AutoGPT auf einer custom OpenAI Base URL betreiben.

Kurzantwort: zwei Zeilen in .env.

AutoGPT Classics .env.template dokumentiert OPENAI_API_BASE_URL als "Custom url for the OpenAI API, useful for connecting to custom backends", und der Provider-Code verdrahtet sie direkt in den Client: die OpenAICredentials-Klasse liest api_base aus dieser Variable und übergibt sie als base_url. Der Override ist also, eine Zeile auszukommentieren und den Key zu setzen: OPENAI_API_BASE_URL auf https://api.apisrouter.com/v1 und OPENAI_API_KEY auf deinen Gateway-Key. Ein Scoping-Hinweis vorab: das gilt für AutoGPT Classic, den autonomen Agenten unter classic/original_autogpt im Repo. Die neuere AutoGPT Platform des Repos (der visuelle Builder) verwaltet Modell-Credentials pro Block über ihr eigenes Backend, und diese Umgebungsvariable ist nicht der Weg, sie zu konfigurieren.

OPENAI_API_BASE_URL=https://api.apisrouter.com/v1
OPENAI_API_KEY=sk-APIsRouter-...
SMART_LLM=gpt-5.4
FAST_LLM=gpt-5.4-mini

Wie AutoGPT Classic Modell-Calls routet.

AutoGPT (Significant-Gravitas auf GitHub, rund 185.000 Stars, das meistgestarrte Agent-Repo überhaupt) hat den autonomen Loop erfunden: der Agent plant, wählt eine Aktion, führt sie aus, bewertet das Ergebnis und wiederholt, bis das Ziel erreicht ist oder das Budget nicht mehr reicht. Classic splittet seine Modellnutzung auf zwei Slots. SMART_LLM trägt die Haupt-Reasoning-Züge des Agenten, und FAST_LLM übernimmt die leichtere Arbeit; die Defaults leben in der Config als Enum-Werte, überschreibbar aus der Umgebung. Die Routing-Mechanik ist für ein so altes Projekt ungewöhnlich sauber: OpenAICredentials.api_base ist UserConfigurable aus OPENAI_API_BASE_URL, und get_api_access_kwargs() übergibt sie dem OpenAI-Client als base_url. Jeder OpenAI-Provider-Request des Agenten, Planungszüge, Tool-Use-Entscheidungen, Zusammenfassungen, geht an den Host, den diese Variable benennt. Die Einschränkung, die AutoGPT von Freiform-Tools unterscheidet: SMART_LLM und FAST_LLM sind als ModelName-Enums typisiert, validiert gegen die in den Agenten kompilierte Modell-Registry, keine freien Strings. Die Registry aktueller Builds deckt die GPT-5-Serie bis gpt-5.4 neben den 4.1-, 4o- und o-Serie-Familien ab, aber die praktische Regel ist, Namen zu wählen, die das Enum deines Checkouts tatsächlich enthält. Das Gateway erhält dann exakt diese ID, also muss die ID auch im Katalog existieren; gpt-5.4 und gpt-5.4-mini erfüllen heute beide Seiten.

Vollständiges Setup: .env im richtigen Verzeichnis, Modelle aus der Registry.

Kopiere .env.template zu .env innerhalb von classic/original_autogpt, kommentiere die vier Werte aus und setze sie, und lass den Agenten aus diesem Verzeichnis laufen. Die .env wird relativ zum Arbeitslayout des Classic-Agenten geladen, also nützt eine wunderschön konfigurierte Datei im Repo-Root ihm nichts. Modellwahl ist ein Registry-Lookup, kein Passthrough. SMART_LLM auf eine ID zu setzen, die das Enum nicht enthält, scheitert an der Validierung beim Start, bevor irgendein Request gemacht wird, was zumindest laut scheitert. Das Korollar ist, dass Claude-IDs über diesen Pfad überhaupt nicht adressierbar sind: Classic hat einen separaten nativen Anthropic-Provider (ANTHROPIC_API_KEY) für diese Enum-Namen, und dieser Provider liest OPENAI_API_BASE_URL nicht. Ist dein Ziel ein Key über einen Endpoint, halte beide Slots auf OpenAI-Registry-Namen, die das Gateway bedient. Budget-Disziplin gilt weiterhin. Der autonome Loop ist berüchtigt dafür, Token in unbeaufsichtigten Bursts auszugeben, und ihn umzuleiten ändert das nicht; es macht es messbar. Classics eigene Budget-Einstellungen bleiben es wert, gesetzt zu werden, und die Nutzungsansicht pro Key gibt dir das externe Ledger pro Run.

cd classic/original_autogpt
cp .env.template .env
# edit .env:
#   OPENAI_API_BASE_URL=https://api.apisrouter.com/v1
#   OPENAI_API_KEY=sk-APIsRouter-...
#   SMART_LLM=gpt-5.4
#   FAST_LLM=gpt-5.4-mini
./autogpt.sh run   # or: poetry run autogpt run

SMART_LLM und FAST_LLM wählen.

Der ehrliche Vergleich ist pro Ziel, nicht pro Call: gib dem Agenten dasselbe Ziel unter zwei SMART_LLM-Wahlen und vergleiche Gesamt-Token und Ergebnisqualität im Nutzungslog. Autonome Agenten sind die eine Workload, bei der das stärkere Modell regelmäßig bei den Gesamtkosten gewinnt.

