Patakbuhin ang AutoGPT sa isang custom OpenAI base URL.

Mabilisang sagot: dalawang linya sa .env.

Idinodokumento ng .env.template ng AutoGPT Classic ang OPENAI_API_BASE_URL bilang "Custom url for the OpenAI API, useful for connecting to custom backends", at direktang ikinakabit ito ng provider code sa client: binabasa ng OpenAICredentials class ang api_base mula sa variable na iyon at ipinapasa ito bilang base_url. Kaya ang override ay pag-alis ng comment sa isang linya at pagtakda ng key: OPENAI_API_BASE_URL sa https://api.apisrouter.com/v1 at OPENAI_API_KEY sa key mo sa gateway. Isang tala tungkol sa saklaw bago ang kahit ano: naaangkop ito sa AutoGPT Classic, ang autonomous agent na nakatira sa ilalim ng classic/original_autogpt sa repo. Ang mas bagong AutoGPT Platform ng repo (ang visual builder) ay namamahala ng mga model credential per block sa pamamagitan ng sarili nitong backend, at hindi ito paraan para i-configure ang environment variable na ito.

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

Paano niruruta ng AutoGPT Classic ang mga tawag sa model.

Ang AutoGPT (Significant-Gravitas sa GitHub, humigit-kumulang 185K stars, ang pinaka-starred na agent repo na umiiral) ang nagpasimula ng autonomous loop: nagplano ang agent, pumipili ng aksyon, isinasagawa ito, sinusuri ang resulta, at inuulit ito hanggang matapos ang goal o maubos ang budget. Hinahati ng Classic ang paggamit nito ng model sa dalawang slot. Dinadala ng SMART_LLM ang pangunahing reasoning turns ng agent, at hinahawakan ng FAST_LLM ang mas magaan na trabaho; nakatira ang mga default sa config bilang enum values, na maaaring i-override mula sa environment. Kakaibang malinis ang routing mechanics para sa isang proyektong ganito na katagal: ang OpenAICredentials.api_base ay UserConfigurable mula sa OPENAI_API_BASE_URL, at ibinibigay ito ng get_api_access_kwargs() sa OpenAI client bilang base_url. Ang bawat request na gawa ng agent sa OpenAI provider, mga planning turn, tool-use na desisyon, mga summary, ay pupunta sa kahit anong host na pinapangalanan ng variable na iyon. Ang constraint na naghihiwalay sa AutoGPT mula sa mga freeform tool: naka-type ang SMART_LLM at FAST_LLM bilang mga ModelName enum, na validated laban sa model registry na naka-compile sa loob ng agent, hindi mga malayang string. Sinasaklaw ng registry ng mga kamakailang build ang GPT-5 series hanggang gpt-5.4 kasama ang mga pamilyang 4.1, 4o, at o-series, pero ang praktikal na patakaran ay pumili mula sa mga pangalang talagang laman ng enum ng checkout mo. Tinatanggap pagkatapos ng gateway ang eksaktong id na iyon, kaya dapat umiral din ang id sa katalogo; sinasapatan ng gpt-5.4 at gpt-5.4-mini ang dalawang panig ngayon.

Buong setup: .env sa tamang directory, mga model mula sa registry.

Kopyahin ang .env.template patungong .env sa loob ng classic/original_autogpt, i-uncomment at itakda ang apat na value, at patakbuhin ang agent mula sa directory na iyon. Naka-load ang .env nang kaugnay sa working layout ng classic agent, kaya walang epekto sa agent ang isang magandang naka-configure na file sa root ng repo. Ang pagpili ng model ay isang registry lookup, hindi isang passthrough. Ang pagtakda ng SMART_LLM sa isang id na wala sa enum ay nabibigo sa validation sa startup, bago pa man magawa ang anumang request, na hindi bababa ay nabibigo nang malakas. Ang kasunod na bagay ay hindi maaaring i-address ang mga id ng Claude sa pamamagitan ng path na ito: may hiwalay na native na Anthropic provider ang Classic (ANTHROPIC_API_KEY) para sa mga pangalang iyon sa enum, at hindi binabasa ng provider na iyon ang OPENAI_API_BASE_URL. Kung ang layunin mo ay isang key sa pamamagitan ng isang endpoint, panatilihin ang dalawang slot sa mga pangalan sa OpenAI registry na si-serve ng gateway. Umiiral pa rin ang disiplina sa budget. Kilala ang autonomous loop sa paggastos ng token nang biglaan at hindi nababantayan, at hindi ito binabago ng pag-reroute; ginagawa lang nitong masusukat. Sulit pa ring itakda ang sariling mga setting ng budget ng Classic, at ibinibigay ng per-key usage view ang external na ledger mo kada 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

Pagpili ng SMART_LLM at FAST_LLM.

Ang tapat na paghahambing ay per goal, hindi per tawag: bigyan ang agent ng parehong goal sa ilalim ng dalawang pagpili ng SMART_LLM at ikumpara ang kabuuang token at kalidad ng resulta sa usage log. Ang autonomous agents ang isang workload kung saan regular na nananalo ang mas malakas na model sa kabuuang gastos.

