. Indsæt API-nøglen.

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

	4. Kør `/models` i TUI for at se listen over modeller, vi anbefaler.

	```txt
	/models
	```

	Det fungerer som alle andre udbydere i OpenCode og er helt valgfrit at bruge.

	---

	## OpenCode Go

	OpenCode Go er en billig abonnementsplan, der giver pålidelig adgang til populære åbne kodningsmodeller leveret af OpenCode-teamet, som er testet og verificeret til at fungere godt med OpenCode.

	1. Kør kommandoen `/connect` i TUI, vælg `OpenCode Go`, og gå til [opencode.ai/auth](https://opencode.ai/zen).

	```txt
	/connect
	```

	2. Log ind, tilføj dine faktureringsoplysninger og kopier din API-nøgle.

	3. Indsæt din API-nøgle.

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

	4. Kør `/models` i TUI for at se listen over modeller, vi anbefaler.

	```txt
	/models
	```

	Det fungerer som alle andre udbydere i OpenCode og er helt valgfrit at bruge.

	---

	## Katalog

	Lad os se på nogle af udbyderne i detaljer. Hvis du vil tilføje en udbyder til listen, er du velkommen til at åbne en PR.

	:::note
	Ser du ikke en udbyder her? Indsend en PR.
	:::

	---

	### 302.AI

	1. Gå til [302.AI-konsollen](https://302.ai/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter 302.AI.

	```txt
	/connect
	```

	3. Indtast 302.AI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	---

	### Amazon Bedrock

	Sådan bruger du Amazon Bedrock med OpenCode:

	1. Gå til modelkataloget i Amazon Bedrock-konsollen og anmod om adgang til de modeller, du ønsker.

	:::tip
	Du skal have adgang til modellen du ønsker i Amazon Bedrock.
	:::

	2. Konfigurer godkendelse ved at bruge en af følgende metoder:

	#### Miljøvariabler (hurtigstart)

	Angiv en af disse miljøvariabler, mens du kører opencode:

	```bash
	# 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
	```

	Eller tilføj dem til din bash-profil:

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

	#### Konfigurationsfil (anbefalet)

	For projektspecifik eller vedvarende konfiguration, brug `opencode.json`:

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

	Tilgængelige muligheder:
	- `region` - AWS region (f.eks. `us-east-1`, `eu-west-1`)
	- `profile` - AWS navngivet profil fra `~/.aws/credentials`
	- `endpoint` - Brugerdefineret endpoint URL for VPC endpoints (alias for generisk `baseURL`-mulighed)

	:::tip
	Konfigurationsfil-muligheder har forrang over miljøvariabler.
	:::

	#### Avanceret: VPC Endpoints

	Hvis du bruger VPC endpoints for Bedrock:

	```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
	Muligheden `endpoint` er et alias for den generiske mulighed `baseURL`, der bruger AWS-specifik terminologi. Hvis både `endpoint` og `baseURL` er specificeret, har `endpoint` forrang.
	:::

	#### Godkendelsesmetoder
	- `AWS_ACCESS_KEY_ID` / `AWS_SECRET_ACCESS_KEY`: Opret en IAM-bruger og generer adgangsnøgler i AWS-konsollen
	- `AWS_PROFILE`: Brug navngivne profiler fra `~/.aws/credentials`. Konfigurer først med `aws configure --profile my-profile` eller `aws sso login`
	- `AWS_BEARER_TOKEN_BEDROCK`: Generer langsigtede API-nøgler fra Amazon Bedrock-konsollen
	- `AWS_WEB_IDENTITY_TOKEN_FILE` / `AWS_ROLE_ARN`: For EKS IRSA (IAM roller for tjenestekonti) eller andre Kubernetes-miljøer med OIDC føderation. Disse miljøvariabler injiceres automatisk af Kubernetes, når du bruger tjenestekontokommentarer.

	#### Godkendelsesprioritet

	Amazon Bedrock bruger følgende godkendelsesprioritet:
	1. Bearer Token - `AWS_BEARER_TOKEN_BEDROCK` miljøvariabel eller token fra kommandoen `/connect`
	2. AWS legitimationskæde - profil, adgangsnøgler, delte legitimationsoplysninger, IAM roller, webidentitetstokens (EKS IRSA), instansmetadata

	:::note
	Når et bearer token er angivet (via `/connect` eller `AWS_BEARER_TOKEN_BEDROCK`), har det forrang over alle AWS godkendelsesmetoder inklusiv konfigurerede profiler.
	:::

	3. Kør kommandoen `/models` for at vælge den model, du ønsker.