• SMART_LLM ist das Urteilsvermögen des Agenten. Es entscheidet bei jeder Loop-Iteration, was als Nächstes zu tun ist, und eine schlechte Entscheidung verschwendet nicht nur einen Call, sie erzeugt einen ganzen Teilbaum verschwendeter Calls. gpt-5.4 ist heute der stärkste Registry-und-Katalog-Match für diesen Slot.
• FAST_LLM absorbiert das mechanische Volumen. gpt-5.4-mini hält die unterstützenden Calls des Loops auf einem kleinen Bruchteil des Preises des smarten Slots, was zählt, weil autonome Runs alles multiplizieren.
• Widersteh der Versuchung, FAST_LLM als den smarten Slot laufen zu lassen, um zu sparen: der autonome Loop verstärkt Entscheidungsqualität, also kostet ein schwächerer Planer in Summe meist mehr Token, als er pro Call spart.
• Registry-Namen verschieben sich mit dem Checkout. Nach dem Ziehen einer neuen Version prüfe erneut, ob deine konfigurierten Namen noch validieren; eine Enum-Umbenennung scheitert beim Start mit einem klaren Fehler, was einem stillen Fallback vorzuziehen ist.

Nutzungsbasiert · unter offiziellem Preis

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Die Fehlerbilder speziell für AutoGPT.

Die Variablennamen-Falle. Drei verschiedene Tools nutzen drei verschiedene Schreibweisen: mem0 liest OPENAI_BASE_URL, Aider liest OPENAI_API_BASE, und AutoGPT Classic liest OPENAI_API_BASE_URL. Muskelgedächtnis aus einem anderen Tool hinterlässt die falsche Variable gesetzt, AutoGPT ignoriert sie still, und Requests fließen weiter zu api.openai.com auf was auch immer OPENAI_API_KEY hält. Erscheinen Requests nicht in deinem Gateway-Nutzungslog, prüfe das zuerst. Enum-Ablehnung beim Start. SMART_LLM oder FAST_LLM auf eine ID außerhalb der kompilierten Registry gesetzt scheitert an der Validierung, bevor der Agent läuft. Das ist korrektes Verhalten, überrascht aber Leute, die von Freiform-Tools kommen, wo jeder String weitergereicht wird; der Fehler bedeutet "wähle einen Registry-Namen", nicht "der Endpoint ist down". Claude-Namen routen nativ. Anthropic-Enum-Namen laufen über den Anthropic-Provider und ANTHROPIC_API_KEY, an OPENAI_API_BASE_URL vorbei. Erwartest du jeden Request in einem Nutzungslog und siehst nur einige, ist der fehlende Traffic auf einem nativen Provider-Pfad. Die falsche .env. Der Classic-Agent lädt die .env seines eigenen Verzeichnisses. Eine Datei im Repo-Root, oder ein Shell-Export, überschattet von einem veralteten .env-Wert, erzeugt verwirrende halbkonfigurierte Zustände. Halte die vier Werte an einem Ort: classic/original_autogpt/.env. Platform-Erwartungen. Die Blocks der AutoGPT Platform verwalten Credentials in ihrem eigenen Backend; das Setzen dieser Umgebungsvariable routet sie nicht um. Der Pfad dieser Seite ist der von Classic.

Wer AutoGPT über ein Gateway routet.

• Entwickler, die Classic für autonome Experimente wiederbeleben und den berüchtigten Token-Appetit des Loops von Anfang an auf einem gemessenen Ledger pro Key wollen.
• Bastler, die lange unbeaufsichtigte Ziele laufen lassen, wo Sichtbarkeit pro Request darüber, was der Agent tatsächlich mit seinem Budget tat, genauso zählt wie das Gesamte.
• Teams, die einen Endpoint über viele Tools standardisieren, wo AutoGPT eine weitere .env ist, die auf denselben Key zeigt, statt ein separates Konto.
• Nutzer, die gpt-5.4-Urteilsvermögen mit gpt-5.4-mini-Volumen paaren, bepreist pro Token ohne Abo an einem der beiden Slots.
• Entwickler ohne Zugang zum Billing eines bestimmten Vendors. Guthabenbasierter Zugang ohne Kartenpflicht entfernt die Sign-up-Abhängigkeit pro Provider.

Endpoint verifizieren und den ersten Run debuggen.

Bestätige, dass das Gateway exakt die IDs bedient, die du in SMART_LLM und FAST_LLM eingetragen hast; der Agent sendet diese Strings wörtlich. Die First-Run-Leiter: ein Validierungsfehler, der dein Modell beim Start nennt, bedeutet, die ID ist nicht in der Registry deines Builds, wähle also einen anderen Registry-Namen. Ein 401 bedeutet, OPENAI_API_KEY in der eigenen .env des Classic-Agenten ist nicht der Gateway-Key. Ein Model-not-found-Fehler vom Gateway bedeutet, der gewählte Registry-Name ist nicht im Katalog; gleiche beide Seiten ab. Und ein Run, der funktioniert, aber nie im Nutzungslog erscheint, bedeutet, die Base-URL-Variable ist falsch geschrieben oder in der falschen Datei, und Traffic geht an den Default-Host. Sobald der Loop läuft, beobachte die Per-Request-Ansicht während des ersten Ziels statt danach. Autonome Agenten zeigen ihr Token-Verhalten in den ersten paar Minuten, und einen durchgehenden Loop früh zu erwischen ist mehr wert als jede Preisdifferenz pro Token.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY" | head -50

Häufige Fragen