# aicentos ドキュメント

> aicentos は開発者と企業向けの AI API アグリゲーションプラットフォーム。API キー 1 つで OpenAI・Anthropic・Google・xAI などの主要モデルを呼び出せます。自社構築の公式アカウントプールから各社公式 API へ直接接続し、複数アカウントで冗長化・自動フェイルオーバー。稼働率のリアルタイム公開、契約・プライベートデプロイにも対応。

日本語で提供されているドキュメントをまとめています。各ページに出典 URL を記載しています。

[ドキュメント目次](https://docs.aicentos.com/ja/llms.txt)

# ネイティブ Claude 形式

出典: https://docs.aicentos.com/ja/api/chat/claude

Language: ja

チャット（Chat）

`POST /messages`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

###

`application/json`

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/messages" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "claude-sonnet-4-6",    "max_tokens": 256,    "messages": [      {        "role": "user",        "content": "自分を一文で紹介してください"      }    ]  }'
```

```bash
{
  "id": "string",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "string"
    }
  ],
  "model": "string",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 0,
    "output_tokens": 0
  }
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

---

# Gemini テキストチャット

出典: https://docs.aicentos.com/ja/api/chat/gemini/text

Language: ja

チャット（Chat）ネイティブ Gemini 形式

`POST /v1beta/models/{model}:generateContent`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## Path パラメーター

model\*string

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1beta/models/gemini-2.0-pro:generateContent" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "contents": [      {        "role": "user",        "parts": [          {            "text": "自分を一文で紹介してください"          }        ]      }    ]  }'
```

```bash
{
  "candidates": [
    {
      "content": {},
      "finishReason": "string",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 0,
    "candidatesTokenCount": 0,
    "totalTokenCount": 0
  }
}
```

---

# ChatCompletions 形式

出典: https://docs.aicentos.com/ja/api/chat/openai/chat-completions

Language: ja

チャット（Chat）ネイティブ OpenAI 形式

`POST /chat/completions`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

###

`application/json`

###

`application/json`

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/chat/completions" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "gpt-4o-mini",    "messages": [      {        "role": "user",        "content": "自分を一文で紹介してください"      }    ]  }'
```

```bash
{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 0,
  "model": "string",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "system",
        "content": "string",
        "name": "string"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 0,
    "completion_tokens": 0,
    "total_tokens": 0
  }
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

---

# Responses 形式

出典: https://docs.aicentos.com/ja/api/chat/openai/responses

Language: ja

チャット（Chat）ネイティブ OpenAI 形式

`POST /responses`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/responses" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "gpt-5",    "input": "自分を一文で紹介してください"  }'
```

```bash
{
  "id": "string",
  "object": "response",
  "status": "completed",
  "output": [],
  "usage": {}
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

---

# Gemini ネイティブ形式

出典: https://docs.aicentos.com/ja/api/images/nano-banana/gemini

Language: ja

画像（Images）Nano Banana

`POST /v1beta/models/gemini-3-pro-image-preview:generateContent`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "contents": [      {        "role": "user",        "parts": [          {            "text": "宇宙服を着たカピバラが宇宙に漂っている"          }        ]      }    ],    "generationConfig": {      "responseModalities": [        "IMAGE"      ]    }  }'
```

```bash
{
  "candidates": [
    {
      "content": {
        "role": "string",
        "parts": [
          {
            "text": "string",
            "inlineData": {
              "mimeType": "string",
              "data": "string"
            }
          }
        ]
      },
      "finishReason": "string",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 0,
    "candidatesTokenCount": 0,
    "totalTokenCount": 0
  },
  "modelVersion": "string"
}
```

---

# 画像の編集

出典: https://docs.aicentos.com/ja/api/images/openai/edits

Language: ja

画像（Images）ネイティブ OpenAI 形式

`POST /images/edits`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`multipart/form-data`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/images/edits" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -F image="[    \"string\"  ]" \
  -F prompt="string"
```

```bash
{
  "created": 0,
  "background": "string",
  "output_format": "string",
  "size": "string",
  "data": [
    {
      "url": "string",
      "b64_json": "string"
    }
  ],
  "usage": {
    "input_tokens": 0,
    "output_tokens": 0,
    "total_tokens": 0
  }
}
```

---

# 画像の生成

出典: https://docs.aicentos.com/ja/api/images/openai/generations

Language: ja

画像（Images）ネイティブ OpenAI 形式

`POST /images/generations`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/images/generations" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "gpt-image-2",    "prompt": "A futuristic city skyline at sunset, neon lights, cinematic",    "size": "1024x1024",    "quality": "hd"  }'
```

```bash
{
  "created": 0,
  "background": "string",
  "output_format": "string",
  "quality": "string",
  "size": "string",
  "data": [
    {
      "url": "string",
      "b64_json": "string",
      "revised_prompt": "string"
    }
  ],
  "usage": {
    "input_tokens": 0,
    "output_tokens": 0,
    "total_tokens": 0,
    "input_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 0
    },
    "output_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 0
    }
  }
}
```

---

# ネイティブ Gemini 形式

出典: https://docs.aicentos.com/ja/api/models/gemini

Language: ja

モデル（Models）

`GET /v1beta/models`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X GET "https://aicentos.com/v1beta/models" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

```bash
{
  "models": [
    {
      "name": "models/gemini-2.0-pro",
      "displayName": "string",
      "description": "string",
      "inputTokenLimit": 0,
      "outputTokenLimit": 0,
      "supportedGenerationMethods": [
        "string"
      ]
    }
  ]
}
```

---

# ネイティブ OpenAI 形式

出典: https://docs.aicentos.com/ja/api/models/openai

Language: ja

モデル（Models）

`GET /models`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## レスポンスボディ

###

`application/json`

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X GET "https://aicentos.com/v1/models" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

```bash
{
  "object": "list",
  "data": [
    {
      "id": "gpt-4o-mini",
      "object": "model",
      "created": 1715000000,
      "owned_by": "openai"
    }
  ]
}
```

```bash
{
  "error": {
    "message": "Incorrect API key provided",
    "type": "authentication_error",
    "code": "invalid_api_key"
  }
}
```

---

# Dreamina · 動画の作成

出典: https://docs.aicentos.com/ja/api/videos/dreamina/create

Language: ja

> Dreamina（即夢）の動画生成タスクを送信し、タスク ID と初期ステータスを返します

動画（Videos）Dreamina（即夢）形式

`POST /videos`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "veo-3.1-fast-generate-preview",    "prompt": "DJ がスクラッチしている",    "size": "1920x1080",    "seconds": "8"  }'
```

```bash
{
  "id": "string",
  "task_id": "string",
  "status": "queued"
}
```

---

# Dreamina · 動画タスクステータスの取得

出典: https://docs.aicentos.com/ja/api/videos/dreamina/get-task

Language: ja

> タスク ID で Dreamina（即夢）の動画生成の進行状況と結果を照会します

動画（Videos）Dreamina（即夢）形式

`GET /videos/{task_id}`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## Path パラメーター

task\_id\*string

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X GET "https://aicentos.com/v1/videos/string" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

```bash
{
  "id": "string",
  "task_id": "string",
  "status": "queued",
  "progress": 0,
  "url": "string",
  "error": "string"
}
```

---

# Sora · 動画の作成

出典: https://docs.aicentos.com/ja/api/videos/sora/create

Language: ja

> Sora の動画生成タスクを送信し、タスク ID と初期ステータスを返します。進行状況は後ほどタスク ID で照会します

動画（Videos）Veo（OpenAI 互換）

`POST /videos`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## リクエストボディ

`application/json`

TypeScript 型定義

TypeScript で request body 型を使用する

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X POST "https://aicentos.com/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{    "model": "veo-3.1-fast-generate-preview",    "prompt": "DJ がスクラッチしている",    "size": "1920x1080",    "seconds": "8"  }'
```

```bash
{
  "id": "string",
  "task_id": "string",
  "status": "queued"
}
```

---

# Sora · 動画コンテンツの取得

出典: https://docs.aicentos.com/ja/api/videos/sora/get-content

Language: ja

> タスク完了後、タスク ID で Sora が生成した動画ファイルの URL を取得します

動画（Videos）Veo（OpenAI 互換）

`GET /videos/{task_id}/content`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## Path パラメーター

task\_id\*string

## レスポンスボディ

###

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X GET "https://aicentos.com/v1/videos/string/content" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

```bash
{
  "url": "string",
  "expires_at": 0
}
```

---

# Sora · 動画タスクステータスの取得

出典: https://docs.aicentos.com/ja/api/videos/sora/get-task

Language: ja

> タスク ID で Sora の動画生成の進行状況を照会し、ステータスと失敗理由を取得します

動画（Videos）Veo（OpenAI 互換）

`GET /videos/{task_id}`

## 認証

API キーを環境変数 `AICENTOS_API_KEY` に設定してください。シェルの例では、その値を `Authorization: Bearer` ヘッダーに展開します。

コンソールの「トークン管理」で取得した API Key

場所：`header`

## Path パラメーター

task\_id\*string

## レスポンスボディ

###

`application/json`

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"

curl -X GET "https://aicentos.com/v1/videos/string" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

```bash
{
  "id": "string",
  "task_id": "string",
  "status": "queued",
  "progress": 0,
  "url": "string",
  "error": "string"
}
```

---

# エラー

出典: https://docs.aicentos.com/ja/billing/errors

Language: ja

> HTTP ステータスコード、エラーレスポンスの構造、よくあるエラーと解決策

aicentos は **OpenAI のエラーレスポンス形式**をそのまま踏襲しています。SDK が例外を投げたときは、対応する例外を catch するだけで済みます。

## エラーレスポンスの構造

すべてのエラーレスポンスは次の形式です：

```bash
{
  "error": {
    "message": "あなたの API Key には gpt-5 へのアクセス権がありません",
    "type": "permission_denied",
    "code": "model_not_allowed",
    "param": "model"
  }
}
```

| フィールド     | 意味                       |
| --------- | ------------------------ |
| `message` | 人間が読めるエラーの説明             |
| `type`    | エラーのカテゴリー（下表を参照）         |
| `code`    | 細かい粒度のエラーコード（プログラムでの判定用） |
| `param`   | 問題のあるフィールド名（あれば）         |

## HTTP ステータスコード早見表

| ステータスコード | タイプ                      | よくある原因                                 |
| -------- | ------------------------ | -------------------------------------- |
| `400`    | `invalid_request_error`  | リクエストボディの形式エラー、不正なパラメーター、model 名のスペルミス |
| `401`    | `authentication_error`   | API Key の欠落 / 誤り / 失効済み                |
| `402`    | `insufficient_quota`     | 残高不足                                   |
| `403`    | `permission_denied`      | Key が無効化されている、モデルが未許可、IP がホワイトリスト外     |
| `404`    | `not_found`              | エンドポイントのパス誤り、モデル ID の誤り                |
| `408`    | `request_timeout`        | 上流のタイムアウト（通常は 60s を超えても応答なし）           |
| `413`    | `payload_too_large`      | リクエストボディが大きすぎる（画像・ファイル）                |
| `415`    | `unsupported_media_type` | Content-Type が不正                       |
| `422`    | `invalid_request_error`  | リクエストボディは解析できるが意味が不正                   |
| `429`    | `rate_limit_exceeded`    | レート制限に抵触。リクエスト頻度を下げて再試行                |
| `500`    | `server_error`           | プラットフォーム内部エラー（まれ）                      |
| `502`    | `bad_gateway`            | 上流サービスの異常                              |
| `503`    | `service_unavailable`    | 上流が過負荷。少し待ってから再試行を推奨                   |
| `504`    | `gateway_timeout`        | 上流の応答タイムアウト                            |

## よくあるエラーと対処

### 401 — Invalid API key

```bash
{ "error": { "message": "Incorrect API key provided", "type": "authentication_error" } }
```

**チェックリスト**：

* `Authorization` ヘッダーが `Bearer sk-xxx` 形式になっているか（空白に注意）
* コンソールから Key をコピーしたときに空白 / 改行が混入していないか
* Key が削除 / 無効化 / 期限切れになっていないか
* テスト用 Key を本番にコミットしていないか

### 402 — Insufficient quota

```bash
{ "error": { "message": "Insufficient quota", "type": "insufficient_quota" } }
```

チャージ → コンソールの「ウォレット管理」。[残高アラート](https://docs.aicentos.com/ja/billing/pricing#%E6%AE%8B%E9%AB%98%E3%82%A2%E3%83%A9%E3%83%BC%E3%83%88) を有効にして再発を防ぎましょう。

### 403 — Model not allowed

```bash
{ "error": { "message": "Model gpt-5 not allowed for this key", "code": "model_not_allowed" } }
```

トークン作成時に「**利用可能モデル**」のホワイトリストをチェックしており、リクエストの model がそのリストに含まれていません。トークン設定を変更するか、Key を変えてください。

### 404 — Model not found

```bash
{ "error": { "message": "The model 'gpt-4-turbo-2024-04-09' does not exist", "code": "model_not_found" } }
```

モデル ID のスペルミスか、すでに提供が終了しています。[モデルギャラリー](https://aicentos.com/pricing) で現在使用できる ID を確認してください。

### 429 — Rate limit exceeded

レスポンスヘッダーの `Retry-After` が、何秒後に再試行すべきかを示します。同時実行数とリクエスト頻度を下げれば回復します。

### 500 / 502 / 503 — サービス異常

多くは上流の変動によるものです。**自動で 2〜3 回再試行**すれば通常は成功します。5 分以上続く場合は：

* [ステータスページ](https://status.aicentos.com) を確認（あれば）
* サポートに問い合わせる

### 408 / 504 — タイムアウト

リクエストが 60s を超えても応答しないケースです。よくある原因：

* prompt が長すぎてモデルの「思考」がタイムアウトしている
* ストリーミング出力が有効になっていない（長いレスポンスでは `stream: true` を推奨）

**対処**：

* prompt を短くする
* ストリーミングを有効化：`{ "model": "...", "messages": [...], "stream": true }`
* より速いモデルへ切り替える（例：`gpt-4o` から `gpt-4o-mini` へ）

## SDK でのエラー処理例

```bash
export AICENTOS_API_KEY="sk-your-aicentos-api-key"
```

### Python

```python
import os
from openai import OpenAI, APIError, RateLimitError, AuthenticationError

client = OpenAI(api_key=os.environ["AICENTOS_API_KEY"], base_url="https://aicentos.com/v1")

try:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": "hi"}],
    )
except AuthenticationError:
    print("キーが間違っています")
except RateLimitError as e:
    print(f"レート制限中。{e.response.headers.get('Retry-After')}s 後に再試行")
except APIError as e:
    print(f"その他の API エラー：{e.status_code} {e.message}")
```

### Node.js

```js
import OpenAI, { APIError } from 'openai';

const client = new OpenAI({
  apiKey: process.env.AICENTOS_API_KEY,
  baseURL: 'https://aicentos.com/v1',
});

try {
  const resp = await client.chat.completions.create({ ... });
} catch (err) {
  if (err instanceof APIError) {
    console.log(err.status, err.code, err.message);
  }
}
```

## 再試行とフォールバックの推奨

| エラータイプ                                | 推奨される対処                           |
| ------------------------------------- | --------------------------------- |
| `400` / `401` / `402` / `403` / `404` | **再試行しない**。コード / 設定の誤りなので、まず切り分ける |
| `429`                                 | `Retry-After` に従って再試行。指数バックオフ     |
| `500` / `502` / `503` / `504` / `408` | ただちに 1〜3 回再試行。間隔は 1〜5s            |

OpenAI 公式 SDK にはデフォルトで妥当な再試行ポリシーが備わっています。**本番コードでは独自に fetch せず、SDK を直接使ってください**。

---

# 対応モデル

出典: https://docs.aicentos.com/ja/billing/models-list

Language: ja

> Google / xAI / OpenAI / Anthropic / Alibaba / DeepSeek / 智譜 / Moonshot / MiniMax の全モデル一覧

aicentos は OpenAI・Anthropic・Google・xAI・Alibaba 通義・DeepSeek・智譜・Moonshot・MiniMax などの主要プロバイダーのモデルを接続しており、チャット・推論・コード・画像・動画・埋め込みなどの能力をカバーしています。

## プロバイダーと代表モデル

プロバイダーと販売中のモデルは上流の追加・廃止に合わせて変わるため、実際の数はモデルマーケットプレイスの表示が正となります。下表は代表モデルのみです：

| プロバイダー     | 代表モデル                                                 |
| ---------- | ----------------------------------------------------- |
| Google     | `gemini-3.8-flash`、`gemini-3.1-pro`、`nano-banana-2`   |
| xAI        | `grok-4.7`、`grok-4.6`、`grok-build-0.1`                |
| OpenAI     | `gpt-5.6-sol`、`gpt-6-astra`、`gpt-image-2.5`           |
| Anthropic  | `claude-opus-4-8`、`claude-opus-4-7`、`claude-sonnet-5` |
| Alibaba 通義 | `qwen3.8-max`、`qwen3-coder-plus`                      |
| DeepSeek   | `deepseek-v4-pro`、`deepseek-v4.1-flash`               |
| 智譜         | `glm-5.3`、`glm-5.2`                                   |
| Moonshot   | `kimi-k3`、`kimi-k2.6`                                 |
| MiniMax    | `minimax-m3`、`minimax-m2.7`                           |

最新のリアルタイムなモデル一覧と価格はコンソールの表示が優先されます：

モデルギャラリー

モデルギャラリーでは**プロバイダー**、**利用可能トークングループ**、**課金タイプ**、**タグ**で絞り込め、カード表示とテーブル表示を切り替えることもできます。

[👉 モデル価格ページを開く](https://aicentos.com/pricing)