	```txt
	/models
	```

	:::note
	For brugerdefinerede inferensprofiler, brug modellen og udbydernavnet i nøglen og sæt egenskaben `id` til arn. Dette sikrer korrekt caching:

	```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. Når du har registreret dig, kør kommandoen `/connect` og vælg Anthropic.

	```txt
	/connect
	```

	2. Her kan du vælge muligheden Claude Pro/Max, og det vil åbne din browser og bede dig om at godkende.

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

	3. Nu skal alle de Anthropiske modeller være tilgængelige, når du bruger kommandoen `/models`.

	```txt
	/models
	```

	:::info
	At bruge dit Claude Pro/Max-abonnement i OpenCode understøttes ikke officielt af [Anthropic](https://anthropic.com).
	:::

	##### Brug API-nøgler

	Du kan også vælge Create an API Key, hvis du ikke har et Pro/Max-abonnement. Det åbner også din browser og beder dig logge på Anthropic og giver dig en kode, du kan indsætte i din terminal.

	Eller hvis du allerede har en API-nøgle, kan du vælge Manually enter API Key og indsætte den i terminalen.

	---

	### Atomic Chat

	Du kan konfigurere opencode til at bruge lokale modeller via [Atomic Chat](https://atomic.chat) — en desktopapplikation, der kører lokale LLM'er bag en OpenAI-kompatibel API-server (standard-endpoint `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>"
	}
	}
	}
	}
	}
	```

	I dette eksempel:

	- `atomic-chat` er det brugerdefinerede udbyder-ID. Det kan være en vilkårlig streng.
	- `npm` specificerer pakken, der skal bruges for denne udbyder. Her bruges `@ai-sdk/openai-compatible` til enhver OpenAI-kompatibel API.
	- `name` er det viste navn på udbyderen i grænsefladen.
	- `options.baseURL` er endpoint'et for den lokale server. Ændr vært og port for at matche din Atomic Chat-opsætning.
	- `models` er en afbildning af model-ID'er til deres viste navne. Hvert ID skal matche det `id`, der returneres af `GET /v1/models` — kør `curl http://127.0.0.1:1337/v1/models` for at liste ID'erne, der i øjeblikket er indlæst i Atomic Chat.

	:::tip
	Hvis værktøjskald ikke fungerer godt, så vælg en indlæst model med god tool calling-understøttelse (for eksempel en Qwen-Coder- eller DeepSeek-Coder-variant).
	:::

	---

	### Azure OpenAI

	:::note
	Hvis du støder på "Beklager, men jeg kan ikke hjælpe med den anmodning"-fejl, kan du prøve at ændre indholdsfilteret fra DefaultV2 til Default i Azure-ressourcen.
	:::

	1. Gå til [Azure-portalen](https://portal.azure.com/) og opret en Azure OpenAI-ressource. Du skal bruge:
	- Ressourcenavn: Dette bliver en del af API-endpointet (`https://RESOURCE_NAME.openai.azure.com/`)
	- API-nøgle: Enten `KEY 1` eller `KEY 2` fra din ressource

	2. Gå til [Azure AI Foundry](https://ai.azure.com/) og distribuer en model.

	:::note
	Distributionsnavnet skal matche modelnavnet for at opencode skal fungere korrekt.
	:::

	3. Kør kommandoen `/connect` og søg efter Azure.

	```txt
	/connect
	```

	4. Indtast API-nøglen.

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

	5. Angiv dit ressourcenavn som en miljøvariabel:

	```bash
	AZURE_RESOURCE_NAME=XXX opencode
	```

	Eller tilføj den til din bash-profil:

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

	6. Kør kommandoen `/models` for at vælge den distribuerede model.

	```txt
	/models
	```

	---

	### Azure Cognitive Services

	1. Gå til [Azure-portalen](https://portal.azure.com/) og opret en Azure OpenAI-ressource. Du skal bruge:
	- Ressourcenavn: Dette bliver en del af API-endpointet (`https://AZURE_COGNITIVE_SERVICES_RESOURCE_NAME.cognitiveservices.azure.com/`)
	- API-nøgle: Enten `KEY 1` eller `KEY 2` fra din ressource

	2. Gå til [Azure AI Foundry](https://ai.azure.com/) og distribuer en model.

	:::note
	Distributionsnavnet skal matche modelnavnet for at opencode skal fungere korrekt.
	:::

	3. Kør kommandoen `/connect` og søg efter Azure Cognitive Services.

	```txt
	/connect
	```

	4. Indtast API-nøglen.

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

	5. Angiv dit ressourcenavn som en miljøvariabel:

	```bash
	AZURE_COGNITIVE_SERVICES_RESOURCE_NAME=XXX opencode
	```

	Eller tilføj den til din bash-profil:

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

	6. Kør kommandoen `/models` for at vælge den distribuerede model.