• Ang SMART_LLM ang paghatol ng agent. Dinedesisyunan nito kung ano ang susunod gagawin sa bawat loop iteration, at ang isang maling desisyon ay hindi lang nag-aaksaya ng isang tawag, nagpapaanak ito ng subtree ng mga aksayadong tawag. Ang gpt-5.4 ang pinakamalakas na tugma sa registry at katalogo para sa slot na ito ngayon.
• Sinasagap ng FAST_LLM ang mekanikal na volume. Pinapanatili ng gpt-5.4-mini ang mga sumusuportang tawag ng loop sa maliit na bahagi lamang ng presyo ng smart slot, na mahalaga dahil pinaparami ng autonomous runs ang lahat.
• Iwasan ang tuksong patakbuhin ang FAST_LLM bilang smart slot para makatipid: pinapataas ng autonomous loop ang bisa ng kalidad ng desisyon, kaya ang isang mas mahinang planner ay karaniwang mas magastos sa kabuuang token kaysa sa naiipon nito kada tawag.
• Nagbabago ang mga pangalan sa registry ayon sa checkout. Pagkatapos mag-pull ng bagong bersyon, suriin ulit kung valid pa rin ang mga naka-configure mong pangalan; nabibigo sa startup ang isang pagpapalit ng pangalan ng enum na may malinaw na error, na mas mainam kaysa sa isang tahimik na fallback.

Pay-as-you-go · mas mababa sa opisyal na presyo

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

Mga failure mode na specific sa AutoGPT.

Ang bitag ng pangalan ng variable. Tatlong magkaibang tool ang gumagamit ng tatlong magkaibang baybay: binabasa ng mem0 ang OPENAI_BASE_URL, binabasa ng Aider ang OPENAI_API_BASE, at binabasa ng AutoGPT Classic ang OPENAI_API_BASE_URL. Ang muscle memory mula sa ibang tool ay nag-iiwan ng maling variable na naka-set, tahimik na hindi pinapansin ito ng AutoGPT, at patuloy na dumadaloy ang mga request sa api.openai.com gamit ang kahit anong nasa OPENAI_API_KEY. Kung hindi lumalabas ang mga request sa gateway usage log mo, tignan muna ito. Pagtanggi ng enum sa startup. Ang SMART_LLM o FAST_LLM na naka-set sa isang id na wala sa naka-compile na registry ay nabibigo sa validation bago pa man tumakbo ang agent. Ito ang tamang behavior, pero nakakagulat ito sa mga taong galing sa mga freeform tool kung saan ipinapasa ang kahit anong string; ang ibig sabihin ng error ay "pumili ng registry name," hindi "patay ang endpoint." Mga pangalan ng Claude na ruruta nang native. Ang mga pangalan sa enum ng Anthropic ay dumadaan sa Anthropic provider at ANTHROPIC_API_KEY, na nililiktawan ang OPENAI_API_BASE_URL. Kung inaasahan mong makikita ang bawat request sa isang usage log at ilan lang ang nakita mo, nasa isang native na provider path ang nawawalang trapiko. Ang maling .env. Nilo-load ng classic agent ang .env ng sarili nitong directory. Ang isang file sa root ng repo, o isang shell export na natatakpan ng lumang value sa .env, ay gumagawa ng nakakalitong kalahating naka-configure na kalagayan. Panatilihin ang apat na value sa isang lugar: classic/original_autogpt/.env. Mga inaasahan sa Platform. Ang mga block ng AutoGPT Platform ay namamahala ng mga credential sa sarili nitong backend; hindi nire-reroute ng pagtakda ng environment variable na ito ang mga ito. Ang path ng pahinang ito ay sa Classic.

Sino ang nagru-route ng AutoGPT sa pamamagitan ng isang gateway.

• Mga developer na bumubuhay muli sa Classic para sa mga autonomous na eksperimento na gustong may metered, per-key na ledger ang tanyag na gutom sa token ng loop mula sa unang run.
• Mga tinkerer na nagpapatakbo ng mahahabang unattended na goal, kung saan mahalaga ang per-request na visibility sa kung ano talaga ang ginawa ng agent gamit ang budget nito nang kasingsama ng kabuuang bilang.
• Mga team na nagpapareho ng isang endpoint sa maraming tools, kung saan ang AutoGPT ay isa lang pang .env na nakaturo sa parehong key sa halip na hiwalay na account.
• Mga user na naghahalo ng paghatol ng gpt-5.4 kasama ang volume ng gpt-5.4-mini, na may presyong per token nang walang subscription na kalakip sa alinmang slot.
• Mga developer na walang access sa billing ng isang partikular na vendor. Ang top-up based na access na walang kailangang card ay inaalis ang per-provider na sign-up dependency.

I-verify ang endpoint at i-debug ang unang run.

Kumpirmahin na si-serve ng gateway ang eksaktong mga id na inilagay mo sa SMART_LLM at FAST_LLM; ipinapadala ng agent ang mga string na iyon nang letra-por-letra. Ang first-run ladder: nangangahulugan ang isang validation error na nagbabanggit ng model mo sa startup na wala sa registry ng build mo ang id, kaya pumili ng ibang registry name. Nangangahulugan ang isang 401 na hindi gateway key ang OPENAI_API_KEY sa sariling .env ng classic agent. Nangangahulugan ang isang model-not-found error mula sa gateway na wala sa katalogo ang registry name na pinili mo; i-align ang dalawang panig. At nangangahulugan ang isang run na gumagana pero hindi kailanman lumalabas sa usage log na mali ang baybay ng base URL variable o nasa maling file ito, at pupunta ang trapiko sa default host. Kapag tumatakbo na ang loop, panoorin ang per-request view sa panahon ng unang goal sa halip na pagkatapos nito. Inilalantad ng autonomous agents ang behavior ng token nila sa unang ilang minuto, at ang pagkuha nang maaga sa isang runaway loop ay mas mahalaga kaysa sa anumang pagkakaiba ng presyo per token.

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

Mga madalas itanong