## モデルを指定する際の値

`model` フィールドには**モデル ID** を入力します（モデル価格ページの各カードからワンクリックでコピーできます）。よくある例：

| 使いたいモデル        | `model` フィールドの値    |
| -------------- | ------------------ |
| Claude Opus 最新 | `claude-opus-4-8`  |
| Claude Sonnet  | `claude-sonnet-5`  |
| Claude Haiku   | `claude-haiku-4-5` |
| GPT フラッグシップ    | `gpt-5.6-sol`      |
| GPT 画像         | `gpt-image-2.5`    |
| Gemini Pro     | `gemini-3.1-pro`   |
| Gemini Flash   | `gemini-3.8-flash` |
| Grok           | `grok-4.7`         |
| DeepSeek       | `deepseek-v4-pro`  |
| 通義千問           | `qwen3.8-max`      |
| 智譜 GLM         | `glm-5.3`          |
| Kimi           | `kimi-k3`          |
| MiniMax        | `minimax-m3`       |

## モデルのリアルタイム可用性を確認

各プロバイダーの上流モデルは不定期にメンテナンスやレート制限が行われます。接続前に**モデルヘルスパネル**で、対象モデルの最近の稼働率とレイテンシを確認できます：

[👉 モデルステータスモニターを見る](https://docs.aicentos.com/status)

パネルは各チェックサイクルで、各モデルの 1 時間 / 24 時間 / 7 日の稼働率・応答レイテンシ・エンドポイント PING を記録し、連続失敗は自動的にマークされます。

## 利用可能モデルの制限

特定のキーで呼び出せるモデルを絞りたい場合は、**API キー**の作成時に「**利用可能モデル**」をチェックしてホワイトリストを設定します。たとえば外部向けの demo Key では、`claude-haiku-4-5` と `gemini-3.8-flash` だけを許可する、といった使い方ができます。

## 探しているモデルが見つからない場合

上流プロバイダーが新しいモデルを公開すれば、順次対応していきます。必要なモデルがまだ提供されていない場合は、コンソールの連絡先からお知らせいただくか、[X / Twitter](https://x.com/aicentos) の更新情報をご確認ください。

---

# 公式価格リファレンス

出典: https://docs.aicentos.com/ja/billing/official-pricing

Language: ja

> aicentos が接続している全モデルの OpenAI / Anthropic / Google 公式 API 価格

下の表は **aicentos が接続している全モデル**を示し、価格は各プロバイダー公式サイトが公表している**公式 API 価格**です（2026 年 5 月時点）。

* 単位：**米ドル / 1M tokens あたり**（画像・音声・動画は個別に表記）。
* 「キャッシュ読み取り」はキャッシュヒット時の入力価格です。Anthropic には別途キャッシュ書き込み価格（標準入力の 1.25 倍）があります。
* 同一ベースモデルの `-thinking` / `-nothinking` / 日付バージョン / `-high/-low/-medium` などのバリアントは**公式価格がベースモデルと同一**のため、まとめて表示しています。

>

aicentos 経由で実際に呼び出す価格は公式よりはるかに安く、[aicentos 価格ページ](https://docs.aicentos.com/ja/billing/pricing) と [モデルギャラリー](https://aicentos.com/pricing) のリアルタイム表示が優先されます。

## OpenAI

### GPT-5.x シリーズ

| モデル                                                                 | 公式入力   | 公式出力    | キャッシュ読み取り |
| ------------------------------------------------------------------- | ------ | ------- | --------- |
| `gpt-5`、`gpt-5-codex`、`gpt-5-chat-latest`                           | $1.25  | $10.00  | $0.125    |
| `gpt-5-mini`                                                        | $0.25  | $2.00   | $0.025    |
| `gpt-5-nano`                                                        | $0.05  | $0.40   | $0.005    |
| `gpt-5-pro`                                                         | $15.00 | $120.00 | —         |
| `gpt-5.1`、`gpt-5.1-codex`、`gpt-5.1-codex-max`、`gpt-5.1-chat-latest` | $1.25  | $10.00  | $0.125    |
| `gpt-5.1-codex-mini`                                                | $0.25  | $2.00   | $0.025    |
| `gpt-5.2`、`gpt-5.2-codex`、`gpt-5.2-chat-latest`                     | $1.75  | $14.00  | $0.175    |
| `gpt-5.2-pro`                                                       | $21.00 | $168.00 | —         |
| `gpt-5.3-codex`、`gpt-5.3-chat-latest`                               | $1.75  | $14.00  | $0.175    |
| `gpt-5.4`                                                           | $2.50  | $15.00  | $0.25     |
| `gpt-5.4-mini`                                                      | $0.75  | $4.50   | —         |
| `gpt-5.4-nano`                                                      | $0.20  | $1.25   | —         |
| `gpt-5.4-pro`                                                       | $30.00 | $180.00 | —         |
| `gpt-5.5`                                                           | $5.00  | $30.00  | $0.50     |

>

GPT-5.x のコンテキストは約 400K（5.4 / 5.5 のフラッグシップはさらに大きい）。`-codex` はコード専用版、`-chat` は会話版、`-pro` は高演算版で、公式価格は上の表のとおりです。

### GPT-4o シリーズ

| モデル                                              | 公式入力  | 公式出力   | キャッシュ読み取り |
| ------------------------------------------------ | ----- | ------ | --------- |
| `gpt-4o`、`gpt-4o-2024-08-06`、`gpt-4o-2024-11-20` | $2.50 | $10.00 | $1.25     |
| `gpt-4o-2024-05-13`                              | $5.00 | $15.00 | —         |
| `chatgpt-4o-latest`                              | $5.00 | $15.00 | —         |
| `gpt-4o-mini`、`gpt-4o-mini-2024-07-18`           | $0.15 | $0.60  | $0.075    |
| `gpt-4o-search-preview`                          | $2.50 | $10.00 | —         |
| `gpt-4o-mini-search-preview`                     | $0.15 | $0.60  | —         |

>

コンテキストは 128K。`-search-preview` は検索料金が別途 $10 / 1000 回で加算されます。

### GPT-4.1 シリーズ

| モデル                                      | 公式入力  | 公式出力  | キャッシュ読み取り | コンテキスト |
| ---------------------------------------- | ----- | ----- | --------- | ------ |
| `gpt-4.1`、`gpt-4.1-2025-04-14`           | $2.00 | $8.00 | $0.50     | 1M     |
| `gpt-4.1-mini`、`gpt-4.1-mini-2025-04-14` | $0.40 | $1.60 | $0.10     | 1M     |
| `gpt-4.1-nano`、`gpt-4.1-nano-2025-04-14` | $0.10 | $0.40 | $0.025    | 1M     |

### GPT-4 / GPT-3.5（旧バージョン）

| モデル                                                                                        | 公式入力   | 公式出力    | コンテキスト |
| ------------------------------------------------------------------------------------------ | ------ | ------- | ------ |
| `gpt-4.5-preview`、`gpt-4.5-preview-2025-02-27`                                             | $75.00 | $150.00 | 128K   |
| `gpt-4-turbo-2024-04-09`、`gpt-4-turbo-preview`、`gpt-4-0125-preview`、`gpt-4-vision-preview` | $10.00 | $30.00  | 128K   |
| `gpt-4-0613`                                                                               | $30.00 | $60.00  | 8K     |
| `gpt-4-32k-0613`                                                                           | $60.00 | $120.00 | 32K    |
| `gpt-3.5-turbo`、`gpt-3.5-turbo-0125`                                                       | $0.50  | $1.50   | 16K    |
| `gpt-3.5-turbo-1106`                                                                       | $1.00  | $2.00   | 16K    |
| `gpt-3.5-turbo-instruct`                                                                   | $1.50  | $2.00   | 4K     |
| `gpt-3.5-turbo-16k`、`gpt-3.5-turbo-16k-0613`                                               | $3.00  | $4.00   | 16K    |
| `gpt-3.5-turbo-0613`                                                                       | $1.50  | $2.00   | 4K     |
| `babbage-002`                                                                              | $0.40  | $0.40   | 16K    |
| `davinci-002`                                                                              | $2.00  | $2.00   | 16K    |

>

`gpt-4.5-preview` は OpenAI によって非推奨（Deprecated）とされており、歴史的な価格の参考としてのみ掲載しています。

### o シリーズ推論モデル

| モデル                                                          | 公式入力    | 公式出力    | キャッシュ読み取り | コンテキスト |
| ------------------------------------------------------------ | ------- | ------- | --------- | ------ |
| `o1`、`o1-2024-12-17`、`o1-preview`、`o1-preview-2024-09-12`    | $15.00  | $60.00  | $7.50     | 200K   |
| `o1-mini`、`o1-mini-2024-09-12`                               | $1.10   | $4.40   | $0.55     | 128K   |
| `o1-pro`、`o1-pro-2025-03-19`                                 | $150.00 | $600.00 | —         | 200K   |
| `o3`                                                         | $2.00   | $8.00   | $0.50     | 200K   |
| `o3-pro`、`o3-pro-2025-06-10`                                 | $20.00  | $80.00  | —         | 200K   |
| `o3-mini`、`o3-mini-2025-01-31`（`-high`/`-low`/`-medium` を含む） | $1.10   | $4.40   | $0.55     | 200K   |
| `o3-deep-research`                                           | $10.00  | $40.00  | $2.50     | 200K   |
| `o4-mini`                                                    | $1.10   | $4.40   | $0.275    | 200K   |
| `o4-mini-deep-research`、`o4-mini-deep-research-2025-06-26`   | $2.00   | $8.00   | $0.50     | 200K   |

### 画像 / 音声 / リアルタイム

| モデル                                        | 公式価格                                           |
| ------------------------------------------ | ---------------------------------------------- |
| `gpt-image-1`                              | テキスト入力 $5 / 画像入力 $10 / 画像出力 $40（1M tokens あたり） |
| `gpt-image-1.5`                            | テキスト入力 $5 / 画像出力 約 $30（1M tokens あたり）          |
| `gpt-image-2`                              | 公式未公表。価格は要問い合わせ                                |
| `dall-e-3`                                 | $0.040 / 枚（1024×1024 標準）、$0.080 / 枚（HD）        |
| `dall-e-2`                                 | $0.016 \~ $0.020 / 枚                           |
| `gpt-4o-realtime-preview`（日付版を含む）          | テキスト $5 / $20、音声入力 $40 / 音声出力 $80              |
| `gpt-4o-mini-realtime-preview`（日付版を含む）     | テキスト $0.60 / $2.40、音声入力 $10 / 出力 $20           |
| `gpt-realtime-2`、`gpt-realtime-2025-08-28` | テキスト $4 / $16 + 音声使用量は別途計上                     |
| `gpt-4o-audio-preview`（日付版を含む）             | テキスト $2.50 / $10、音声入力 $40 / 出力 $80             |
| `gpt-4o-mini-audio-preview`                | テキスト $0.15 / $0.60、音声入力 $10 / 出力 $20           |
| `gpt-4o-mini-tts`                          | 約 $0.015 / 分                                   |

## Anthropic Claude

| モデル                                              | 公式入力   | 公式出力   | キャッシュ書き込み(5m) | キャッシュ読み取り | コンテキスト |
| ------------------------------------------------ | ------ | ------ | ------------- | --------- | ------ |
| `claude-opus-4-7`、`claude-opus-4-7-thinking`     | $5.00  | $25.00 | $6.25         | $0.50     | 1M     |
| `claude-opus-4-6`、`claude-opus-4-6-thinking`     | $5.00  | $25.00 | $6.25         | $0.50     | 1M     |
| `claude-opus-4-5-20251101`（`-thinking` を含む）      | $5.00  | $25.00 | $6.25         | $0.50     | 200K   |
| `claude-opus-4-1-20250805`（`-thinking` を含む）      | $15.00 | $75.00 | $18.75        | $1.50     | 200K   |
| `claude-opus-4-20250514`                         | $15.00 | $75.00 | $18.75        | $1.50     | 200K   |
| `claude-sonnet-4-6`、`claude-sonnet-4-6-thinking` | $3.00  | $15.00 | $3.75         | $0.30     | 1M     |
| `claude-sonnet-4-5-20250929`（`-thinking` を含む）    | $3.00  | $15.00 | $3.75         | $0.30     | 1M     |
| `claude-sonnet-4-20250514`（`-thinking` を含む）      | $3.00  | $15.00 | $3.75         | $0.30     | 200K   |
| `claude-haiku-4-5-20251001`（`-thinking` を含む）     | $1.00  | $5.00  | $1.25         | $0.10     | 200K   |

>

Anthropic のキャッシュ読み取りは標準入力価格の **0.1 倍**に統一されています（キャッシュヒットで 90% 安く）。キャッシュ書き込みは 1.25 倍（5 分）または 2 倍（1 時間）です。Opus 4 / Sonnet 4 は公式に非推奨とされています。Opus 4.7 は新しいトークナイザーを採用しており、同じテキストで約 35% 多くの token を消費する場合があります。

## Google Gemini

| モデル                                                                   | 公式入力                                  | 公式出力              | キャッシュ読み取り       | コンテキスト |
| --------------------------------------------------------------------- | ------------------------------------- | ----------------- | --------------- | ------ |
| `gemini-3.5-flash`                                                    | $1.50                                 | $9.00             | $0.15           | 1M     |
| `gemini-3.1-pro-preview`（`-customtools`/`-high`/`-low`/`-medium` を含む） | $2.00 / $4.00\*                       | $12.00 / $18.00\* | $0.20 \~ $0.40  | 1M     |
| `gemini-3.1-flash-lite`、`gemini-3.1-flash-lite-preview`               | $0.25                                 | $1.50             | $0.025          | 1M     |
| `gemini-3-pro-preview`（`-thinking` を含む）                               | $2.00 / $4.00\*                       | $12.00 / $18.00\* | $0.20 \~ $0.40  | 1M     |
| `gemini-3-flash-preview`（`-thinking` を含む）                             | $0.50                                 | $3.00             | $0.065          | 1M     |
| `gemini-2.5-pro`（`-thinking`/`-nothinking` を含む）                       | $1.25 / $2.50\*                       | $10.00 / $15.00\* | $0.125 \~ $0.25 | 1M     |
| `gemini-2.5-flash`（`-thinking`/`-nothinking` を含む）                     | $0.30                                 | $2.50             | $0.03           | 1M     |
| `gemini-2.5-flash-lite`                                               | $0.10                                 | $0.40             | $0.01           | 1M     |
| `gemini-flash-latest`、`gemini-pro-latest`、`gemini-flash-lite-latest`  | 現在の対応する Flash / Pro / Flash-Lite と同価格 |                   |                 | 1M     |
| `gemini-embedding-001`                                                | $0.15                                 | —                 | —               | —      |
| `gemini-embedding-2-preview`                                          | $0.20                                 | —                 | —               | —      |

>

\*Gemini Pro シリーズはプロンプト長に応じて 2 段階の価格設定です：≤200K tokens は低価格、>200K tokens は高価格。

### 画像 / 音声 / 動画

| モデル                                                                                        | 公式価格                                          |
| ------------------------------------------------------------------------------------------ | --------------------------------------------- |
| `gemini-2.5-flash-image`（Nano Banana）                                                      | 入力 $0.30、画像出力 約 $30 / 1M tokens（約 $0.039 / 枚） |
| `gemini-3-pro-image-preview`、`gemini-3.1-flash-image-preview`                              | 画像 token による課金、約 $0.04 \~ $0.13 / 枚           |
| `gemini-2.5-flash-preview-tts`、`gemini-2.5-pro-preview-tts`、`gemini-3.1-flash-tts-preview` | 音声合成。音声 token による課金                           |
| `veo-3.0-generate-001`、`veo-3.1-generate-preview`                                          | $0.40 / 秒                                     |
| `veo-3.0-fast-generate-001`、`veo-3.1-fast-generate-preview`                                | $0.15 / 秒                                     |

# 以上はすべて各プロバイダーの公式定価です。aicentos 経由で呼び出せば、公式より 10 倍以上お得な価格になります。

**API キー 1 つで、上記の全モデルに接続。**[今すぐ登録 →](https://aicentos.com/) ｜ [aicentos のリアルタイム価格を見る →](https://docs.aicentos.com/ja/billing/pricing)

---

# 課金

出典: https://docs.aicentos.com/ja/billing/pricing

Language: ja

> チャージと従量課金 — Alipay チャージ、Token 単位の課金、残高と利用量の確認

aicentos は**プリペイド + 従量課金**方式です。チャージした金額はウォレット残高に入り、リクエストごとに実際の消費量で課金されます。残高は**人民元 ¥** で決済されます。

新規アカウント登録で**体験クレジット ¥1** が進呈されるため、チャージしなくても最初のリクエストを実行できます。

## チャージ

コンソール → **ウォレット** → 「**入金**」：

ウォレット

### チャージ金額プラン

**¥100 以上のチャージで割引が適用され、支払額はチャージ金額を下回ります**：

| チャージ金額               | 割引     | 支払額    |
| -------------------- | ------ | ------ |
| ¥1 / ¥10 / ¥20 / ¥50 | なし     | 定価     |
| ¥100                 | 1% OFF | ¥99    |
| ¥500                 | 2% OFF | ¥490   |
| ¥1,000               | 3% OFF | ¥970   |
| ¥10,000              | 5% OFF | ¥9,500 |

割引は支払額に直接反映されます：¥500 のチャージで支払いは ¥490、¥10 のお得。金額を自由に入力することも、引換コードでクレジットと交換することもできます。

チャージ金額プラン

### 支払い方法

支払い方法

* **Alipay**：QR コードをスキャンして即時支払い、着金も迅速
* **引換コード**でクレジットと交換することもできます
* その他の支払いチャネルは、ウォレットページの実際の表示が優先されます