	```txt
	/models
	```

	---

	### Baseten

	1. Gå til [Baseten](https://app.baseten.co/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Baseten.

	```txt
	/connect
	```

	3. Indtast din Baseten API-nøgle.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	---

	### Cerebras

	1. Gå til [Cerebras-konsollen](https://inference.cerebras.ai/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Cerebras.

	```txt
	/connect
	```

	3. Indtast Cerebras API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Qwen 3 Coder 480B_.

	```txt
	/models
	```

	---

	### Cloudflare AI Gateway

	Cloudflare AI Gateway lader dig få adgang til modeller fra OpenAI, Anthropic, Workers AI og flere gennem et samlet endpoint. Med [Unified Billing](https://developers.cloudflare.com/ai-gateway/features/unified-billing/) behøver du ikke separate API-nøgler for hver udbyder.

	1. Gå til [Cloudflare-dashboardet](https://dash.cloudflare.com/), naviger til AI > AI Gateway, og opret en ny gateway.

	2. Angiv konto-ID og gateway-ID som miljøvariabler.

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

	3. Kør kommandoen `/connect` og søg efter Cloudflare AI Gateway.

	```txt
	/connect
	```

	4. Indtast din Cloudflare API-token.

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

	Eller angiv den som en miljøvariabel.

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

	5. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	Du kan også tilføje modeller gennem opencode-konfigurationen.

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

	---

	### Cortecs

	1. Gå til [Cortecs-konsollen](https://cortecs.ai/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Cortecs.

	```txt
	/connect
	```

	3. Indtast Cortecs API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Kimi K2 Instruct_.

	```txt
	/models
	```

	---

	### DeepSeek

	1. Gå til [DeepSeek-konsollen](https://platform.deepseek.com/), opret en konto og klik på Create API Key.

	2. Kør kommandoen `/connect` og søg efter DeepSeek.

	```txt
	/connect
	```

	3. Indtast DeepSeek API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en DeepSeek-model som _DeepSeek V4 Pro_.

	```txt
	/models
	```

	---

	### Deep Infra

	1. Gå til [Deep Infra-dashboardet](https://deepinfra.com/dash), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Deep Infra.

	```txt
	/connect
	```

	3. Indtast Deep Infra API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	---

	### FrogBot

	1. Gå til [FrogBot dashboard](https://app.frogbot.ai/signup), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter FrogBot.

	```txt
	/connect
	```

	3. Indtast frogbot API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	---

	### Fireworks AI

	1. Gå til [Fireworks AI-konsollen](https://app.fireworks.ai/), opret en konto og klik på Create API Key.

	2. Kør kommandoen `/connect` og søg efter Fireworks AI.

	```txt
	/connect
	```

	3. Indtast Fireworks AI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Kimi K2 Instruct_.

	```txt
	/models
	```

	---

	### GitLab Duo

	GitLab Duo giver AI-drevet agentchat med native værktøjskaldsfunktioner gennem GitLabs anthropiske proxy.

	1. Kør kommandoen `/connect` og vælg GitLab.

	```txt
	/connect
	```

	2. Vælg din godkendelsesmetode:

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

	#### Brug OAuth (anbefalet)

	Vælg OAuth og din browser åbner for autorisation.

	#### Brug personlig adgangstoken
	1. Gå til [GitLab User Settings > Access Tokens](https://gitlab.com/-/user_settings/personal_access_tokens)
	2. Klik på Add new token
	3. Navn: `OpenCode`, omfang: `api`
	4. Kopier tokenet (starter med `glpat-`)
	5. Indtast den i terminalen

	3. Kør kommandoen `/models` for at se tilgængelige modeller.

	```txt
	/models
	```

	Tre Claude-baserede modeller er tilgængelige:
	- duo-chat-haiku-4-5 (standard) - Hurtige svar til hurtige opgaver
	- duo-chat-sonnet-4-5 - Balanceret ydeevne til de fleste arbejdsgange
	- duo-chat-opus-4-5 - Mest egnet til kompleks analyse

	:::note
	Du kan også specificere 'GITLAB_TOKEN' miljøvariabel, hvis du ikke vil
	gemme tokenet i opencode auth-lagring.
	:::

	##### Selvhostet GitLab

	:::note[overholdelsesbemærkning]
	OpenCode bruger en lille model til nogle AI-opgaver som at generere sessionstitlen.
	Den er konfigureret til at bruge gpt-5-nano som standard, hostet af Zen. For at låse OpenCode
	til kun at bruge din egen GitLab-hostede instans, tilføj følgende i din
	`opencode.json` fil. Det anbefales også at deaktivere sessionsdeling.

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

	:::

	For selvhostede GitLab-instanser:

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

	Hvis din instans kører en brugerdefineret AI-gateway:

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

	Eller tilføj til din bash-profil:

	```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
	Din GitLab-administrator skal aktivere følgende:

	1. [Duo Agent Platform](https://docs.gitlab.com/user/duo_agent_platform/turn_on_off/) for brugeren, gruppen eller instansen
	2. Funktionsflag (via Rails-konsollen):
	- `agent_platform_claude_code`
	- `third_party_agents_enabled`
	:::

	##### OAuth for selvhostede instanser

	For at få Oauth til at fungere for din selvhostede instans, skal du oprette
	en ny applikation (Indstillinger → Applikationer) med
	callback URL `http://127.0.0.1:8080/callback` og følgende omfang:

	- api (Få adgang til API på dine vegne)
	- read_user (Læs din personlige information)
	- read_repository (tillader skrivebeskyttet adgang til depotet)

	Udsæt derefter applikations-ID som miljøvariabel:

	```bash
	export GITLAB_OAUTH_CLIENT_ID=your_application_id_here
	```

	Mere dokumentation på [opencode-gitlab-auth](https://www.npmjs.com/package/opencode-gitlab-auth) hjemmesiden.

	##### Konfiguration

	Tilpas gennem `opencode.json`:

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

	##### GitLab API-værktøjer (valgfrit, men stærkt anbefalet)

	For at få adgang til GitLab-værktøjer (merge requests, problemer, pipelines, CI/CD, etc.):

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

	Denne plugin giver omfattende GitLab-repository-administrationsfunktioner, inklusiv MR-anmeldelser, problemsporing, pipeline-overvågning og mere.

	---

	### GitHub Copilot

	Sådan bruger du GitHub Copilot-abonnementet med OpenCode:

	:::note
	Nogle modeller kan kræve et [Pro+
	abonnement](https://github.com/features/copilot/plans) at bruge.

	Nogle modeller skal aktiveres manuelt i [GitHub Copilot-indstillingerne](https://docs.github.com/en/copilot/how-tos/use-ai-models/configure-access-to-ai-models#setup-for-individual-use).
	:::

	1. Kør kommandoen `/connect` og søg efter GitHub Copilot.

	```txt
	/connect
	```

	2. Naviger til [github.com/login/device](https://github.com/login/device) og indtast koden.

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

	3. Kør nu kommandoen `/models` for at vælge modellen du ønsker.

	```txt
	/models
	```

	---

	### Google Vertex AI

	Sådan bruger du Google Vertex AI med OpenCode:

	1. Gå til Model Garden i Google Cloud Console og tjek
	modeller tilgængelig i din region.

	:::note
	Du skal have et Google Cloud-projekt med Vertex AI API aktiveret.
	:::

	2. Angiv de nødvendige miljøvariabler:
	- `GOOGLE_CLOUD_PROJECT`: Dit Google Cloud-projekt ID
	- `VERTEX_LOCATION` (valgfrit): Regionen for Vertex AI (standard til `global`)
	- Godkendelse (vælg en):
	- `GOOGLE_APPLICATION_CREDENTIALS`: Sti til tjenestekontoens JSON-nøglefil
	- Godkend med gcloud CLI: `gcloud auth application-default login`

	Sæt dem mens du kører opencode.

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

	Eller tilføj dem til din bash-profil.

	```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`-regionen forbedrer tilgængeligheden og reducerer fejl uden ekstra omkostninger. Brug regionale endpoints (f.eks. `us-central1`) for krav til dataophold. [Læs mere](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/use-partner-models#regional_and_global_endpoints)
	:::

	3. Kør kommandoen `/models` for at vælge modellen du ønsker.

	```txt
	/models
	```

	---

	### Groq

	1. Gå til [Groq-konsollen](https://console.groq.com/), klik på Create API Key, og kopier nøglen.

	2. Kør kommandoen `/connect` og søg efter Groq.

	```txt
	/connect
	```

	3. Indtast API-nøglen for udbyderen.

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

	4. Kør kommandoen `/models` for at vælge den du ønsker.

	```txt
	/models
	```

	---

	### Hugging Face

	[Hugging Face Inference Providers](https://huggingface.co/docs/inference-providers) giver adgang til åbne modeller som støttes af 17+ udbydere.

	1. Gå til [Hugging Face-indstillinger](https://huggingface.co/settings/tokens/new?ownUserPermissions=inference.serverless.write&tokenType=fineGrained) for at oprette et token med tilladelse til at kalde inferensudbydere.

	2. Kør kommandoen `/connect` og søg efter Hugging Face.

	```txt
	/connect
	```

	3. Indtast dit Hugging Face-token.

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

	4. Kør kommandoen `/models` for at vælge en model som _Kimi-K2-Instruct_ eller _GLM-4.6_.