### クレジットの有効期限

**残高は無期限**です。安心してチャージでき、使い切れないと心配する必要はありません。

## 従量課金

API リクエストごとに、**実際に消費した Token 数**で課金されます：

```bash
費用 = (入力 Tokens × 入力単価 + 出力 Tokens × 出力単価) × グループ倍率
```

* 各モデルには個別の入力 / 出力単価があり、単位は通常 **per 1M tokens** です
* **グループ倍率**はキーが属するグループによって決まり、グループごとに異なります
* 具体的な単価と倍率は、[モデル価格ページ](https://aicentos.com/pricing) のリアルタイム表示が優先されます

### 回数課金のモデル

画像や動画などのマルチメディアモデルは、Token ではなく**回数**や**枚数**で課金される場合があります。詳細はモデル価格ページの説明が優先されます。

## 残高 / 消費の確認

コンソール左側の「**ウォレット**」で残高と総利用量を確認できます：

| 指標            | 意味            |
| ------------- | ------------- |
| **現在の残高**     | アカウントの残りクレジット |
| **総利用量**      | 累計消費クレジット     |
| **API リクエスト** | 累計リクエスト数      |

より詳細な消費明細は「**利用ログ**」で確認できます。時間・モデル・キーで絞り込み、リクエストごとの Token 数と課金額を確認できます。「**データダッシュボード**」ではモデル別の呼び出しトレンドとクレジット統計を確認できます。

## 残高アラート

コンソール → **プロフィール** → 通知設定で、残高アラートのしきい値を設定できます。残高がしきい値を下回ると自動で通知され、業務の途中で残高が尽きて中断されるのを防げます。

選択可能なしきい値と通知チャネルの詳細は、コンソールの実際の表示が優先されます。

## 返金と請求書

* 残高は**現金返金不可**です
* 異常な課金 / 誤って呼び出した分は、サポート確認後にクレジットで補償される場合があります
* 長期間未使用のアカウントの残高も**無期限**です
* 請求書（インボイス）：契約を締結した法人のお客様には発行可能です。具体的な種類と手続きは商談時に確認します

## チーム / 共有クレジット

チームメンバーにクレジットを割り当てる方法：

* 「**API キー**」でメンバーごとにキーを個別作成する
* 各キーに個別の**クォータ上限**を設定する
* 必要に応じて「**利用可能モデル**」で、そのキーが呼び出せるモデルを制限する
* 「**利用ログ**」でキー単位に消費を監査する

## 紹介報酬

コンソール → **ウォレット** → **紹介プログラム**：友人を招待して登録すると、双方に報酬が付与されます。あなたの専用紹介リンクから登録したユーザーはあなたと紐付けられ、累計報酬はいつでも残高に振り替えられます。

報酬の具体的な割合は、ウォレットページのリアルタイムの説明が優先されます。

## 次のステップ

* [クイックスタート](https://docs.aicentos.com/ja/quickstart) — 3 ステップで接続し、最初のリクエストを実行
* [対応モデル](https://docs.aicentos.com/ja/billing/models-list) — モデル一覧を確認
* [エラー処理](https://docs.aicentos.com/ja/billing/errors) — 残高不足などのエラーを切り分け

---

# Amp

出典: https://docs.aicentos.com/ja/clients/amp

Language: ja

> Amp で aicentos を使う —— 設定ファイルによるバックエンドアドレスの上書き

Amp は Sourcegraph がリリースしたコーディングエージェントで、CLI と IDE 拡張は同じアカウントと設定を共有します。一般的な「OpenAI 互換 Base URL」の入力欄はなく、`amp.url` 設定項目でバックエンド全体をカスタムエンドポイントに向けます。資格情報は別途 secrets ファイルに保存されます。

## 準備

まずコンソールの「API キー」ページで、Amp 専用のキーを作成してください（名前は `amp-cli` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

## 設定手順

Amp の設定項目はすべて `amp.` 接頭辞を持ち、ユーザーレベルの設定ファイルは次の場所にあります：

* macOS / Linux：`~/.config/amp/settings.json`
* Windows：`%USERPROFILE%\.config\amp\settings.json`

先にディレクトリを作成し、バックエンドアドレスを書き込みます：

```bash
mkdir -p ~/.config/amp ~/.local/share/amp
```

```json
{
  "amp.url": "https://aicentos.com/v1"
}
```

API Key はこのファイルには書かず、secrets ファイルに別途保存します。キー名は `apiKey@<あなたの URL>` です：

```json
{
  "apiKey@https://aicentos.com/v1": "sk-あなたの-API-Key"
}
```

設定が有効になると、`amp login` を実行する必要はなく、リクエストは指定したエンドポイントを直接使います。以前にログインしていた場合は、先に `amp logout` でログアウトしてから `amp` を再起動することをおすすめします。残ったログイン状態が設定を上書きするのを避けるためです。

環境変数で一時的に上書きすることもでき、一回きりの検証に向いています：

```bash
export AMP_URL="https://aicentos.com/v1"
export AMP_API_KEY="sk-あなたの-API-Key"
```

**注意：** この 2 つの変数を設定すると、Amp はログインフローをスキップし、設定ファイルより優先されます。

## テスト

まず軽量なリクエストを 1 つ送り、エンドポイントが切り替わっていることを確認します：

```bash
amp -x "1+1 はいくつですか？一文で答えてください"
```

正常に返れば設定は有効です。401 が返る場合は、多くは secrets ファイルのキー名が `amp.url` と完全に一致していないためです（末尾に `/v1` が付くかどうかも含みます）。

## 注意事項

* Amp のバックエンドプロトコルは独自の管理インターフェースであり、汎用の OpenAI 互換プロトコルではありません。そのため `amp.url` は、Anthropic Messages（`/v1/messages`）スタイルのインターフェースも同時に提供するエンドポイントを指す必要があります。
* aicentos はネイティブ Claude 形式インターフェース（[ネイティブ Claude 形式](https://docs.aicentos.com/ja/api/chat/claude) を参照）と OpenAI 互換インターフェース（[Chat Completions](https://docs.aicentos.com/ja/api/chat/openai/chat-completions) を参照）を提供しています。Amp が使うのは前者です。
* Amp は固定のモデル ID をリクエストします。エンドポイント側に同じ名前のモデルがないと、フォールバックやエラーが発生します。その場合は、コンソール「モデル広場」を基準にモデル名を確認してください。
* IDE 拡張（VS Code / Cursor / Windsurf）の設定は CLI とは別に管理されており、Amp URL と Amp API Key を個別に入力する必要があります。
* ワークスペース内の `.amp/settings.json` はユーザーレベルの設定を上書きします。切り分けの際は、現在のディレクトリに同名ファイルがないか先に確認してください。

## 関連リンク

* 公式設定ドキュメント：[https://ampcode.com/docs/cli/settings](https://ampcode.com/docs/cli/settings)

---

# Antigravity CLI

出典: https://docs.aicentos.com/ja/clients/antigravity-cli

Language: ja

> Antigravity CLI で aicentos を使う —— API Key モードによる接続

Antigravity CLI は Google がリリースしたコマンドラインツールで、API Key モードを通じて Gemini API 互換のサービスに接続できます。このドキュメントでは、Antigravity CLI をカスタム API エンドポイントで使うための設定方法を紹介します。

## インストール

OS に応じて対応するインストール方法を選択します：

### macOS / Linux

```bash
curl -fsSL https://antigravity.google/cli/install.sh | bash
```

### Windows (PowerShell)

```powershell
irm https://antigravity.google/cli/install.ps1 | iex
```

### Windows (CMD)

```cmd
curl -fsSL https://antigravity.google/cli/install.cmd -o install.cmd && install.cmd && del install.cmd
```

### インストールの確認

```bash
agy --version
```

## 設定

### API Key モードの有効化

`~/.gemini/antigravity-cli/settings.json` を編集し、既存の JSON に次を追加します：

```json
{
  "modelProvider": "gemini"
}
```

⚠️ **注意**：`GEMINI_API_KEY` だけを設定しても認証方式は切り替わりません。`modelProvider` は小文字の `"gemini"` に設定する必要があります。

### 環境変数の設定

```bash
export GOOGLE_GEMINI_BASE_URL="https://aicentos.com"
export GEMINI_API_KEY="your_api_key_here"
```

**重要な説明：**

* `GOOGLE_GEMINI_BASE_URL` にはサービスのルートアドレスを入力し、具体的な API パスは付けません。エンドポイントは Gemini API と互換性がある必要があります。
* `GEMINI_API_KEY` にはあなたの API Key を入力します。
* 上記のコマンドは `agy` を起動するのと同じ shell 内で実行してください。CLI は `.env` や `GOOGLE_API_KEY` を読みません。

永続化したい場合は、2 つの `export` を `~/.zshrc` または `~/.bashrc` に書き込みます。

## 起動と確認

```bash
agy --model gemini-2.0-flash
```

上部に `Gemini API key` と表示されたら、会話を 1 回開始します。

### よくある問題のトラブルシューティング

* **ログインを求められ続ける**：`"modelProvider": "gemini"` を確認し、終了してから `agy` を再起動します。
* **起動時にキー不足と表示される**：現在の shell で `GEMINI_API_KEY` を再設定します。
* **リクエストが失敗する**：API Key、サービスのルートアドレス、選択したモデルのアクセス権限を確認してください。

## 注意事項

* API Key モードを正常に使うには、`modelProvider` 設定項目と環境変数を両方設定する必要があります
* 環境変数は CLI を起動する shell セッション内で設定するか、shell 設定ファイルに書き込んで永続化してください
* サービスのエンドポイントは Gemini API の仕様と互換性がある必要があります

## 関連リンク

* 公式ドキュメント：[https://docs.aicentos.com/clients/antigravity-cli.html](https://docs.aicentos.com/clients/antigravity-cli.html)

---

# Antigravity

出典: https://docs.aicentos.com/ja/clients/antigravity

Language: ja

> Google Antigravity は現在カスタム Base URL に対応していません —— 制限の内容と利用できる代替手段を説明します

Antigravity は Google が提供するエージェント型 IDE です。まず前提を説明しておきます：**公式版の Antigravity デスクトップ IDE はカスタム API エンドポイントに対応しておらず、BYOK（持ち込みキー）も提供されていません**。モデルセレクターは Google が管理する固定リストで、現時点では aicentos に向けることができません。

本記事では、この制限の根拠、検証方法、そして利用できる 3 つの代替パスを説明します。

## 直接接続できない理由

Google のアカウントプランに関するドキュメントには、Antigravity は現時点で持ち込みモデルや持ち込みエンドポイントに対応していないと明記されています。コミュニティで出回っているいくつかの設定項目（例：`~/.antigravity/settings.json` に `antigravity.ai.provider`、`antigravity.openai-compatible.endpoint` を書く）は公式にサポートされたキーではなく、実際に試すとリクエストがカスタムエンドポイントにルーティングされないか、黙ってデフォルトモデルにフォールバックし、モデルセレクターにカスタム項目も表示されません。

つまりこの問題は「設定の書き間違い」ではなく、現行バージョンがこの機能を公開していないことにあります。IDE の `Settings → Models` にも Base URL を入力する欄はありません。

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

上の表は aicentos 側の共通パラメーターで、以下のいずれかの代替手段で使用します。

## 代替手段

### 方法 1：Antigravity CLI を使う（推奨、Gemini プロトコルのみ）

同名のコマンドラインツール `agy` はエンドポイントの上書きに対応しており、`GOOGLE_GEMINI_BASE_URL` + `GEMINI_API_KEY` で接続できます。ただし Gemini プロトコルのみを受け付け、Gemini 系列のモデルしか呼び出せません。具体的な手順は [Antigravity CLI への接続](https://docs.aicentos.com/ja/clients/antigravity-cli) をご覧ください。

「ターミナルで Antigravity の対話方式を使いたい」というニーズであれば、これが最も手軽です。

### 方法 2：ローカルモデルやサードパーティサービスを MCP ツールにラップする

Antigravity の Customizations パネルでは MCP Server を登録できます。ローカルサービスを MCP ツールとしてラップして組み込めば、**呼び出し可能なツール**として使えます。ただしこれは IDE の推論モデルを置き換えるものではなく、エージェントにツールが 1 つ増えるだけである点に注意してください。

### 方法 3：コミュニティフォークまたはローカルプロキシ

* コミュニティフォークの `open-antigravity` は任意の OpenAI 互換エンドポイントとカスタムモデルに対応しており、公式版以外では最もクリーンなパスです。
* ローカルのインターセプトプロキシで IDE のアウトバウンドトラフィックを書き換える方法もあります。この道は公式サポートがなく、設定が壊れやすく、アップグレードすると即座に無効になるため、本番環境での使用は推奨しません。

## テスト

どのパスを選ぶ場合でも、まず簡単なプロンプト 1 つで接続を確認してから本番投入してください。Agent 系のタスクは、まず小さなリポジトリで試すのがおすすめです。

## 注意事項

* **「設定項目が存在するように見える」ことを「機能が使える」ことと同一視しないでください**。IDE の `antigravity.*` キーは多くがコミュニティによる推測で、書き込んでもエラーにはなりませんが、効果もありません。
* OpenAI 互換プロトコルが必要な場合や、Claude / GPT 系列のモデルを呼び出したい場合は、現時点の Antigravity デスクトップ版では実現できません。カスタム Base URL に対応した [Cursor](https://docs.aicentos.com/ja/clients/cursor)、[Windsurf](https://docs.aicentos.com/ja/clients/windsurf) などのクライアントを優先的に検討してください。
* Antigravity CLI とデスクトップ IDE は別々の設定であり、CLI のエンドポイント上書きは IDE には影響しません。
* サードパーティのフォークやプロキシを使う前に、そのセキュリティと今後のメンテナンス状況を必ずご自身で評価してください。

## 関連リンク

* [Antigravity CLI への接続](https://docs.aicentos.com/ja/clients/antigravity-cli)

---

# Augment Code

出典: https://docs.aicentos.com/ja/clients/augment-code

Language: ja

> Augment Code はカスタムエンドポイントを公開しておらず、モデルを aicentos に差し替えられません —— 根拠と代替手段を説明します

Augment Code は VS Code / JetBrains / Vim のコーディングプラグインで、加えて `auggie` CLI があります。**カスタム Base URL には対応しておらず、BYOK も提供していません**：モデルは公式カタログから提供され、アカウントは `auggie auth login` でのログインが必須で、リクエストを aicentos に向けることはできません。

## 直接接続できない理由

* 設定ファイルに `baseUrl`、`apiKey` といったフィールドはなく、プラグインの設定パネルにもエンドポイントの入力欄がありません。
* CLI が認識する関連の環境変数は `AUGMENT_SESSION_AUTH`（ログイン状態）と `AUGMENT_DISABLE_AUTO_UPDATE`（自動更新の無効化）の 2 つだけで、エンドポイントを上書きする変数はありません。
* `--model` は公式モデルカタログの名前（Claude、GPT、Gemini、GLM、Kimi など）しか受け付けず、サードパーティのモデル名を指定すると拒否されます。
* 公式ドキュメントの索引 `docs.augmentcode.com/llms.txt` には、BYOK やカスタム provider の項目がありません。

## 設定値

| フィールド    | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

上の表は aicentos 側の共通パラメーターで、以下のいずれかの代替手段で使用します。

## 代替手段

### 代替案 1：カスタムエンドポイントに対応したコーディングエージェントに乗り換える

[Craft Agent](https://docs.aicentos.com/ja/clients/craft-agent)、[Gajae Code](https://docs.aicentos.com/ja/clients/gajae-code)、[Oh My Pi](https://docs.aicentos.com/ja/clients/oh-my-pi) はいずれもターミナル型のコーディングエージェントで、設定に `baseUrl` を直接書けます。

### 代替案 2：VS Code に残り、プラグインを替える

[Cline](https://docs.aicentos.com/ja/clients/cline)、[Roo Code](https://docs.aicentos.com/ja/clients/roo-code)、[Kilo](https://docs.aicentos.com/ja/clients/kilo) はいずれも OpenAI 互換 provider に対応しており、`https://aicentos.com/v1` を直接入力できます。

### 代替案 3：バッチ処理だけを移す

チームがすでに Augment のサブスクリプションを購入していて、その補完体験を手放したくない場合は、日常の編集は公式モデルのままにし、一括リファクタリングやスクリプト化したタスクだけをカスタムエンドポイント対応の CLI に移して実行します。

## テスト

いずれかの代替クライアントに切り替えたら、まず簡単なプロンプト 1 つで疎通を確認し、そのうえでコンソールの使用量が新しいキーに記録されているかを確認します。

## 注意事項

* ネット上には `augment.modelProvider: "openai-compatible"`、`augment.baseUrl`、`augment.apiKeyEnv` といったキーを書くチュートリアルがあります。これらは公式設定には存在せず、書いてもエラーにならず効果も出ません。`--model` も引き続き公式カタログしか受け付けません。
* 「設定項目でエラーが出なかった」ことを「設定が有効になった」と同一視しないでください。確認方法は、現在のモデル名を尋ね、公式カタログと照合することです。
* Augment のクラウドインデックスと補完には等価な代替がなく、クライアントを替えることはワークフロー全体を替えることになります。まず小さなリポジトリで試すことをおすすめします。

## 関連リンク

* [Augment Code CLI ドキュメント](https://docs.augmentcode.com/cli/overview)

---

# CC Switch

出典: https://docs.aicentos.com/ja/clients/cc-switch

Language: ja

> aicentos コンソールから CC Switch へワンクリックで設定をインポートし、Claude Code / Codex / Gemini CLI を管理

CC Switch はクロスプラットフォームの AI CLI 設定管理ツールで、Claude Code、Codex、Gemini CLI などのツールのモデルプロバイダー（Provider）設定を一元管理します。複数の CLI ツールや複数の設定の間をワンクリックで切り替えられ、環境変数を何度も書き換える必要がありません。

aicentos コンソールには **CC Switch ワンクリックインポート**が組み込まれています。Base URL とキーを手打ちする必要はなく、数クリックで CC Switch に設定を書き込めます。

## 準備

1. [aicentos コンソール](https://aicentos.com/) にログインします
2. アカウントに残高があることを確認します（登録特典の体験クレジット ¥1 が進呈され、使い切ったら「**ウォレット**」でチャージします）
3. CC Switch をインストールします（下記参照）

## CC Switch のインストール

CC Switch はオープンソースプロジェクトで、ソースコードは GitHub でホストされています：[farion1231/cc-switch](https://github.com/farion1231/cc-switch)。

[Releases ページ](https://github.com/farion1231/cc-switch/releases) を開き、最新バージョンのリソース一覧から、お使いの OS に対応したインストーラーを選択します：

* macOS：`.dmg`
* Windows：`.msi`
* Linux：`.AppImage` / `.deb`

ダウンロードが完了したら、通常の方法で OS にインストールし、**CC Switch を少なくとも 1 回開いてください**。こうすることで、コンソールのインポートリンクがこのマシンへのインストール済みを認識できるようになります。

## ワンクリックインポート（推奨）

### ステップ 1：コンソールでインポートを開始

コンソール左側の「**API キー**」に入り、使いたいキーの行で右側の「**⋯**」をクリックし、メニューから「**CC Switch**」を選択します：

API キー一覧で CC Switch を選択

### ステップ 2：アプリとモデルの選択

「**CC Switch に入力**」ダイアログで対象アプリ（Claude / Codex / Gemini）を選択し、使用するモデルを確認します：

CC Switch 設定の入力

| 項目                 | 説明                                                                                                                   |
| ------------------ | -------------------------------------------------------------------------------------------------------------------- |
| アプリ                | どの CLI の設定に書き込むかを選択します。**Claude** は Anthropic プロトコル、**Codex** は OpenAI 互換フォーマット、**Gemini** は Gemini ネイティブフォーマットを使います |
| 名前                 | インポート後に CC Switch に表示される設定名。カスタマイズできます                                                                               |
| メインモデル             | この設定がデフォルトで使うモデル。必須です                                                                                                |
| Haiku / Sonnet モデル | Claude アプリ配下のティア別モデル。必要に応じて指定します                                                                                     |

モデル名は[対応モデル](https://docs.aicentos.com/ja/billing/models-list)を参考にできます。例：`claude-opus-4-8`、`claude-sonnet-5`、`claude-haiku-4-5`。

選択したら「**CC Switch を開く**」をクリックします。

### ステップ 3：ブラウザーでの起動確認

ブラウザーが CC Switch を開くかどうか尋ねてきたら、「**CC Switch.app を開く**」をクリックします：

ブラウザーが CC Switch の起動を確認

> 「aicentos.com が関連アプリでこの種のリンクを開くことを常に許可」にチェックを入れておくと、以降のインポートではこの確認ダイアログが表示されなくなります。

### ステップ 4：CC Switch でインポートを確認

CC Switch に「**プロバイダー設定のインポート確認**」ダイアログが表示されます。情報を確認して「**インポート**」をクリックします：

CC Switch のインポート確認

ダイアログには書き込まれるエンドポイント、キー、ティア別モデルが一覧表示されます。内容に問題がなければ「**インポート**」をクリックします。

インポートが完了すると、`aicentos Claude` が CC Switch の設定一覧に現れ、クリックするだけで切り替えられます：

インポート完了

## 手動設定

ワンクリックインポートを使いたくない場合は、CC Switch 内で「**新しいプロバイダーを追加**」をクリックして手動入力することもできます：

CC Switch で新しいプロバイダーを追加

| 項目        | 入力する値                                                                      |
| --------- | -------------------------------------------------------------------------- |
| プロバイダー名   | `aicentos`（自由に識別しやすい名前で OK）                                                |
| API Key   | コンソール「**API キー**」ページで作成したキー。`sk-xxxxxxxx` のような形式です                         |
| リクエストアドレス | Claude / Gemini は `https://aicentos.com`、Codex は `https://aicentos.com/v1` |

> **Anthropic プロトコルはルートアドレスだけを入力してください**。`/v1/messages` を手動で追加しないでください。クライアントが自動で連結します。

## 次のステップ

* [モデルステータスモニター](https://docs.aicentos.com/status) — 各モデルのリアルタイム稼働率を確認
* [対応モデル](https://docs.aicentos.com/ja/billing/models-list) — 完全なモデル一覧と ID を確認
* [課金](https://docs.aicentos.com/ja/billing/pricing) — チャージと従量課金について

---

# Chatbot UI

出典: https://docs.aicentos.com/ja/clients/chatbot-ui

Language: ja

> Chatbot UI で aicentos を使う —— カスタム OpenAI 互換設定による接続

Chatbot UI はオープンソースの ChatGPT 風 Web フロントエンドで、カスタム OpenAI 互換インターフェースに対応しています。

## セルフホスト環境の設定

セルフホストのインスタンスでは、環境変数でカスタムインターフェースを設定します：

```bash
OPENAI_API_KEY=codex_your_api_key
OPENAI_API_HOST=https://aicentos.com/v1
```

設定後にサービスを再起動すると、新しいインターフェースが有効になります。環境変数を設定すると、UI 上の対応する入力欄は無効化されます（共有インスタンスでの設定漏えいを防ぐため）。

## UI 画面からの設定

UI 設定が制限されていないインスタンスでは、設定パネルに次を入力します：

* **OpenAI API Key**: あなたの `codex_...` や `sk-...` などのキー
* **OpenAI API Host / Base URL**: `https://aicentos.com/v1`

## 注意事項

* Chatbot UI は認証とデータ保存のために Supabase と組み合わせてデプロイする必要があります
* API Host には `/v1` を含むサービスのルートパスを入力します
* 利用可能なモデルは `GET /v1/models` の返却リストを基準にしてください

## 関連リンク

* GitHub：[https://github.com/mckaywrigley/chatbot-ui](https://github.com/mckaywrigley/chatbot-ui)

---

# Chatbox

出典: https://docs.aicentos.com/ja/clients/chatbox

Language: ja

> Chatbox で aicentos を使う —— カスタム OpenAI 互換設定による接続

Chatbox は OpenAI 互換インターフェースに対応したデスクトップ向け AI クライアントで、「OpenAI API 互換」モードで本サービスに接続できます。

## 設定を開く

左サイドバーの\*\*設定（Settings）\*\*アイコンをクリックし、\*\*モデル（Model）\*\*タブに入ります。

## AI プロバイダーの選択

**Model Provider** のドロップダウンから `OpenAI API Compatible`（OpenAI API 互換）を選択します。

## 設定値

次のフィールドを入力します：

| 項目                | 入力内容                               |
| ----------------- | ---------------------------------- |
| API Key           | あなたの `codex_...` や `sk-...` などのキー  |
| API ホスト（API Host） | `https://aicentos.com`             |
| モデル（Model）        | `gpt-5-codex-mini` またはその他の利用可能なモデル |

**注意：** Chatbox の **API ホスト**欄にはサービスのルートアドレスのみを入力し、`/v1` 接尾辞は付け**ないでください**。入力例：`https://aicentos.com`

## テスト

保存後、会話を 1 回開始し、正常に応答が返ることを確認します。

## 注意事項

* API ホストには `/v1` を付けないサービスのルートパスを入力します。インターフェースのパスは Chatbox が自動で連結します
* 利用可能なモデルは `GET /v1/models` の返却リストを基準にしてください

## 関連リンク

* 公式ドキュメント：[https://docs.chatboxai.app/en/guides/providers](https://docs.chatboxai.app/en/guides/providers)

---

# Cherry Studio

出典: https://docs.aicentos.com/ja/clients/cherry-studio

Language: ja

> Cherry Studio で aicentos を使う —— OpenAI 互換プロバイダーを追加して全モデルに接続

Cherry Studio はカスタム OpenAI 互換のモデルプロバイダーに対応しており、aicentos を追加すればアプリ内で aicentos が接続しているすべてのモデルを利用できます。

## 準備

| 項目                 | 値                         |
| ------------------ | ------------------------- |
| プロバイダー名            | `aicentos`                |
| API アドレス（Base URL） | `https://aicentos.com/v1` |
| API Key            | aicentos コンソールで作成         |
| モデル名               | コンソール「モデル広場」の完全なモデル名      |

API Key の取得手順は [クイックスタート](https://docs.aicentos.com/ja/quickstart) をご覧ください。

## 設定手順

* Cherry Studio の設定を開き、**モデルサービス / プロバイダー管理**に入ります。
* 新しい **OpenAI 互換**プロバイダーを追加します。
* プロバイダー名には `aicentos` を入力します。
* API Key と API アドレス `https://aicentos.com/v1` を入力します。
* 設定を保存します。「検証 / 接続テスト」ボタンがあればクリックして確認できます。

### モデルの追加

モデルが自動認識されない場合は、モデル名を手動で追加できます。

>

モデル名は完全にコピーしてください。大文字小文字、ハイフン、日付接尾辞のいずれも変更できません。[モデル広場](https://aicentos.com/pricing) / [対応モデル](https://docs.aicentos.com/ja/billing/models-list) に表示されているものを基準にしてください。

## テストとトラブルシューティング

テストメッセージを 1 通送って接続を確認します。例：

```bash
こんにちは、一文で自己紹介してください。
```

よくある問題：

* **認証エラー**：API Key に余分な空白がないか確認してください。
* **タイムアウト**：ネットワークまたはサービスの状態を確認してください。
* **モデルが利用できない**：コンソールの完全なモデル名を使用してください。
* **会話が失敗する**：aicentos のプロバイダーが選択されているか確認してください。

---

# Claude Code

出典: https://docs.aicentos.com/ja/clients/claude-code

Language: ja

> ゼロから Claude Code をインストールして aicentos に接続 —— Node.js 環境、Windows / Mac へのインストール、環境変数と CC Switch の設定、スマホの Termux チュートリアル付き

Claude Code は Anthropic プロトコルと互換性があるため、Base URL を aicentos に向けて API Key を入力するだけで、aicentos が接続しているすべての Claude モデルを利用できます。

## ステップ 1：Claude Code のインストール

### Node.js 環境のインストール

[Node.js 公式サイト](https://nodejs.org/) から最新の LTS バージョンをダウンロードします。お使いの OS に対応したインストーラーをダウンロードしてください。

Node.js 公式サイトのダウンロード

インストールが完了したら、ターミナルを開き（Windows は git bash または cmd）、次を入力します：

```bash
node -v
```

バージョン番号が表示されればインストール成功です。

### Claude Code のインストール

インストールの前に、上記の Node.js 環境の設定が完了していることを確認してください。

**Windows：** `Win + R` を押して `cmd` と入力し、Enter でターミナルを開いて、次を実行します：

```bash
npm install -g @anthropic-ai/claude-code
```

**Mac / Linux：** ターミナルで次を実行します：

```bash
npm install -g @anthropic-ai/claude-code
```

または公式推奨の curl スクリプトを使用します：

```bash
curl -fsSL https://claude.ai/install.sh | bash
```

インストール後、次のコマンドで成功したか確認します：

```bash
claude --version
```

バージョン番号が表示されればインストール成功です。

claude --version のインストール成功

## ステップ 2：API キーの取得

[aicentos 公式サイト](https://aicentos.com/) のコンソールで API キーを作成します。

キー作成の詳細な手順は [クイックスタート](https://docs.aicentos.com/ja/quickstart) をご覧ください。

## ステップ 3：接続設定

以下の 2 つの方法を紹介します：**CC Switch で一括管理する**（推奨）か、**自分で手動設定する**かのどちらかです。

### 方法 1：CC Switch を使う（推奨）

複数の Provider や複数の CLI ツールを頻繁に切り替える必要がある場合は、CC Switch で設定を一元管理するのがおすすめです。環境変数を何度も書き換える必要がありません。

詳しくは [CC Switch への接続 →](https://docs.aicentos.com/ja/clients/cc-switch) をご覧ください。

### 方法 2：手動設定

追加のツールをインストールしたくない場合は、環境変数を設定するだけです。3 つの方法のいずれか 1 つを選びます。

#### 一時的に有効化（現在のターミナルセッション）

クイックテストに適しており、現在のターミナルウィンドウでのみ有効です：

```bash
export ANTHROPIC_BASE_URL="https://aicentos.com"
export ANTHROPIC_AUTH_TOKEN="sk-あなたの-API-Key"
export CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1
claude
```

一部のバージョンで `ANTHROPIC_AUTH_TOKEN` が認識されない場合は、代わりに次を使用します：

```bash
export ANTHROPIC_API_KEY="sk-あなたの-API-Key"
```

#### 永続化（設定ファイル、手動設定ではこちらを推奨）

`~/.claude/settings.json` を編集し、次を書き込みます：

```bash
{
  "env": {
    "ANTHROPIC_BASE_URL": "https://aicentos.com",
    "ANTHROPIC_AUTH_TOKEN": "sk-あなたの-API-Key",
    "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1",
    "CLAUDE_CODE_ATTRIBUTION_HEADER": "0"
  }
}
```

**Windows** では「システム環境変数」の「ユーザー変数」で「新規」をクリックし、以下の 2 つの変数をそれぞれ作成することもできます：

| 変数名                    | 値                      |
| ---------------------- | ---------------------- |
| `ANTHROPIC_BASE_URL`   | `https://aicentos.com` |
| `ANTHROPIC_AUTH_TOKEN` | ステップ 2 で作成したキー         |

保存後、Claude Code を再起動すると有効になります。

#### Shell 設定に書き込む（グローバルに有効）

環境変数を `~/.zshrc` または `~/.bashrc` に追加します：

```bash
nano ~/.zshrc
```

ファイルの末尾に追加します：

```bash
# aicentos API Key（ステップ 2 で作成したキー）
export ANTHROPIC_AUTH_TOKEN="あなたのAPIキー"

# aicentos Base URL
export ANTHROPIC_BASE_URL="https://aicentos.com"
```

保存して終了し、`source ~/.zshrc` を実行する（またはターミナルを開き直す）と有効になります。

## ステップ 4：Claude Code の実行

プロジェクトディレクトリに移動して起動します：

```bash
cd /path/to/your/project
claude
```

## モデルの指定

起動時に `--model` で具体のモデルを指定できます：

```bash
claude --model claude-opus-4-7
```

モデル名は aicentos コンソールの「モデル広場」に表示されているものが基準です。[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

## よく使うコマンド

| コマンド                      | 用途                                                 |
| ------------------------- | -------------------------------------------------- |
| `/add-dir`                | 追加の作業ディレクトリを追加する                                   |
| `/resume`                 | 過去の会話に戻る                                           |
| `/clear`                  | 会話履歴を消去する                                          |
| `/compact [instructions]` | 会話を圧縮する。重点的な指示は任意で渡せます                             |
| `/config`                 | 設定の表示 / 変更                                         |
| `/cost`                   | トークン使用統計を表示する                                      |
| `/doctor`                 | Claude Code インストールの健全性をチェックする                      |
| `/help`                   | 使い方のヘルプを表示する                                       |
| `/init`                   | CLAUDE.md ガイドでプロジェクトを初期化する                         |
| `/login`                  | Anthropic アカウントを切り替える                              |
| `/logout`                 | Anthropic アカウントからログアウトする                           |
| `/mcp`                    | MCP サーバー接続と OAuth 認証を管理する                          |
| `/memory`                 | CLAUDE.md メモリファイルを編集する                             |
| `/model`                  | AI モデルの選択または変更                                     |
| `/permissions`            | 権限の表示または更新                                         |
| `/pr_comments`            | プルリクエストのコメントを表示する                                  |
| `/review`                 | コードレビューを依頼する                                       |
| `/status`                 | アカウントとシステムのステータスを表示する                              |
| `/terminal-setup`         | Shift+Enter 改行のキーバインドをインストールする（iTerm2 と VSCode のみ） |
| `/vim`                    | vim モードに入り、挿入モードとコマンドモードを切り替える                     |

## スマホで動かす（Termux + Ubuntu）

「PC を持っていない、外出先で一時的にバグを直したい、通勤時間に気軽に vibe したい」といったシナリオに適しています。root 化も不要、ROM の書き換えも不要で、すべて Termux 内で完結します。全体で 10〜20 分ほど、ネット速度によります。

### 得られるもの

* スマホの中で動く **Ubuntu** 環境（システムに影響せず、容量もほとんど取りません）
* フル版の **Claude Code** コマンドラインツール（PC 版とまったく同じもの）
* **aicentos** 経由で低コストに接続し、Opus / Sonnet / Haiku をワンタッチで切り替え

### 準備

必要なものは 2 つだけです：

* **Android スマホ 1 台**（iOS には Termux をインストールできないため、このチュートリアルは対象外です）
* **[aicentos](https://aicentos.com) アカウント + API Key**（[ウォレットでチャージ →](https://aicentos.com/wallet)、[キーを作成 →](https://aicentos.com/keys)）

**Termux は Google Play からインストールしないでください**。そのバージョンは古くメンテナンスもされておらず、後続のスクリプトがインストールできません。[F-Droid](https://f-droid.org/packages/com.termux/) または [Termux GitHub Releases](https://github.com/termux/termux-app/releases) から最新版をダウンロードしてください。

### ステップ 1：tmoe-linux ワンクリックスクリプトを入れる

Termux を開き、コマンドプロンプト（`~ $` の 1 行）が表示されたら、次の行を**丸ごと**コピーして Enter を押します：

```bash
. <(curl -L l.tmoe.me)
```