	```txt
	/models
	```

	---

	### Helicone

	[Helicone](https://helicone.ai) er en LLM observerbarhedsplatform som giver logning, overvågning og analyser for dine AI-applikationer. Helicone AI Gateway ruter dine anmodninger til den rigtige udbyder automatisk baseret på modellen.

	1. Gå til [Helicone](https://helicone.ai), opret en konto og generer en API-nøgle fra dashboardet.

	2. Kør kommandoen `/connect` og søg efter Helicone.

	```txt
	/connect
	```

	3. Indtast Helicone API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	For flere udbydere og avancerede funktioner som caching og hastighedsbegrænsning, tjek [Helicone-dokumentationen](https://docs.helicone.ai).

	#### Valgfrie konfigurationer

	I tilfælde af at du ser en funktion eller model fra Helicone som ikke konfigureres automatisk gennem opencode, kan du altid konfigurere den selv.

	Her er [Helicone's Model Directory](https://helicone.ai/models), du skal bruge denne for at hente ID'erne til de modeller du vil tilføje.

	```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-4-20250514": {
	"name": "Claude Sonnet 4",
	},
	},
	},
	},
	}
	```

	#### Brugerdefinerede headers

	Helicone understøtter tilpassede headers for funktioner som caching, brugersporing og sessionsadministration. Læg dem til din udbyderkonfiguration ved at bruge `options.headers`:

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

	##### Sessionssporing

	Helicones [Sessions](https://docs.helicone.ai/features/sessions) funktion lader dig gruppe relaterede LLM anmodninger sammen. Brug [opencode-helicone-session](https://github.com/H2Shami/opencode-helicone-session) plugin for automatisk at logge hver OpenCode-samtale som en session i Helicone.

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

	Tilføj den til din konfiguration.

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

	Programmatisk injicerer `Helicone-Session-Id` og `Helicone-Session-Name` headers i dine anmodninger. På Helicones Sessions-side vil du se hver OpenCode-samtale opført som en separat session.

	##### Almindelige Helicone-headers

	\| Header \| Beskrivelse \|
	\| -------------------------- \| ------------------------------------------------------------------------- \|
	\| `Helicone-Cache-Enabled` \| Aktiver respons-caching (`true`/`false`) \|
	\| `Helicone-User-Id` \| Spor beregninger efter bruger \|
	\| `Helicone-Property-[Name]` \| Tilføj egendefinerede egenskaber (f.eks. `Helicone-Property-Environment`) \|
	\| `Helicone-Prompt-Id` \| Knyt anmodninger til prompt-versioner \|

	Se [Helicone Header Directory](https://docs.helicone.ai/helicone-headers/header-directory) for alle tilgængelige headers.

	---

	### llama.cpp

	Du kan konfigurere opencode til at bruge lokale modeller gennem [llama.cpps](https://github.com/ggml-org/llama.cpp) llama-server-værktøj

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

	I dette eksempel:

	- `llama.cpp` er den tilpassede udbyder ID. Dette kan være hvilken som helst streng du vil.
	- `npm` specificerer pakken som skal bruges for denne udbyder. Her bruges `@ai-sdk/openai-compatible` for enhver OpenAI-kompatibel API.
	- `name` er visningsnavnet for udbyderen i UI.
	- `options.baseURL` er endpointet for den lokale server.
	- `models` er et kort over model-ID'er til deres konfigurationer. Modelnavnet vil vises i modelvalglisten.

	---

	### IO.NET

	IO.NET tilbyder 17 modeller optimeret for forskellige brugstilfælde:

	1. Gå til [IO.NET-konsollen](https://ai.io.net/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter IO.NET.

	```txt
	/connect
	```

	3. Indtast nøglen IO.NET API.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	---

	### LM Studio

	Du kan konfigurere opencode til at bruge lokale modeller gennem LM Studio.

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

	I dette eksempel:

	- `lmstudio` er den tilpassede udbyder ID. Dette kan være hvilken som helst streng du vil.
	- `npm` specificerer pakken som skal bruges for denne udbyder. Her bruges `@ai-sdk/openai-compatible` for enhver OpenAI-kompatibel API.
	- `name` er visningsnavnet for udbyderen i UI.
	- `options.baseURL` er endpointet for den lokale server.
	- `models` er et kort over model-ID'er til deres konfigurationer. Modelnavnet vil vises i modelvalglisten.

	---

	### Moonshot AI

	Sådan bruger du Kimi K2 fra Moonshot AI:

	1. Gå til [Moonshot AI-konsollen](https://platform.moonshot.ai/console), opret en konto og klik på Create API Key.

	2. Kør kommandoen `/connect` og søg efter Moonshot AI.