>

これは中国大陸専用のミラーです。海外のユーザーは `. <(curl -L git.io/linux.sh)` を使ってください。

実行が終わると**グラフィカルメニュー**が表示され、次のような画面になります：

tmoe メインメニュー

音量キーで上下選択し、Enter で決定します（または画面を直接タップします）。

### ステップ 2：Ubuntu コンテナをインストール

tmoe メニューで `安装 Linux 发行版` / `Install GNU/Linux container` と進むと、ディストリビューション一覧に入ります：

Linux ディストリビューションの選択

**Ubuntu を選ぶことを強くおすすめします**（互換性が最も高く、apt の情報も最も多く、問題が起きても解決策が見つかります）。バージョンは最新の LTS（例：22.04 / 24.04）で構いません。

ダウンロードと展開には数分かかります。ネット速度によりますので、待ちましょう。

### ステップ 3：コンテナに入り、「今どこにいるか」を見分ける

インストールが完了すると、たいてい自動でコンテナに入ります。**ここは初心者が最も迷いやすいポイントです**。まず見分け方を説明します：

**Ubuntu コンテナに入った状態**（プロンプトはだいたいこんな感じ）：

コンテナに入った状態

**まだ Termux に入っていない状態**（プロンプトは素朴な見た目）：

まだ Termux の状態

後者の場合は、Termux に戻って次を入力します：

```bash
tmoe
```

再度メニューを開き、`启动容器` / `Start container` を探して入ります。

**このルールを覚えてください**：Node のインストール、Claude Code のインストール、claude コマンドの実行 —— **これらはすべて Ubuntu コンテナ内で行う必要があります**。Termux 自体の `pkg` パッケージシステムでは Claude Code をインストールできません。

### ステップ 4：Node.js と Claude Code をインストール

Ubuntu コンテナ内にいることを確認したら、順に実行します：

```bash
# 1. apt パッケージインデックスを更新
apt update

# 2. Node.js + npm をインストール（Ubuntu 同梱のバージョンで十分）
apt install -y nodejs npm

# 3. Claude Code をグローバルインストール
npm install -g @anthropic-ai/claude-code
```

npm が権限エラーを出す場合は先頭に `sudo` を付けてください。`sudo` コマンドがそもそも存在しない場合は root ユーザーなので、そのまま実行すれば OK です。

### ステップ 5：aicentos を Claude Code に接続

Claude Code はデフォルトで公式に接続しますが、中国国内のユーザーにとっては 2 つの問題があります：**クレジットがない、接続できない**。

環境変数を 2 つ変更して、aicentos に向けます：

```bash
# 1. nano テキストエディタをインストール（コンテナにはデフォルトで入っていない場合があります）
apt install -y nano

# 2. shell 設定を編集
nano ~/.bashrc
```

矢印キーでファイルの**一番末尾**まで移動し、新しい行で貼り付けます：

```bash
export ANTHROPIC_BASE_URL=https://aicentos.com
export ANTHROPIC_AUTH_TOKEN=aicentos.comで生成したあなたのAPIキー
```

`aicentos.comで生成したあなたのAPIキー` を、[aicentos コンソール](https://aicentos.com/keys) で作成した API Key（通常は `sk-` で始まります）に置き換えてください。

完成イメージはこんな感じです：

bashrc の末尾に env を追加

**保存して終了**：

* `Ctrl + X` を押します（スマホ IME 上の Ctrl キー。Termux にはデフォルトでこの仮想キーがあります）
* Save と表示されたら `Y` を押します
* 次に `Enter` を押してファイル名を確定します

設定をすぐに反映させます：

```bash
source ~/.bashrc
```

### ステップ 6：起動

```bash
claude
```

**初回起動時**はログイン方法を選ぶよう求められます：

* 以前に公式アカウントでログインしていて消したい場合は、Claude Code 内で `/logout` を入力してログアウトし、再度 `claude` で入れば環境変数が使われます
* クリーンインストールの場合は、スキップして直接環境変数が使われることがあります

Claude Code のダイアログが表示されれば完了です。何か適当に聞いてみましょう：

```bash
こんにちは、hello world の python スクリプトを書いて
```

### スマホでよく使うコマンド一覧

Claude Code 内：

| コマンド       | 説明                                     |
| ---------- | -------------------------------------- |
| `/model`   | モデルを切り替える（Opus / Sonnet / Haiku）       |
| `/logout`  | 現在のアカウントからログアウトする（環境変数の切り替え後に 1 回使います） |
| `/clear`   | 現在のセッションのコンテキストを消去する                   |
| `/help`    | すべてのコマンドを表示する                          |
| `Ctrl + C` | 現在の生成を中断する                             |

コンテナ外（Termux 内）：

| コマンド   | 説明                      |
| ------ | ----------------------- |
| `tmoe` | tmoe メインメニューを開く         |
| コンテナ起動 | tmoe メニューで「コンテナ起動」を選択する |

### スマホでよくある問題

**1. `npm install -g` が進まない / 固まる**

ネットワークの可能性があります。コンテナ内で先に `npm config set registry https://registry.npmmirror.com` で Taobao ミラーに切り替えてから、`npm install -g @anthropic-ai/claude-code` を実行してください。

**2. `claude` コマンドが見つからない（not found）**

`npm install -g` でインストールしたコマンドのパスが `PATH` に入っていません。`~/.bashrc` の末尾にさらに追加します：

```bash
export PATH="$PATH:$(npm config get prefix)/bin"
```

その後 `source ~/.bashrc` を実行します。

**3. 401 / 残高不足と表示される**

[aicentos ウォレット](https://aicentos.com/wallet) の残高と、`ANTHROPIC_AUTH_TOKEN` が完全にコピーされているかを確認してください（前後に空白を含めないよう注意）。

**4. Opus で課金を燃やしたくない、Sonnet を使いたい**

`claude` に入って `/model` を入力し、sonnet を選べば OK です。または `.bashrc` に `export ANTHROPIC_MODEL=claude-sonnet-5` を追加してデフォルトモデルを固定します。

### スマホでの応用

* もっと入力しやすくしたい：[Termux:Styling](https://f-droid.org/packages/com.termux.styling/) を入れてフォントと配色を変更
* GUI が欲しい：tmoe メニューに VNC デスクトップがあり、スマホで完全な GNOME/XFCE を動かせます
* 長時間バックグラウンドで動かしたい：`tmux` や `screen` を使えば、Termux を閉じてもセッションが切れません

チュートリアルはここまでです。問題があれば [aicentos コミュニティ](https://aicentos.com) までフィードバックをお寄せください。

## 注意事項

* API Key はコンソールの「API キー」ページで取得できます。
* `ANTHROPIC_AUTH_TOKEN` と `ANTHROPIC_API_KEY` は**どちらか一方だけを設定し、両方は設定しないでください**。
* Base URL はルートアドレスの `https://aicentos.com` だけを入力し、`/v1/messages` を手動で追加**しないでください**。Claude Code が自動で連結します。
* 設定を変更したら、ターミナル / Claude Code の再起動を忘れずに行ってください。
* API Key をコードリポジトリにコミットしないでください。

---

# Cline

出典: https://docs.aicentos.com/ja/clients/cline

Language: ja

> Cline（VS Code 拡張）に aicentos を OpenAI 互換プロバイダーとして設定し、Base URL と API キーを入力します

Cline は公式に OpenAI Compatible プロバイダーをサポートしているため、本サービスに直接接続できます。

## インストール

Cline の公式ドキュメントに従います：

* VS Code、Cursor、Windsurf、Antigravity を使っている場合は、拡張機能マーケットを開き、`Cline` を検索して公式拡張をインストールします
* JetBrains を使っている場合は、`Settings / Plugins / Marketplace` に入り、`Cline` を検索してインストールした後、IDE を再起動します
* ターミナル版だけを使いたい場合は、Cline 公式 CLI ドキュメントを参照してください：`https://docs.cline.bot/cline-cli/installation`

## 設定を開く

Cline パネルの設定ボタンをクリックし、プロバイダー設定に入ります。

## 設定値

`API Provider` を `OpenAI Compatible` に設定し、次を入力します：

* Base URL：`https://aicentos.com/v1`
* API Key：あなたの `codex_...` や `sk-...` などのキー
* Model ID：`gpt-5-codex-mini`

ドロップダウンリストにそのモデルが自動表示されない場合も、`gpt-5-codex-mini` を直接手入力できます。

## テスト

入力後、Cline の `Verify` をクリックするか、新しいタスクを直接開始します。正常に接続されてセッションが始まれば、接続は成功です。

## 注意事項

* Cline の公式ドキュメント自体が OpenAI Compatible プロバイダーの設定方法を採用しています
* Base URL には OpenAI 互換のルートパスを入力します
* 本サービスでは、サービスのルートアドレスを入力する必要はなく、`/chat/completions` の完全なパスに補う必要もありません

---

# CodeBuddy

出典: https://docs.aicentos.com/ja/clients/codebuddy

Language: ja

> CodeBuddy（IDE / CLI）で models.json を通じて aicentos の OpenAI 互換エンドポイントに接続

CodeBuddy はカスタムモデルに対応しており、ユーザーレベルまたはプロジェクトレベルの `models.json` を通じてリクエストを aicentos の OpenAI 互換エンドポイントに向けることができます。IDE と CodeBuddy Code CLI は同じ設定を共有します。

## 準備

まずコンソールの「API キー」ページで、CodeBuddy 専用のキーを作成してください（名前は `codebuddy` のようにすることをおすすめします）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* ウォレットのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目                                   | 値                                          |
| ------------------------------------ | ------------------------------------------ |
| Base URL                             | `https://aicentos.com/v1`                  |
| エンドポイント URL（`url` フィールド）             | `https://aicentos.com/v1/chat/completions` |
| API Key（`apiKey`）                    | コンソールで作成したキー                               |
| モデル ID（`id`）                         | コンソール「モデル広場」のモデル名                          |
| `supportsToolCall`                   | `true`                                     |
| `maxInputTokens` / `maxOutputTokens` | 選択したモデルに応じて設定                              |

注意：`models.json` の `url` フィールドは**完全な API パス**が要求され、`/chat/completions` で終わる必要があります。

## 設定手順

* CodeBuddy を一度開き、設定ディレクトリを生成させます。
* ユーザーレベルの設定ファイルを新規作成または編集します：
  * macOS / Linux：`~/.codebuddy/models.json`
  * Windows：`C:\Users\<ユーザー名>\.codebuddy\models.json`
  * 単一のプロジェクトにだけ適用したい場合は、プロジェクトレベルの `<プロジェクトルート>/.codebuddy/models.json` を使えます。ユーザーレベルより優先度が高くなります。
* 次の内容を書き込み、`id` をコンソールで利用可能だと確認できたモデル名に置き換えます：

```json
{
  "models": [
    {
      "id": "gpt-5",
      "name": "GPT-5 (aicentos)",
      "vendor": "aicentos",
      "apiKey": "${AICENTOS_API_KEY}",
      "url": "https://aicentos.com/v1/chat/completions",
      "maxInputTokens": 128000,
      "maxOutputTokens": 16384,
      "supportsToolCall": true,
      "supportsImages": false,
      "supportsReasoning": false
    }
  ]
}
```

* 環境変数を設定します（`apiKey` と `url` はどちらも `${VAR_NAME}` 参照に対応しています）：

```bash
export AICENTOS_API_KEY="sk-あなたのaicentosキー"
```

* CodeBuddy を完全に終了してから開き直します（IDE パネルの再起動で OK です）。
* モデルセレクターで先ほど設定したモデルを選択します。

ファイルを編集したくない場合は、CodeBuddy IDE のチャットパネルの下でモデル選択ボックスをクリック → **カスタムモデルを設定** → プロバイダーで **Custom** を選び、Base URL に `https://aicentos.com/v1` を入力し、API Key とモデル名を入力することでも設定できます。

## テスト

保存後、新しい会話またはコーディングタスクを作成し、まず簡単なプロンプトで軽量テストを行い、内容が正常に返ることを確認してから本格的に使い始めてください。

## 注意事項

* 現時点で対応しているのは **OpenAI インターフェース形式**の API のみです。
* `url` は必ず完全な `/v1/chat/completions` パスで書いてください。`https://aicentos.com/v1` と書いても効果がありません。
* 最外層は必ず `{"models": [...]}` 構造にします。`models` は必須のトップレベルフィールドです。
* `availableModels` はホワイトリストです。一度記入すると、モデルのドロップダウンにはリスト内のモデルだけが表示され、内蔵モデルも一緒に消えます。制限が必要ない場合はこのフィールドを省略してください。
* ファイルは必ず **UTF-8 (BOM なし)** で保存してください。BOM 付きの JSON ではローカルモデル設定の読み込みに失敗します。
* 環境変数は起動時に解決されます。変数が存在しない場合、設定ファイル内の `${AICENTOS_API_KEY}` はそのまま残り、呼び出しに失敗します。
* `models.json` の権限は `600` にし、バージョン管理にコミットしないことをおすすめします。
* CLI は環境変数方式でも設定できます：`CODEBUDDY_API_KEY`、`CODEBUDDY_BASE_URL`、`CODEBUDDY_MODEL`。`CODEBUDDY_BASE_URL` を直接設定するときは `/chat/completions` を付けないでください。CLI が自動で追加します。
* 詳細はドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# Codebuff

出典: https://docs.aicentos.com/ja/clients/codebuff

Language: ja

> Codebuff のコマンドラインエージェントで aicentos の OpenAI 互換エンドポイントに接続する

Codebuff はターミナル上で動く AI コーディングエージェントで、タスクに応じて複数のサブエージェントを投入してコードの読み取り、計画の作成、ファイルの変更を行います。デフォルトでは公式のホスト型サービスに接続します。お使いのバージョンが OpenAI 互換エンドポイントの上書きに対応していれば、環境変数でリクエストを aicentos に向けることができます。

## まずバージョンがカスタムエンドポイントに対応しているか確認する

Codebuff の公式推奨はホスト型モードです：ログインして公式クレジットを使うか、`CODEBUFF_API_KEY` で公式 API を利用します。カスタム Base URL はすべてのバージョンで提供されているわけではないため、先に確認してください：

* `codebuff --help` を実行し、`--base-url` や `--provider` のようなオプションがあるか確認します。
* `OPENAI_BASE_URL`（一部のバージョンでは `CODEBUFF_BASE_URL`）を読み取ってエンドポイントを上書きするか確認します。
* どちらも対応していない場合、そのバージョンは公式サービスしか使えず、aicentos に直接接続することはできません。

## 準備

バージョンがカスタムエンドポイントに対応していることを確認したら、まずコンソールの「API Key」ページで Codebuff 専用のキーを作成します（名前は `codebuff-cli` のようにするとよいでしょう）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

あわせて、Node.js がインストール済みで、Codebuff がグローバルインストールされていることを確認します：

```bash
npm install -g codebuff
```

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| Base URL | `https://aicentos.com/v1` |
| API Key  | コンソールで作成したキー              |
| モデル      | コンソール「モデル広場」のモデル名         |

## 設定手順

* エンドポイントとキーを shell 設定（`~/.zshrc` または `~/.bashrc`）に書き込みます：

```bash
export OPENAI_API_KEY="sk-あなたのaicentosキー"
export OPENAI_BASE_URL="https://aicentos.com/v1"
```

* 設定を再読み込みします：`source ~/.zshrc`。
* プロジェクトディレクトリに移動し、`codebuff` をそのまま実行します。
* バージョンが `--model` 引数に対応していれば、起動時にモデルを明示指定できます。対応していない場合は、対話画面のモデル選択コマンドで切り替えます。

一部のバージョンでは、設定をユーザー設定ディレクトリ以下の JSON ファイルに書きます（認証情報ファイルのデフォルト権限は `600` で、バージョン管理にコミットしないでください）。環境変数ではなく設定ファイルを使うバージョンの場合は、`codebuff --help` や公式ドキュメントに示されたフィールド名に従って、同じ Base URL とキーを入力してください。

## テスト

起動後、まず簡単なプロンプトで軽くテストします。たとえばファイルを 1 つ読ませて内容を要約させ、結果が正常に返ることを確認してから本格的に使い始めます。

## 注意事項

* カスタムエンドポイントは上級者向けの使い方で、フィールド名はバージョンによって異なる場合があります。お使いの環境の `codebuff --help` 出力を基準にしてください。
* `OPENAI_BASE_URL` は `https://aicentos.com/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* Codebuff はコード片やターミナル出力をコンテキストとして送信します。利用前に、所属チームのデータコンプライアンス要件に合致するか確認してください。
* エラーが出たときは、順に確認します：環境変数が現在のターミナルで有効か、モデル名がコンソールと一致しているか、アカウントの残高が十分か（[https://aicentos.com/wallet）。](https://aicentos.com/wallet）。)
* 詳しくはドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# Codex CLI

出典: https://docs.aicentos.com/ja/clients/codex-cli

Language: ja

> Codex CLI で aicentos を使う —— config.toml の model_providers を手動設定

Codex CLI は OpenAI 公式のコマンドライン用コーディングエージェントで、`~/.codex/config.toml` でモデルプロバイダーを定義します。カスタム provider を aicentos に向ければ、ターミナル内で aicentos が接続しているモデルを利用できます。

複数の設定を GUI で管理したい場合は、[CC Switch](https://docs.aicentos.com/ja/clients/cc-switch) でワンクリック切り替えもできます。本記事では手動設定のみを扱います。

## 準備

まずコンソールの「API キー」ページで、Codex CLI 専用のキーを作成してください（名前は `codex-cli` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

Codex CLI がインストール済みか確認します：

```bash
codex --version
```

## 設定値

| 項目           | 値                         |
| ------------ | ------------------------- |
| Provider ID  | `aicentos`                |
| Provider 名   | `aicentos`                |
| API Key 環境変数 | `AICENTOS_API_KEY`        |
| Base URL     | `https://aicentos.com/v1` |
| モデル          | コンソール「モデル広場」のモデル名         |

## 設定手順

### 1. API Key 環境変数の設定

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

永続化するには `~/.zshrc` または `~/.bashrc` に書き込み、`source` で反映させ、`echo $AICENTOS_API_KEY` で確認します。

### 2. config.toml の編集

`~/.codex/config.toml` に次を追加します：

```toml
model = "あなたのモデル名"
model_provider = "aicentos"

[model_providers.aicentos]
name = "aicentos"
base_url = "https://aicentos.com/v1"
env_key = "AICENTOS_API_KEY"
wire_api = "responses"
```

`あなたのモデル名` はコンソール「モデル広場」に表示されているモデル名に置き換えてください。[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

### 3. Codex の起動

```bash
codex
```

簡単なリクエストを 1 つ送り、provider が正常に動作していることを確認します。

## テスト

```
codex exec "1+1 はいくつですか？一文で答えてください"
```

内容が正常に返れば接続成功です。返ってきた内容に応じて少量のクレジットを消費します。コンソールの使用量ログで確認できます。

## 注意事項

* **Base URL は `/v1` までにしてください**。`/v1/chat/completions` までの完全なパスにしないでください。
* `base_url`、`env_key` などのフィールドはユーザーレベルの `~/.codex/config.toml` でのみ有効です。プロジェクト内の `.codex/config.toml` に書いても無視され、起動時の警告が出ることがあります。
* `wire_api` には `responses` を指定します。aicentos の [Responses インターフェース](https://docs.aicentos.com/ja/api/chat/openai/responses) に対応します。公式ドキュメントでは現時点でこの値のみサポートされています。バージョンによって `unknown variant` エラーが出る場合は CLI が古すぎるので、先にアップグレードしてください。
* `openai`、`ollama`、`lmstudio` は予約済みの provider ID です。内蔵 `openai` の base\_url を書き換えてサードパーティのゲートウェイに向けることは**できません**。新しい provider 名を起ち上げる必要があります（本記事では `aicentos` を使用しています）。
* 切り分けの順序：モデル名がコンソールと一致しているか → Base URL が `/v1` までか → 環境変数が **codex を起動したターミナル**から見えているか → アカウント残高は十分か。

## 関連リンク

* [Codex への接続（CC Switch 方式）](https://docs.aicentos.com/ja/clients/codex)

---

# Codex++

出典: https://docs.aicentos.com/ja/clients/codex-plus

Language: ja

> Codex++ 拡張ランチャーで aicentos の GPT API を PC 上の Codex に接続。純 API モード、GUI 設定で数分で完了

[Codex++](https://github.com/BigPizzaV3/CodexPlusPlus) は Codex App 向けの**外部拡張ランチャー・管理ツール**です。Codex App の元のインストールファイルを変更せず、外部 launcher から Codex を起動し、Chromium DevTools Protocol で拡張スクリプトを注入します —— そのため安心して使えて、元の Codex には手を加えません。

このチュートリアルでは、**aicentos の GPT API** を PC 上の Codex に接続する方法を説明します：作業はすべて Codex++ の GUI 内で数クリックで完了し、`config.toml` を手書きする必要はありません。

## 準備

* PC 1 台（Windows / macOS どちらも対応）
* [aicentos](https://aicentos.com) アカウント 1 つ。さらに [API Key ページ](https://aicentos.com/keys) でキーを 1 つ作成してください。名前に `codex` を含めると使用量の追跡に便利です

キー作成時は、それが属する**グループ**に注意してください。後で入力するモデルと同じグループに含まれている必要があります。そうでないと権限なしのエラーが出ます。

## ステップ 1：Codex++ のダウンロードとインストール

公式 GitHub Releases ページを開きます：[github.com/BigPizzaV3/CodexPlusPlus/releases](https://github.com/BigPizzaV3/CodexPlusPlus/releases)

Codex++ Releases ダウンロードページ

最新バージョンから**お使いのシステムに対応した**インストーラーを選び、ローカルにダウンロードしてインストールし、開きます。開くと Codex++ の管理ツールが表示されます：

Codex++ 管理ツールの画面

## ステップ 2：プロバイダーの追加

「**プロバイダーを追加**」をクリックし、接続設定を新規作成します：

プロバイダーの追加

次の表に従って入力します：

| 項目    | 入力する値                                                                  |
| ----- | ---------------------------------------------------------------------- |
| 名前    | 中継局の名前。自分が識別できれば OK（例：`aicentos`）                                      |
| 接続モード | **純 API**                                                              |
| 設定モデル | aicentos が対応しているモデルを入力。**モデル名は完全にコピー**し、複数はカンマ区切りで、例：`gpt-5.5,gpt-5.4` |

## ステップ 3：Codex ターゲットの入力

「Codex ターゲット」を**有効化 ✅** し、次の 2 項目を入力します：

| 項目       | 値                                   |
| -------- | ----------------------------------- |
| Base URL | `https://aicentos.com`              |
| Key      | aicentos のトークン管理で生成した、該当グループに対応するキー |

Base URL と Key の入力

**上流プロトコル**は必ず **chat completions** を選んでください。他のプロトコルを使うとリクエストが失敗します。

上流プロトコルで chat completions を選択

入力が終わったら、上部の「**保存**」をクリックします。

## ステップ 4：Codex の再起動

保存したら、右上の「**再起動**」をクリックして設定を反映させます：

Codex の再起動

## ステップ 5：キーでログイン

再起動後、「**他の方法でログイン**」を選択します：

他の方法でログイン

先ほど [aicentos トークン管理](https://aicentos.com/keys) で生成したキーを貼り付け、「**続行**」をクリックします：

キーを貼り付けて続行

これで接続は完了です。そのまま Codex を使い始められます。

## 問題のトラブルシューティング

リクエストが失敗したときは、Codex の出力と [aicentos コンソール](https://aicentos.com) の使用量ログを見比べて切り分けてください。よくある原因：

* **モデル名の入力ミス**：aicentos の[対応モデル](https://docs.aicentos.com/ja/billing/models-list)を基準に、モデル名を完全にコピーしてください。
* **上流プロトコルの選択ミス**：必ず **chat completions** にします。
* **Base URL の誤り**：`https://aicentos.com` を入力し、前後に空白や余分なパスを含めないでください。
* **401 / 権限なしのエラー**：キーが完全にコピーされているか、キーのグループに使用したいモデルが含まれているか確認してください。残高は[ウォレット](https://aicentos.com/wallet)で確認できます。

---

# Codex

出典: https://docs.aicentos.com/ja/clients/codex

Language: ja

> Codex で aicentos を使う —— CC Switch ワンクリックインポート、または config.toml の手動設定

Codex は OpenAI プロトコルと互換性があるため、モデルプロバイダーを aicentos に向けるだけで、aicentos が接続しているすべてのモデルを利用できます。

接続方法は 2 種類あります：**CC Switch で一括管理する**（推奨）か、**config.toml を手動編集する**かのどちらかです。

## 方法 1：CC Switch を使う（推奨）

CC Switch は Codex の Provider 設定も管理でき、複数の設定をワンクリックで切り替えられます。

詳しくは [CC Switch への接続 →](https://docs.aicentos.com/ja/clients/cc-switch) をご覧ください。

## 方法 2：手動設定

### 準備

| 項目           | 値                         |
| ------------ | ------------------------- |
| Provider ID  | `aicentos`                |
| Provider 名   | `aicentos`                |
| Base URL     | `https://aicentos.com/v1` |
| API Key 環境変数 | `AICENTOS_API_KEY`        |

まずコンソールの「API Key」ページで専用のキーを作成します。名前に `codex` を含めると使用量の追跡に便利です。

### API Key の設定

ターミナルで環境変数を設定します：

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

永続化するには `~/.zshrc` または `~/.bashrc` に追加し、再読み込みします：

```bash
source ~/.zshrc
```

変数が有効になっているか確認します：

```bash
echo $AICENTOS_API_KEY
```

### Codex Provider の設定

`~/.codex/config.toml` を編集し、次を追加します：

```bash
model = "あなたのモデル名"
model_provider = "aicentos"

[model_providers.aicentos]
name = "aicentos"
base_url = "https://aicentos.com/v1"
env_key = "AICENTOS_API_KEY"
wire_api = "responses"
```

`あなたのモデル名` はコンソール「モデル広場」に表示されているモデル名に置き換えてください。[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

### Codex の起動

```bash
codex
```

簡単なリクエストを 1 件送り、Provider が正常に動作しているか確認します。

## トラブルシューティング

リクエストが失敗したときは、Codex のターミナル出力とコンソールの使用量ログを見比べて原因を調べます。よくある原因：

* モデル名の書き間違い（モデル広場を基準にしてください）。
* Base URL の形式が不正（`/v1` まで入力し、それ以上のパスを追加しないでください）。
* 環境変数が現在のターミナルで読み込まれていない（ターミナルを開き直すか、設定ファイルを `source` します）。

---

# Command Code

出典: https://docs.aicentos.com/ja/clients/command-code

Language: ja

> Command Code で aicentos を使う —— providers.json で BYOK プロバイダーを追加

Command Code はターミナル上のコーディングエージェントで、デフォルトでは内蔵プロバイダーを使用します。同時に BYOK にも対応しており、`~/.commandcode/providers.json` にカスタムプロバイダーを登録し、baseURL を aicentos に向けるだけで使えます。

## 準備

まずコンソールの「API キー」ページで、Command Code 専用のキーを作成してください（名前は `command-code` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目      | 値                               |
| ------- | ------------------------------- |
| 設定ファイル  | `~/.commandcode/providers.json` |
| baseURL | `https://aicentos.com/v1`       |
| apiKey  | `$AICENTOS_API_KEY`             |
| モデル     | コンソール「モデル広場」のモデル名               |

## 設定手順

### 1. 環境変数の設定

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

`~/.zshrc` または `~/.bashrc` に書き込めば永続化できます。

### 2. providers.json の編集

`~/.commandcode/providers.json` を編集し、`provider` オブジェクトの下に 1 つのエントリを追加します：

```json
{
  "provider": {
    "aicentos": {
      "name": "aicentos",
      "api": "openai-completions",
      "baseURL": "https://aicentos.com/v1",
      "apiKey": "$AICENTOS_API_KEY",
      "models": {
        "gpt-4o": {}
      }
    }
  }
}
```

フィールドの説明：

| フィールド     | 説明                                                               |
| --------- | ---------------------------------------------------------------- |
| `name`    | 表示名。`/connect` と `/model` に表示されます                                |
| `api`     | `openai-completions`（デフォルト）または `anthropic-messages`              |
| `baseURL` | 必須。API のルートアドレスで、`/v1` が必要です                                     |
| `apiKey`  | `$VAR`、`{env:VAR}`、`!command` に対応。`false` を入れると認証なしエンドポイントを意味します |
| `models`  | 必須。`{}` で OK です。モデル ID はエンドポイントと一致させてください                        |

`models` 内のモデル ID は、コンソール「モデル広場」の名前に置き換えてください。[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

### 3. プロバイダーの選択

Command Code に入ったら：

* `/connect` を実行し、`aicentos` を選んでキーの確認を完了させます；
* `/model` を実行し、使いたいモデルを選択します。

注意：**`providers.json` を変更した後は `/model` を開き直す必要があります**。そうしてはじめて新しい設定が読み込まれます。

## テスト

モデルを選んだら、簡単なプロンプトを 1 つ送ります：

```
1+1 はいくつですか？一文で答えてください
```

正常に返れば接続成功です。また、`/connect` 内でプロバイダーに `u` を押すと、エンドポイントの `/models` を呼び出してモデル一覧を更新させることができます。

## 注意事項

* Command Code はデフォルトで OpenAI 互換の Chat Completions を使うため、`api` は `openai-completions` を指定すれば OK です。
* Claude 系モデルを使いたい場合は、`api: "anthropic-messages"` のプロバイダーエントリを別途作成する必要があります。2 つのプロトコルではパスの連結方法が異なります（OpenAI SDK は `/chat/completions` を追加し、Anthropic SDK は `/v1/messages` を追加します）。同じ baseURL で両方を同時にサービスすることはできません。
* `baseURL` には必ず `/v1` を付けます。後続のパスは Command Code が自動で連結します。
* `apiKey` に平文のキーを直接貼り付けると拒否されます。`$VAR` 形式を使ってください。
* 切り分けの順序：`/model` にモデルが見えるか → 環境変数が起動したターミナルから見えるか → baseURL が `/v1` までか → 残高は十分か。

## 関連リンク

* BYOK 公式ドキュメント：[https://commandcode.ai/docs/byok](https://commandcode.ai/docs/byok)

---

# GitHub Copilot

出典: https://docs.aicentos.com/ja/clients/copilot

Language: ja

> GitHub Copilot Chat の BYOK（キー持ち込み）で aicentos の OpenAI 互換エンドポイントに接続する

GitHub Copilot は VS Code で BYOK（Bring Your Own Key）機能を提供しており、会話リクエストをカスタムの OpenAI 互換エンドポイントに向けることができます。エンドポイントを aicentos に設定し、コンソールで作成したキーを入力すれば、Copilot Chat / Agent で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Copilot 専用のキーを作成します（名前は `copilot-vscode` や `copilot-work` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

あわせて、お使いの VS Code と GitHub Copilot Chat 拡張がカスタムエンドポイントに対応したバージョンに更新されていることを確認してください。古いバージョンには組み込みベンダー向けの BYOK しかなく、汎用の「カスタムエンドポイント」入口がありません。

## 設定値

| 項目           | 値                                                                |
| ------------ | ---------------------------------------------------------------- |
| Provider     | Custom Endpoint（旧バージョンは OpenAI Compatible）                       |
| Base URL     | `https://aicentos.com/v1`                                        |
| API タイプ      | Chat Completions（`https://aicentos.com/v1/chat/completions` に対応） |
| API Key      | コンソールで作成したキー                                                     |
| Model ID     | コンソール「モデル広場」のモデル名                                                |
| Tool Calling | `true`（Agent モードで使う場合は必須）                                        |

## 設定手順

### 方法 1：GUI で設定

* VS Code の Chat ビューを開きます。
* 入力欄上部のモデルセレクターをクリックし、**Manage Language Models**（旧バージョンは **Manage Models...**）を選択します。
* **Add Models** をクリックし、プロバイダー一覧から **Custom Endpoint**（旧バージョンは **OpenAI Compatible**）を選びます。
* グループ名と API Key を入力します。
* API タイプは **Chat Completions** を選択します。
* 表示に従ってモデル情報を入力します：`id` にはコンソールのモデル名、`url` には `https://aicentos.com/v1/chat/completions` を入力します。
* 保存して Chat に戻り、モデルのドロップダウンで追加したモデルを選択します。

### 方法 2：settings.json

コマンドパレットで **Preferences: Open User Settings (JSON)** を実行し、次を追加します：

```json
{
  "github.copilot.chat.customOAIModels": {
    "aicentos-gpt": {
      "name": "aicentos GPT",
      "url": "https://aicentos.com/v1/chat/completions",
      "toolCalling": true,
      "vision": false,
      "maxInputTokens": 128000,
      "maxOutputTokens": 16384
    }
  }
}
```

オブジェクト最上位のキー（例：`aicentos-gpt`）がモデルセレクターに表示されるモデル ID で、一意である必要があります。

公式ドキュメント：[https://code.visualstudio.com/docs/copilot/customization/language-models](https://code.visualstudio.com/docs/copilot/customization/language-models)

## テスト

設定を保存したら、Chat で新しい会話を作成し、まず簡単なプロンプトで軽くテストします。正常に返れば接続完了です。その後、Agent / Edit モードで本格的に使い始めます。

## 注意事項

* BYOK は **Chat / Agent / Edit** にのみ作用し、インラインコード補完（Tab 補完）はカバーしません。セマンティック検索や embedding などの機能は引き続き Copilot 自身のサービスを使います。
* **Agent** モードで使うには、モデルが **tool calling** に対応している必要があり、`toolCalling` を `true` に設定する必要があります。設定しないとそのモデルはモデルセレクターに表示されません。
* `url` フィールドには `https://aicentos.com/v1/chat/completions` の完全な URL を入力し、`/v1` だけで止めないでください。
* `github.copilot.chat.customOAIModels` は古い書き方で、新しいバージョンでは `chatLanguageModels.json` と `customendpoint` を組み合わせる方式に変わりました。お使いの VS Code バージョンの実際の入口を基準にしてください。
* GitHub Copilot Business / Enterprise では、管理者がポリシーで BYOK を無効化している場合があります。
* モデルを追加してもすぐに表示されない場合は、VS Code を 1 回再起動してください。
* エラーが出たときは、順に確認します：キーに余分な空白がないか、モデル名がコンソールと一致しているか、アカウントの残高が十分か、API タイプが正しく選択されているか。残高不足の場合は [https://aicentos.com/wallet](https://aicentos.com/wallet) からチャージできます。

---

# Craft Agent

出典: https://docs.aicentos.com/ja/clients/craft-agent

Language: ja

> Craft Agent で aicentos に接続する —— カスタムの OpenAI 互換接続、デスクトップ版と craft-cli で共通

Craft Agent の LLM 接続は `Custom` タイプに対応しており、公式の説明は「任意の URL、任意の OpenAI 互換または Anthropic 互換エンドポイント」です。Base URL を aicentos に向ければ、デスクトップ版でも `craft-cli` でも利用できます。

## 準備

まずコンソールで Craft Agent 専用のキーを作成します（`craft-agent` という名前を推奨。キーごとに使用量を確認しやすくなります）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* ウォレットのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