	```txt
	/connect
	```

	3. Indtast Moonshot API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge _Kimi K2_.

	```txt
	/models
	```

	---

	### MiniMax

	1. Gå til [MiniMax API-konsollen](https://platform.minimax.io/login), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter MiniMax.

	```txt
	/connect
	```

	3. Indtast MiniMax API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _M2.1_.

	```txt
	/models
	```

	---

	### Nebius Token Factory

	1. Gå til [Nebius Token Factory-konsollen](https://tokenfactory.nebius.com/), opret en konto og klik på Add Key.

	2. Kør kommandoen `/connect` og søg efter Nebius Token Factory.

	```txt
	/connect
	```

	3. Indtast Nebius Token Factory API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Kimi K2 Instruct_.

	```txt
	/models
	```

	---

	### Ollama

	Du kan konfigurere opencode til at bruge lokale modeller gennem Ollama.

	:::tip
	Ollama kan automatisk konfigurere sig selv for OpenCode. Se [Ollama-integrationsdokumenterne](https://docs.ollama.com/integrations/opencode) for detaljer.
	:::

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

	I dette eksempel:

	- `ollama` er den tilpassede udbyder ID. Dette kan være hvilken som helst streng du vil.
	- `npm` specificerer pakken som skal bruges for denne udbyder. Her bruges `@ai-sdk/openai-compatible` for enhver OpenAI-kompatibel API.
	- `name` er visningsnavnet for udbyderen i UI.
	- `options.baseURL` er endpointet for den lokale server.
	- `models` er et kort over model-ID'er til deres konfigurationer. Modelnavnet vil vises i modelvalglisten.

	:::tip
	Hvis værktøjskald ikke fungerer, prøv at øge `num_ctx` i Ollama. Start omkring 16k - 32k.
	:::

	---

	### Ollama Cloud

	Sådan bruger du Ollama Cloud med OpenCode:

	1. Gå til [https://ollama.com/](https://ollama.com/) og log på eller opret en konto.

	2. Naviger til Settings > Keys og klik på Add API Key for at generere en ny API-nøgle.

	3. Kopier API-nøglen til brug i OpenCode.

	4. Kør kommandoen `/connect` og søg efter Ollama Cloud.

	```txt
	/connect
	```

	5. Indtast din Ollama Cloud API-nøgle.

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

	6. Vigtigt: Før du bruger skymodeller i OpenCode, skal du hente modelinformationen lokalt:

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

	7. Kør kommandoen `/models` for at vælge din Ollama Cloud-model.

	```txt
	/models
	```

	---

	### OpenAI

	Vi anbefaler at du registrerer dig for [ChatGPT Plus eller Pro](https://chatgpt.com/pricing).

	1. Når du har registreret dig, kør kommandoen `/connect` og vælg OpenAI.

	```txt
	/connect
	```

	2. Her kan du vælge muligheden ChatGPT Plus/Pro og det åbner din browser
	og beder dig om at godkende.

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

	3. Nu skal alle OpenAI-modellerne være tilgængelige, når du bruger kommandoen `/models`.

	```txt
	/models
	```

	##### Brug API-nøgler

	Hvis du allerede har en API-nøgle, kan du vælge Manually enter API Key og indsætte den i terminalen.

	---

	### OpenCode Zen

	OpenCode Zen er en liste over testede og verificerede modeller leveret af OpenCode-teamet. [Læs mere](/docs/zen).

	1. Log på <a href={console}>OpenCode Zen</a> og klik på Create API Key.

	2. Kør kommandoen `/connect` og søg efter OpenCode Zen.

	```txt
	/connect
	```

	3. Indtast OpenCode API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Qwen 3 Coder 480B_.

	```txt
	/models
	```

	---

	### OpenRouter

	1. Gå til [OpenRouter-dashboardet](https://openrouter.ai/settings/keys), klik på Create API Key, og kopier nøglen.

	2. Kør kommandoen `/connect` og søg efter OpenRouter.

	```txt
	/connect
	```

	3. Indtast API-nøglen for udbyderen.

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

	4. Mange OpenRouter-modeller er forudindlæst som standard, kør kommandoen `/models` for at vælge den du ønsker.

	```txt
	/models
	```

	Du kan også tilføje flere modeller gennem opencode-konfigurationen.

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

	5. Du kan også tilpasse dem gennem opencode-konfigurationen. Her er et eksempel på at specificere en udbyder

	```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 Core giver adgang til 40+ modeller fra OpenAI, Anthropic, Google, Amazon, Meta, Mistral og AI21 gennem en samlet platform.