デスクトップ版のインストール：

```bash
curl -fsSL https://thecraftagents.com/install-app.sh | bash
```

ヘッドレスサーバーやコマンドラインのみの利用にも対応しています。

## 設定値

| フィールド    | 値                                                                          |
| -------- | -------------------------------------------------------------------------- |
| 接続タイプ    | Custom（カスタム）                                                               |
| プロトコル    | `openai-completions`、または `anthropic-messages`                              |
| Base URL | `https://aicentos.com/v1`（OpenAI 互換）/ `https://aicentos.com`（Anthropic 互換） |
| API Key  | コンソールで作成したキー                                                               |
| モデル      | コンソール「モデル広場」のモデル名                                                          |

## 設定手順

デスクトップ版：設定内の LLM 接続を開き、1 件追加してタイプに Custom を選び、上の表に従って入力します。

コマンドラインでの等価な書き方：

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
craft-cli run --provider openai \
  --base-url https://aicentos.com/v1 \
  --api-key "$AICENTOS_API_KEY" \
  --model あなたのモデル名 \
  "こんにちは"
```

設定ファイル `~/.craft-agent/config.json` を直接編集してもかまいません：

```json
{
  "llmConnections": [
    {
      "providerType": "pi_compat",
      "baseUrl": "https://aicentos.com/v1",
      "customEndpoint": { "api": "openai-completions" },
      "models": [{ "id": "あなたのモデル名" }],
      "defaultModel": "あなたのモデル名"
    }
  ]
}
```

キーは平文の設定には書かれず、同じディレクトリの `credentials.enc` に保存されます。UI で一度入力すれば十分で、このファイルを手で書き換えないでください。

## テスト

```bash
craft-cli run --provider openai \
  --base-url https://aicentos.com/v1 \
  --api-key "$AICENTOS_API_KEY" \
  --model あなたのモデル名 \
  "一文で自己紹介してください"
```

正常に返れば疎通しています。コンソールに戻って使用量を確認し、リクエストがこのキーに記録されていることを確かめてください。

## 注意事項

* `providerType` は `pi_compat` のままにしてください。これがカスタムエンドポイントの識別子です。組み込み provider の名前に変えると公式モデルが使われます。
* `models` は手動で記入する必要があり、モデル一覧を自動取得しません。名前はコンソール「モデル広場」と完全に一致させる必要があります（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参照）。
* Anthropic 互換エンドポイントを使う場合、Base URL は `https://aicentos.com` で `/v1` は付けず、`--provider` は `anthropic` に変更します。
* デスクトップ版のメニュー位置はバージョンによって変わるため、見つからない場合は `config.json` の書き方を基準にしてください。

## 関連リンク

* [Craft Agents ドキュメント](https://thecraftagents.com/docs)
* [craft-agents リポジトリ](https://github.com/craft-ai-agents/craft-agents-oss)

---

# Crush

出典: https://docs.aicentos.com/ja/clients/crush

Language: ja

> Crush で aicentos を使う —— crush.json でカスタム provider を追加

Crush は Charmbracelet 製のターミナル用コーディングエージェントで、Go で書かれており、`crush.json` に任意の OpenAI 互換カスタム provider を宣言できます。base\_url を aicentos に向ければ、TUI 内で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API キー」ページで、Crush 専用のキーを作成してください（名前は `crush` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

Crush がインストール済みか確認します：

```bash
crush --version
```

## 設定値

| 項目        | 値                            |
| --------- | ---------------------------- |
| 設定ファイル    | `~/.config/crush/crush.json` |
| type      | `openai-compat`              |
| base\_url | `https://aicentos.com/v1`    |
| api\_key  | `$AICENTOS_API_KEY`          |
| モデル       | コンソール「モデル広場」のモデル名            |

## 設定手順

### 1. API Key 環境変数の設定

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

永続化するには `~/.zshrc` または `~/.bashrc` に書き込み、`source` で反映させます。

### 2. crush.json の編集

グローバル設定ファイルは `~/.config/crush/crush.json` にあります（Windows は `%USERPROFILE%\AppData\Local\crush\crush.json`）。プロジェクトルートの `.crush.json` または `crush.json` はグローバル設定を上書きします。

次を書き込みます：

```json
{
  "$schema": "https://charm.land/crush.json",
  "providers": {
    "aicentos": {
      "type": "openai-compat",
      "base_url": "https://aicentos.com/v1",
      "api_key": "$AICENTOS_API_KEY",
      "models": [
        {
          "id": "gpt-4o",
          "name": "GPT-4o",
          "context_window": 128000,
          "default_max_tokens": 8192,
          "can_reason": true
        }
      ]
    }
  }
}
```

`models[].id` はエンドポイント側のモデル ID と完全に一致している必要があります。コンソール「モデル広場」を基準に、[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

### 3. モデルの選択

`crush` を起動したら、TUI 内で `Ctrl+L` を押す（または `/model` と入力する）と、`aicentos` とそのモデルが表示されていることを確認できます。

## テスト

非対話モードでクイック検証を行います：

```bash
crush run "1+1 はいくつですか？一文で答えてください"
```

リクエストログを見たいときは `--debug` を付けます。404 が出た場合は、`base_url` に `/v1` が付いているか確認してください。

## 注意事項

* **`type` に `openai` と入力しないでください**。`openai` は本当に OpenAI（または Azure OpenAI）を経由するプロキシのためのものです。サードパーティの互換エンドポイントを向ける場合は必ず `openai-compat` を指定してください。そうしないとモデルの認識エラーや API エラーが発生します。
* `base_url` は `/v1` まで入力し、末尾にスラッシュを付けないでください。
* `api_key` は `$VAR` と `$(command)` の展開に対応しています。キーは環境変数やシークレットファイルに保持し、平文でハードコードしないことをおすすめします。
* Anthropic プロトコルのエンドポイント（`type` が `anthropic`）に接続する場合、`base_url` は `/api` までにします。Crush が自動で `/v1/messages` を追加します。また、`extra_headers` に `anthropic-version` を追加で宣言する必要があります。
* 既知の問題：カスタム provider 使用時、TUI 内のトークン数と費用集計が 0 と表示されることがありますが、実際のリクエストと課金には影響しません。
* 思考出力を有効にしたい場合、OpenAI スタイルのモデルでは `"can_reason": true` と `"reasoning_effort"` を組み合わせ、Anthropic スタイルのモデルでは `"think": true` を使います。

## 関連リンク

* カスタム Provider ドキュメント：[https://github.com/charmbracelet/crush](https://github.com/charmbracelet/crush)

---

# Cursor

出典: https://docs.aicentos.com/ja/clients/cursor

Language: ja

> Cursor で aicentos を使う —— カスタム OpenAI 互換設定による接続

Cursor はカスタム OpenAI 互換 API に対応しています。Base URL を aicentos に向けて API Key を入力すれば、Chat / Composer で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Cursor 専用のキーを作成します（名前は `cursor-desktop` や `cursor-work` のようにすると使用量の追跡に便利です）。

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

## 設定手順

* Cursor の設定（Settings）を開きます。
* **Models** または **API Keys** エリアに入ります。
* **OpenAI API Key** / カスタム OpenAI 互換設定 / **Base URL** の上書きオプションを探します。
* aicentos コンソールで作成した API Key を入力します。
* Base URL を次に設定します：`https://aicentos.com/v1`
* モデルを手動追加する場合は、コンソールのモデル名を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。
* 保存して **Verify** をクリックするか、新しい会話を作って直接テストします。

## テスト

保存後、まず簡単なプロンプトで軽くテストし、つながることを確認してから Composer / Chat を本格的に使い始めます。

## 注意事項

* カスタム API Key は通常、標準的な会話モデルにのみ有効です。
* **Tab 補完**と一部の **Agent** 機能は引き続き Cursor 自身のサービスを使う場合があります。
* Verify が失敗したときは、次を確認してください：Base URL が正しいか（`/v1` まで）、キーに余分な空白がないか、モデルが利用可能か、アカウントの残高が十分か、カスタム OpenAI Provider が選択されているか。

---

# Devin CLI

出典: https://docs.aicentos.com/ja/clients/devin-cli

Language: ja

> Devin CLI で aicentos を使う —— OpenAI 互換設定による接続

Devin CLI は Devin のコマンドラインクライアントで、環境変数または設定ファイルで OpenAI 互換の API アドレスを指定できます。Base URL を aicentos に向けて API Key を入力すれば、ターミナルで aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Devin CLI 専用のキーを作成します（名前は `devin-cli` のようにすると使用量の追跡に便利です）。

## インストール手順

Node.js 18+ と npm が先に必要です：

```bash
node -v
npm -v
```

npm でグローバルインストールします：

```bash
npm install -g devin-cli
```

インストール後に確認します：

```bash
devin --version
```

## 設定手順

環境変数と設定ファイルの 2 つの方法に対応しており、環境変数の方が優先されます。

### 方法 1：環境変数（推奨）

```bash
export DEVIN_BASE_URL="https://aicentos.com/v1"
export DEVIN_API_KEY="your_api_key_here"
```

永続化するには `~/.zshrc` または `~/.bashrc` に書き込み、`source ~/.zshrc` を実行します。

### 方法 2：設定ファイル

`~/.devin/config.json` を編集します：

```json
{
  "apiKey": "your_api_key_here",
  "baseURL": "https://aicentos.com/v1",
  "model": "gpt-4o"
}
```

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

## テスト

設定が完了したら、そのまま実行します：

```bash
devin
```

対話セッションで簡単なプロンプトを 1 つ送り、正常に返信が届けば接続成功です。認証エラーが出た場合は、`DEVIN_API_KEY` が正しいか、`DEVIN_BASE_URL` に `/v1` 接尾辞が付いているか、アカウントの残高が十分かを確認してください。

## 注意事項

* Base URL は `/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください
* 環境変数と設定ファイルが同時に存在する場合は、環境変数が優先されます
* まず `GET /v1/models` で見えるモデルを確認してから、Model ID を入力することをおすすめします

---

# Devin Desktop

出典: https://docs.aicentos.com/ja/clients/devin-desktop

Language: ja

> Devin Desktop で aicentos を使う —— カスタム OpenAI 互換設定による接続

Devin Desktop は Devin のデスクトップクライアントで、カスタム OpenAI 互換の API アドレスに対応しています。Base URL を aicentos に向けて API Key を入力すれば、クライアント内で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Devin Desktop 専用のキーを作成します（名前は `devin-desktop` のようにすると使用量の追跡に便利です）。

## インストール手順

Devin の公式サイトからお使いのプラットフォーム向けインストーラーをダウンロードします：

* macOS：`.dmg` をダウンロードし、「アプリケーション」にドラッグします
* Windows：`.exe` インストーラーをダウンロードして実行します
* Linux：`.AppImage` または `.deb` をダウンロードし、ディストリビューションの方法でインストールします

インストール後にアプリを起動し、ログインして設定画面に入ります。

## 設定手順

* **Settings**（設定）を開きます。
* **Models** または **AI Provider** エリアに入ります。
* **OpenAI Compatible** / **Custom Provider** / **Base URL** の上書きオプションを探します。
* aicentos コンソールで作成した API Key を入力します。
* Base URL を次に設定します：`https://aicentos.com/v1`
* モデルを手動追加する場合は、コンソール「モデル広場」のモデル名を入力します。
* 設定を保存します。

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

## テスト

保存後、新しい会話またはコーディングタスクを作成し、簡単なプロンプトでテストします。結果が正常に返れば接続成功です。

## 注意事項

* バージョンによって設定入口の名称が異なる場合があります。重要なのは編集可能な Base URL オプションを見つけることです
* Base URL は `/v1` まで入力し、`/v1/chat/completions` の完全なパスにはしないでください
* バージョンが公式内蔵モデルのみ対応で Base URL を変更できない場合、このゲートウェイに直接接続することはできません
* Verify が失敗したときは確認してください：キーに余分な空白がないか、モデルが利用可能か、アカウントの残高が十分か

---

# Droid

出典: https://docs.aicentos.com/ja/clients/droid

Language: ja

> Factory Droid で aicentos を使う —— settings.json でカスタムモデルを登録（BYOK）

Droid は Factory がリリースしたコマンドラインのコーディングエージェントで、BYOK に対応しています。`~/.factory/settings.json` にカスタムモデルを登録し、`baseUrl` を aicentos に向けるだけで使えます。Droid はモデルのコンテキストウィンドウが最低 64k 必要なので、選定時に注意してください。

## 準備

まずコンソールの「API キー」ページで、Droid 専用のキーを作成してください（名前は `droid` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目       | 値                             |
| -------- | ----------------------------- |
| 設定ファイル   | `~/.factory/settings.json`    |
| provider | `generic-chat-completion-api` |
| baseUrl  | `https://aicentos.com/v1`     |
| apiKey   | `${AICENTOS_API_KEY}`         |
| モデル      | コンソール「モデル広場」のモデル名             |

## 設定手順

### 1. API Key 環境変数の設定

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

`~/.zshrc` または `~/.bashrc` に書き込めば永続化できます。

### 2. settings.json の編集

`~/.factory/settings.json` を編集し、`customModels` 配列を追加します：

```json
{
  "customModels": [
    {
      "model": "gpt-4o",
      "displayName": "GPT-4o (aicentos)",
      "baseUrl": "https://aicentos.com/v1",
      "apiKey": "${AICENTOS_API_KEY}",
      "provider": "generic-chat-completion-api",
      "maxOutputTokens": 8192
    }
  ]
}
```

重要なフィールド：

| フィールド         | 説明                                                     |
| ------------- | ------------------------------------------------------ |
| `model`       | エンドポイントに実際に送るモデル ID。コンソール「モデル広場」と一致させてください             |
| `displayName` | モデルセレクターに表示される名前。カスタマイズできます                            |
| `baseUrl`     | API アドレス。`/v1` 付きを推奨します                                |
| `apiKey`      | `${VAR_NAME}` の展開に対応しています                              |
| `provider`    | `anthropic` / `openai` / `generic-chat-completion-api` |

### 3. モデルの選択

`droid` を起動したら `/model` を実行し、先ほど登録したモデルを選択します。**設定を変更した後は、新しいターミナルで `droid` を再起動する必要があります**。そうしてはじめてファイルが再読込されます。

## テスト

モデルを選んだら、簡単なリクエストを 1 つ送ります：

```
1+1 はいくつですか？一文で答えてください
```

正常に返れば接続成功です。

## 注意事項

* **`provider` には `generic-chat-completion-api` を指定することをおすすめします**。OpenAI Chat Completions プロトコルを使い、ほとんどの BYOK シナリオで正しい選択になります。`openai` を指定すると Responses API を使いますし、一部のゲートウェイではこの値が `base_url` を無視して直接 `api.openai.com` に向かいます。`anthropic` を指定すると `/v1/messages` を使います。
* **先に環境変数を整理してください**。shell で `ANTHROPIC_AUTH_TOKEN`、`ANTHROPIC_BASE_URL`、`ANTHROPIC_API_KEY` のいずれかを export していると、設定ファイルが上書きされ、リクエストが設定したゲートウェイを経由しなくなります。接続前にこれらの変数を `unset` しておくことをおすすめします。
* Droid は `~/.factory/settings.json` と旧形式の `~/.factory/config.json` を両方読み込み、前者が優先されます。旧形式のフィールド名はスネークケースの `custom_models` / `model_display_name` / `base_url` / `api_key` で、`${VAR_NAME}` の展開には**対応していません**。`settings.json` に統一することをおすすめします。
* モデルのコンテキストウィンドウは最低 64k 必要です。小さすぎるローカルモデルは動作が異常になることがあります。
* Factory がベンチマークを行っているのは公式の Anthropic / OpenAI インターフェースのみで、カスタムモデルの互換性は保証されません。サブエージェント（subagent）がときどき Anthropic 公式インターフェースにフォールバックすることが知られています。
* 切り分けの順序：`/model` にモデルが見えるか → 環境変数が ANTHROPIC\_\* に上書きされていないか → baseUrl に `/v1` が付いているか → 残高は十分か。

## 関連リンク

* BYOK 公式ドキュメント：[https://docs.factory.ai/model-independence/byok](https://docs.factory.ai/model-independence/byok)

---

# DSH 大肥魚（ビッグフィッシュ）

出典: https://docs.aicentos.com/ja/clients/dsh

Language: ja

> DeepSeek Harness（DSH）に aicentos のモデルを接続し、B 站と抖音を自分で巡回する大肥魚を飼い、QQ グループにも迎え入れる

DSH（DeepSeek Harness）は DeepSeek がオープンソースで公開している Agent フレームワークです。デスクトップ版の DSH Desktop は、ランタイム・プラグイン・セッションを 1 つのインストーラーにまとめています。「大肥魚」はコミュニティ製プラグイン `dsh-bili-whale` の通称で、生活リズムに従って自分で目を覚まし、B 站を見て回り、動画を理解し、2 冊の日記を書き、見る価値のあるものを @ で知らせてくれる AI の魚です。

本ページは 4 部構成です。まず DSH のモデルを aicentos に接続し、次に B 站の大肥魚、続いて抖音版、最後に公式プラグインで QQ の DM とグループにつなぎます。プラグインはそれぞれコミュニティとテンセントが保守しており、B 站・抖音・DeepSeek 公式とは関係ありません。

## 準備

| 項目               | 要件  | 説明                                                        |
| ---------------- | --- | --------------------------------------------------------- |
| DSH Desktop      | 必須  | 公式サイトから macOS / Windows のインストーラーを取得。ランタイム同梱               |
| Node.js          | 18+ | コマンドラインで DSH を起動する場合のみ必要。プラグインのツール群は `.mjs` で実際の node が必要 |
| ffmpeg           | 任意  | 「フレーム抽出して画面を見る」機能のみで使用。無くても字幕・弾幕・人気コメントで理解できる             |
| B 站アカウント         | 1 つ | 大肥魚自身が使うアカウント。ログイン後に cookie を取得。サブアカウント推奨                 |
| aicentos API Key | 1 つ | 専用 Key（`dsh` など）を作成するとプロジェクト別に使用量を追跡しやすい                  |

* コンソール：[https://aicentos.com](https://aicentos.com)
* Key の作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* ウォレットへのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| フィールド        | 値                         |
| ------------ | ------------------------- |
| Provider ID  | `aicentos`                |
| Display name | `aicentos`                |
| Base URL     | `https://aicentos.com/v1` |
| API protocol | `openai-completions`      |
| API Key      | コンソールで作成した Key            |
| Model        | コンソールの「モデル広場」にあるモデル名      |

## 設定手順

### DSH Desktop をインストールする

[https://www.dshdesktop.com/](https://www.dshdesktop.com/) を開き、OS に合ったインストーラー（Windows、macOS Apple シリコン、macOS Intel）を選んでダブルクリックでインストールします。初回起動時はガイドに従ってモデルを設定し、セッションを作成して、正常に応答が返ることを確認します。

### DSH に aicentos を接続する

画面からの設定を推奨します。

1. **Settings → Models** を開き、**Add a custom provider** をクリックします。
2. 上の表のとおり Provider ID、Display name、Base URL、API protocol、API Key を入力します。
3. **Model catalog** で **Fetch available models** をクリックし、使うモデルにチェックを入れます。取得できない場合はモデル ID を手入力します。
4. **Save** をクリックし、チャット画面に戻って上部のモデル選択でそのモデルを選びます。

`~/.dsh/settings.yaml` を直接編集しても構いません。