	1. Gå til din [SAP BTP Cockpit](https://account.hana.ondemand.com/), naviger til din SAP AI kerne-tjenesteinstans, og opret en tjenestenøgle.

	:::tip
	Tjenestenøglen er et JSON-objekt som indeholder `clientid`, `clientsecret`, `url` og `serviceurls.AI_API_URL`. Du finder din AI-kerneinstans under Services > Instances and Subscriptions i BTP cockpittet.
	:::

	2. Kør kommandoen `/connect` og søg efter SAP AI Core.

	```txt
	/connect
	```

	3. Indtast tjenestenøglen JSON.

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

	Eller angiv miljøvariablen `AICORE_SERVICE_KEY`:

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

	Eller tilføj den til din bash-profil:

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

	4. Angiv eventuelt deployment-ID og ressourcegruppe:

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

	:::note
	Disse indstillinger er valgfrie og bør konfigureres i henhold til SAP AI kerne-opsætningen.
	:::

	5. Kør kommandoen `/models` for at vælge fra 40+ tilgængelige modeller.

	```txt
	/models
	```

	---

	### STACKIT

	STACKIT AI Model Serving leverer fuldt administreret suverænt hostingmiljø til AI-modeller, med fokus på LLM'er som Llama, Mistral og Qwen, med maksimal datasuverænitet på europæisk infrastruktur.

	1. Gå til [STACKIT Portal](https://portal.stackit.cloud), naviger til AI Model Serving, og opret en auth-token til dit projekt.

	:::tip
	Du skal have en STACKIT-kundekonto, brugerkonto og projekt, før du opretter auth-tokens.
	:::

	2. Kør kommandoen `/connect` og søg efter STACKIT.

	```txt
	/connect
	```

	3. Indtast din STACKIT AI Model Serving auth-token.

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

	4. Kør kommandoen `/models` for at vælge fra tilgængelige modeller som _Qwen3-VL 235B_ eller _Llama 3.3 70B_.

	```txt
	/models
	```

	---

	### OVHcloud AI Endpoints

	1. Gå til [OVHcloud-panelet](https://ovh.com/manager). Naviger til `Public Cloud`-delen, `AI & Machine Learning` > `AI Endpoints` og i `API Keys`-fanen klikker du på Opret en ny API-nøgle.

	2. Kør kommandoen `/connect` og søg efter OVHcloud AI Endpoints.

	```txt
	/connect
	```

	3. Indtast OVHcloud AI Endpoints API-nøgle.

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

	4. Kør kommandoen `/models` for at vælge en model som _gpt-oss-120b_.

	```txt
	/models
	```

	---

	### Scaleway

	Sådan bruger du [Scaleway Generative APIs](https://www.scaleway.com/en/docs/generative-apis/) med OpenCode:

	1. Gå til [Scaleway Console IAM indstillinger](https://console.scaleway.com/iam/api-keys) for at generere en ny API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Scaleway.

	```txt
	/connect
	```

	3. Indtast Scaleway API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _devstral-2-123b-instruct-2512_ eller _gpt-oss-120b_.

	```txt
	/models
	```

	---

	### Together AI

	1. Gå til [Together AI-konsollen](https://api.together.ai), opret en konto og klik på Add Key.

	2. Kør kommandoen `/connect` og søg efter Together AI.

	```txt
	/connect
	```

	3. Indtast Together AI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Kimi K2 Instruct_.

	```txt
	/models
	```

	---

	### Venice AI

	1. Gå til [Venice AI-konsollen](https://venice.ai), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Venice AI.

	```txt
	/connect
	```

	3. Indtast Venice AI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Llama 3.3 70B_.

	```txt
	/models
	```

	---

	### Vercel AI Gateway

	Vercel AI Gateway lader dig få adgang til modeller fra OpenAI, Anthropic, Google, xAI og mere gennem et samlet endpoint. Modeller tilbydes til listepris uden påslag.

	1. Gå til [Vercel dashboard](https://vercel.com/), naviger til fanen AI Gateway, og klik på API Keys for at oprette en ny API-nøgle.

	2. Kør kommandoen `/connect` og søg efter Vercel AI Gateway.

	```txt
	/connect
	```

	3. Indtast Vercel AI Gateway API-nøgle.

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

	4. Kør kommandoen `/models` for at vælge en model.

	```txt
	/models
	```

	Du kan også tilpasse modeller gennem opencode-konfigurationen. Her er et eksempel på specificering af udbyder-rutingsrækkefølge.

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

	Nogle nyttige rutealternativer:

	\| Alternativ \| Beskrivelse \|
	\| ------------------- \| -------------------------------------------------------- \|
	\| `order` \| Providersekvens for at prøve \|
	\| `only` \| Begræns til specifikke udbydere \|
	\| `zeroDataRetention` \| Brug kun udbydere med nul retningslinjer for datalagring \|

	---

	### xAI

	1. Gå til [xAI-konsollen](https://console.x.ai/), opret en konto og generer en API-nøgle.

	2. Kør kommandoen `/connect` og søg efter xAI.

	```txt
	/connect
	```

	3. Indtast xAI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _Grok Beta_.

	```txt
	/models
	```

	---

	### Z.AI

	1. Gå til [Z.AI API-konsollen](https://z.ai/manage-apikey/apikey-list), opret en konto og klik på Create new API Key.

	2. Kør kommandoen `/connect` og søg efter Z.AI.

	```txt
	/connect
	```

	Hvis du abonnerer på GLM Coding Plan, vælg Z.AI Coding Plan.

	3. Indtast Z.AI API-nøglen.

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

	4. Kør kommandoen `/models` for at vælge en model som _GLM-4.7_.

	```txt
	/models
	```

	---

	### ZenMux

	1. Gå til [ZenMux-dashboardet](https://zenmux.ai/settings/keys), klik på Create API Key, og kopier nøglen.

	2. Kør kommandoen `/connect` og søg efter ZenMux.

	```txt
	/connect
	```

	3. Indtast API-nøglen for udbyderen.

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

	4. Mange ZenMux-modeller er forudindlæst som standard, kør kommandoen `/models` for at vælge den du ønsker.

	```txt
	/models
	```

	Du kan også tilføje flere modeller gennem opencode-konfigurationen.

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

	---

	## Brugerdefineret udbyder

	Sådan tilføjer du en OpenAI-kompatibel udbyder som ikke er opført i `/connect`-kommandoen:

	:::tip
	Du kan bruge hvilken som helst OpenAI-kompatibel udbyder med opencode. De fleste moderne AI-udbydere tilbyder OpenAI-kompatible API'er.
	:::

	1. Kør kommandoen `/connect` og rul ned til Other.

	```bash
	$ /connect

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

	2. Indtast et unikt ID for udbyderen.

	```bash
	$ /connect

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

	:::note
	Vælg et mindeværdigt ID, du vil bruge dette i din konfigurationsfil.
	:::

	3. Indtast API-nøglen for udbyderen.

	```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. Opret eller opdater `opencode.json`-filen i projektkataloget:

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

	Her er konfigurationsmulighederne:
	- npm: AI SDK pakke at bruge, `@ai-sdk/openai-compatible` for OpenAI-kompatible udbydere
	- name: Visningsnavn i UI.
	- models: Tilgængelige modeller.
	- options.baseURL: API endpoint URL.
	- options.apiKey: Angiv API-nøglen hvis du ikke bruger auth.
	- options.headers: Angiv egendefinerede headers.

	Mere om de avancerede muligheder i eksemplet nedenfor.

	5. Kør kommandoen `/models` og din egendefinerede udbyder og modeller vil vises i udvalgslisten.

	---

	##### Eksempel

	Her er et eksempel på indstilling af mulighederne `apiKey`, `headers` og model `limit`.

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

	Konfigurationsdetaljer:

	- apiKey: Angiv med `env` variabel syntaks, [læs mere](/docs/config#env-vars).
	- headers: Egendefinerede headers sendt med hver anmodning.
	- limit.context: Maksimalt input-tokens som modellen accepterer.
	- limit.output: Maksimalt antal tokens modellen kan generere.

	`limit`-felterne lader OpenCode forstå hvor meget kontekst du har tilbage. Standardudbydere henter disse automatisk fra models.dev.

	---

	## Fejlfinding

	Hvis du har problemer med at konfigurere en udbyder, tjek følgende:

	1. Tjek godkendelsesopsætningen: Kør `opencode auth list` for at se om legitimationsoplysningerne
	for udbyderen er tilføjet til din konfiguration.

	Dette gælder ikke udbydere som Amazon Bedrock, som er afhængige af miljøvariabler for godkendelse.

	2. For tilpassede udbydere, tjek opencode-konfigurationen og:
	- Sørg for at udbyderens ID som bruges i `/connect`-kommandoen matcher ID i opencode-konfigurationen.
	- Den rigtige npm-pakke bruges for udbyderen. Brug for eksempel `@ai-sdk/cerebras` for Cerebras. Og for alle andre OpenAI-kompatible udbydere, brug `@ai-sdk/openai-compatible`.
	- Kontroller at korrekt API-endpoint er brugt i `options.baseURL`-feltet.

Xet Storage Details

Size:: 46.9 kB
Xet hash:: c89e275331b43788cdd4a5694efcff5ea4644175d71dbe91d19d2a287fafbf12

Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.