```yaml
agent-default-model:
  provider: aicentos
  model: 你的模型名

llm-pi-ai:
  providers:
    aicentos:
      api: openai-completions
      baseURL: https://aicentos.com/v1
      apiKeyEnv: AICENTOS_API_KEY
      models:
        - id: 你的模型名
```

環境変数を設定してから起動します。

```bash
export AICENTOS_API_KEY="sk-你的-API-Key"
```

API Key はローカルの `$DSH_HOME/.credentials.yaml` に保存され、画面には平文で表示されません。

### 大肥魚プラグインをインストールする

手動で clone する必要はありません。DSH のチャットに次の 1 行を送るだけです。

```bash
帮我安装这个插件，插件地址：https://github.com/Alterssss/dsh-bili-whale
```

完了したら DSH のページを再読み込みし、左側の **設定 → 養魚** を開くとプラグインの設定画面が表示されます。「養魚」の入口が見当たらない場合は、DSH を完全に終了してから開き直してください。プラグインは起動時に組み込まれるため、再起動しないとインストールしていないのと同じです。

### セッションに完全な権限を与える

ここが最も見落とされやすい手順です。彼女のセッションは左側の **ワークスペース → 未分類** の中にあり、そのフォルダを展開しないと見えません。セッションを開き、権限を **完全アクセス**（`danger-full-access`）に切り替えます。そうしないと、目を覚ましたあとにコマンドを実行できず、コメントも投稿できず、日記も書けません。

### B 站アカウントにログインする

**設定 → 養魚 → B 站ログイン** で **QR コードでログイン** をクリックし、スマートフォンの B 站アプリで読み取って承認します。QR コードの有効期限は約 3 分です。読み取りを中止したり期限切れになっても、既存のログイン状態は置き換わりません。

cookie を手動で貼ることもできます。大肥魚が使うアカウントでブラウザにログインし、F12 で開発者ツールを開き、**Application → Cookies → `https://www.bilibili.com`** を選び、`SESSDATA`、`bili_jct`、`buvid3` の 3 つをコピーして 1 つずつ貼り付け、**認証情報を書き込む** をクリックします。

cookie を `document.cookie` で取得しないでください。`SESSDATA` は HttpOnly のためスクリプトから読めず、その方法では欠けた cookie しか得られず、ヘルスチェックで止まります。

### 依存関係のヘルスチェック

設定画面の **依存関係チェック** をクリックします。実際に B 站へ 1 回リクエストしてログイン状態を検証し、cookie・ffmpeg・Node・データディレクトリ・生活リズムを 1 項目ずつ確認します。すべて緑（「すべて利用可能 ✓」）になって初めて合格です。

ffmpeg が無いと表示された場合、自分で導入記事を探す必要はありません。DSH のチャットで「この PC に ffmpeg をインストールして」と送れば処理してくれます。完了後にもう一度チェックを実行してください。

編集したら必ず **保存** をクリックしてください。入力欄はまずローカルで変更され、保存して初めてディスクに書き込まれます。画面にも「未保存の変更は反映されません」と表示されます。保存すれば即座に反映され、DSH の再起動が必要なのはプラグインのコードやバージョンを差し替えたときだけです。

### 人格と生活リズムを設定する

* **彼女は誰か**：キャラクター名、あなたの呼び方、彼女の自称。
* **彼女の人格**：本文は `~/.bili-ai/persona.md` に書き込まれ、書き終えたら **人格を注入** をクリックします（上限 20000 文字、注入時は先頭 3000 文字のみ。起床と監視のたびに添付されます）。
* **あなた（主人）**：`mid` を入力します。@ もダイレクトメッセージもこれで判定されます。
* **共有方法**：コメント欄で @ するか、B 站のダイレクトメッセージ。
* **活動時間帯**：既定は 20:00–24:00。その範囲内のランダムな時刻に目を覚まし、定刻ではありません。

プラグインに人格は内蔵されておらず、既定は中性的なアシスタントです（「主人」と呼ばず、甘えません）。「大肥魚」にしたい場合は、人格の本文に身元と由来、話し方、気にしていること、してはいけないことを明記してください。

## テスト

まずコマンドラインでセルフテストを実行します。設定・認証情報・ログイン状態・データディレクトリ・依存関係を一度に確認します。

```bash
node ~/.dsh/plugins/dsh-bili-whale/tools/bili.mjs selftest
```

Windows ではパスを `%USERPROFILE%\.dsh\plugins\dsh-bili-whale\tools\bili.mjs` に置き換えます。

```powershell
node "$env:USERPROFILE\.dsh\plugins\dsh-bili-whale\tools\bili.mjs" selftest
```

各項目にチェックが付き、最後に「全部通過 ✓ 可以用了」と出れば準備完了です。よく使うコマンド：

```bash
node ~/.dsh/plugins/dsh-bili-whale/tools/bili.mjs deps           # 依存関係チェック
node ~/.dsh/plugins/dsh-bili-whale/tools/bili.mjs dm --status    # DM の残量 + 相互フォロー状態
node ~/.dsh/plugins/dsh-bili-whale/tools/bili.mjs traffic status # リクエスト保護の設定値
```

すぐに 1 回動かしたい場合は、設定画面の **生活リズム** で活動時間帯を「今から 2 分後」の短い範囲に変更して保存し、彼女が目を覚ますのを待ちます（ヘルスチェック → 選題 → 理解 → 日記 2 冊 → あなたへ通知）。チャットで頼んで B 站を 1 回巡回させることもできます。

最後に aicentos コンソールの使用量ページを開き、リクエストが DSH 用に作成した Key に記録されていることを確認してください。

## 抖音（Douyin）に接続する

抖音版は同じ発想の別プロジェクト `dsh-douyin-scroll` です。画面は見ず、キャプション・タグ・投稿者・長さ・エンゲージメント数・人気コメントだけを読み、毎日数本を選んで Markdown のレポートを書きます。

### インストール

```bash
git clone https://github.com/NEWJO123/dsh-douyin-scroll.git
cd dsh-douyin-scroll
node selfcheck.mjs
```

プリチェックがすべて通ったら `web` profile にインストールし、DSH を 1 回再起動します。

```bash
dsh plugin --profile web add "link:$PWD"
```

再起動後、**設定 → 抖音を見る**（刷抖音）を開きます。

### 初回設定

1. **メイン依存関係をインストール** をクリックします。専用 venv を作り `curl_cffi` と `httpx` を導入します（約 30 秒、進捗は `install.log`）。
2. ログイン：`node tools/qr-login.mjs start` で QR を読み取るか、設定画面にログイン済みブラウザの Cookie を貼り付けます。
3. 「何を見るか」を設定：キーワード、カテゴリ、指定投稿者、1 日の本数、1 回の候補数。最後に **今すぐ 1 回実行** をクリックします。

Cookie はこの端末の `$DSH_HOME/douyin-duty/douyin_cookie.txt` に保存され、ログにも残らず、どこにも送信されません。

### できることと制限

| 項目    | 内容                                                          |
| ----- | ----------------------------------------------------------- |
| 判断材料  | キャプション、タグ、投稿者、長さ、エンゲージメント比、人気コメント。画面も音声も見ません                |
| 候補の取得 | 読み取り専用のおすすめフィードと急上昇。抖音の web には使える検索 API がなく、キーワードはレポートの注記のみ |
| レポート  | `out/<日付>.md` に出力。Windows 通知や webhook も選択可                  |
| 送信    | DM・共有カード・コメントは既定ですべて無効、実行には `confirm` が必要                   |
| グループ  | 作者の観察では「グループでは送れないことがある」程度。別アカウントでは異なる可能性あり                 |

プレーンテキストの URL は抖音内でクリックできないため、共有カードのみ有効です。DM・カード・コメントには Chrome が必要（`chrome.exe` のみ参照、Edge は不可）。候補取得とレポート作成には不要です。コメントを頻発するとレート制限にかかり、字幕がないため判定精度は B 站版より低くなります。

## QQ グループに接続する

QQ Bot には公式プラグイン `@tencent-connect/dsh-qqbot` があり、専用の `qqbot` profile に入れて QR を読み取るだけで、QQ のダイレクトメッセージとグループで会話できます。

```bash
npx @deepseek-ai/dsh plugin --profile qqbot add @tencent-connect/dsh-qqbot
npx @deepseek-ai/dsh --profile qqbot
```

初回起動時に案内に従って QR を読み取れば、鍵の手動設定は不要です。連携後は次のとおりです。

* **セッション分離**：各 DM・各グループが独立したコンテキストを持ち、混線せず、再起動後も自動で復元されます。
* **モデル切り替え**：チャット内で直接切り替えられ、既存のコンテキストは保持されます。
* **静かなモード**：「@ されたときだけ応答」に設定でき、グループへの頻繁な返信を防げます。

モデルは `qqbot` profile 側で設定します。同じく **Settings → Models → Add a custom provider** を開き、上の表のとおり aicentos を入力してください。複数の IM チャネルをまとめたい場合は、コミュニティ bundle の `dsh-im`（1 つの bundle で 10 チャネル、複数ボットとストリーミング応答に対応）も検討できます。

グループ内の会話はコンテキストとしてモデルに渡されるため、アカウントや鍵などの機密情報をグループで扱わせないでください。連携の認証情報はローカル profile に保存されるので、profile ディレクトリごと公開リポジトリに同期しないようにしてください。

## デスクトップペットとコメント欄の整理

いずれも任意のプラグインで、大肥魚とは別プロジェクトです。

| 用途                   | プロジェクト                                                                                 | インストール方法                                                                          |
| -------------------- | -------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------- |
| デスクトップ上の動く大肥魚        | [https://github.com/QCYTSN/dsh-dafeiyu](https://github.com/QCYTSN/dsh-dafeiyu)         | 同じく URL を DSH に送ってインストール。透明なネイティブウィンドウが現れ、ドラッグでき、タスク状態に応じてアニメーションが変わります           |
| コメント欄の AI 疑いアカウントを整理 | [https://github.com/liyupi/dafeiyu-cleaner](https://github.com/liyupi/dafeiyu-cleaner) | ブラウザ拡張：Releases の zip を解凍し、`chrome://extensions` を開いてデベロッパーモードを有効にし、解凍した拡張を読み込みます |

整理用の拡張は自分のブラウザ上でコメントを隠すだけで、誰かのコメントを削除せず、自動通報もしません。誤判定は元に戻せます。オフラインのルールによる検出率は約 85% で、これは 1 つのコメント欄で測った数値であり、別のコミュニティで同じとは限りません。

## 注意事項

* **自動コメントはまず有効にしない。** 既定は無効で、有効にしても 1 ラウンド 1 件・上限 20 件・同じ動画には 1 回だけです。それでも公開の場での連投は他人にとっての「魚災」になります。まずは B 站のダイレクトメッセージで自分に送る運用を推奨します。
* **DM 経路には 2 アカウント必要。** 共有方法に B 站のダイレクトメッセージを選ぶ場合、別々の 2 アカウントが相互フォロー（`relation.attribute === 6`）している必要があります。1 アカウントでも動画視聴・日記・レポート生成は使えますが、DM は実現できません。
* **認証はサブアカウントで。** プラグインはあなた自身のアカウントで発言します。メインアカウントの cookie を第三者プラグインに渡さず、出所不明のアカウントも購入しないでください。
* **レート制限に当たったら即停止。** 412 / 429、CAPTCHA、スロットリングが発生すると、プラグインは 5〜30 分停止して報告します。連続リトライは避けてください。署名付きエンドポイントでもプラットフォーム側の制限を回避できる保証はありません。
* **モデルは安価なものを選ぶ。** 毎日 5 件を選別し、2〜3 件を深読みし、日記を 2 冊書くため、1 ラウンドで複数回のリクエストが発生します。aicentos で単価が低くコンテキストが十分なモデルを選び（[対応モデル](https://docs.aicentos.com/ja/billing/models-list)参照）、DSH 専用の Key を作ってコストを把握してください。
* **ヘッドレスモードでは動かない。** Web UI を備えた DSH 上でなければ、`pending (waiting for services: sessionController, webServer, connection)` のまま止まります。
* 本プラグインは個人用ツールの公開版で、B 站および DeepSeek 公式とは関係ありません。自分のアカウントで実行する以上、結果は自己責任です。プラットフォームのコミュニティ規範を守ってください。

## 関連リンク

* [dsh-bili-whale プラグインリポジトリ](https://github.com/Alterssss/dsh-bili-whale)
* [dsh-douyin-scroll プラグインリポジトリ](https://github.com/NEWJO123/dsh-douyin-scroll)
* [QQ ボット公式ドキュメント](https://bot.qq.com/wiki/agent-qqbot/)
* [DSH Desktop 公式サイト](https://www.dshdesktop.com/)
* [DSH Desktop ソースコード](https://github.com/dataelement/dsh-desktop)
* [プラグインの変更履歴](https://github.com/Alterssss/dsh-bili-whale/blob/main/CHANGELOG.md)
* [aicentos の対応モデル](https://docs.aicentos.com/ja/billing/models-list)

---

# Freebuff

出典: https://docs.aicentos.com/ja/clients/freebuff

Language: ja

> Freebuff は API キーが不要で、カスタムエンドポイントの設定もありません —— 理由と代替手段を説明します

Freebuff の売りは「サブスクリプション不要、クレジット不要、API キー不要」で、モデルは内蔵カタログから提供され、コストは自社のアカウント体系が負担します。そのため**Base URL とキーの設定項目がなく**、aicentos に接続できません。

## 直接接続できない理由

公式 README には `No subscription, credits, or API key required` と明記されており、設定にも `baseUrl`、`apiKey` といったフィールドはありません。

デスクトップ版では、本機にインストール済みの Claude Code、Codex をホストし、それらのツール自身の provider アカウントを再利用できます。ただしモデルを決めているのは**ホストされる側の CLI** であり、Freebuff 自身のモデル設定ではありません。この経路で aicentos を使いたい場合は、ホストされる CLI 側で設定してください（[Claude Code](https://docs.aicentos.com/ja/clients/claude-code)、[Codex CLI](https://docs.aicentos.com/ja/clients/codex-cli) を参照）。

## 設定値

| フィールド    | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

上の表は aicentos 側の共通パラメーターで、以下の代替手段で使用します。

## 代替手段

* ターミナル型のコーディングエージェントが欲しい場合：[Craft Agent](https://docs.aicentos.com/ja/clients/craft-agent)、[Gajae Code](https://docs.aicentos.com/ja/clients/gajae-code)、[Oh My Pi](https://docs.aicentos.com/ja/clients/oh-my-pi)。
* まず無料枠で試したい場合：コンソールのトライアル枠を使い、モデルが合うと確認できてからカスタムエンドポイント対応のクライアントに移ります。
* デスクトップのシェルで別の CLI をホストしたいだけの場合：Claude Code / Codex CLI 側で aicentos を設定すれば済みます。

## テスト

いずれかの代替クライアントに切り替えたら、プロンプトを 1 つ送って疎通を確認し、コンソールに戻って使用量を照合します。

## 注意事項

* 「無料」はモデルを選べず、プロバイダーも替えられないという意味です。「設定可能」という前提で設定項目を探さないでください。
* 公式の説明では、一部の制限地域や VPN 利用時にレート制限がかかるとされています。

## 関連リンク

* [Freebuff CLI](https://freebuff.com/cli)
* [freebuff リポジトリ](https://github.com/CodebuffAI/freebuff)

---

# Fx

出典: https://docs.aicentos.com/ja/clients/fx

Language: ja

> Fx で aicentos を使う —— ユーザーレベルの settings.json でカスタムモデル接続を追加

Fx は Vercel Labs 製のコーディングエージェントで、Zig で書かれた単一のネイティブバイナリとして提供され、モデル非依存です。カスタムモデル接続はユーザーレベルの `~/.fx/settings.json` に定義し、Base URL を aicentos に向けるだけで使えます。

**まずハマりやすいポイントを説明します：** プロジェクトルートの `.fx.json` は別物です。これはクローンしてきたリポジトリにモデルやエンドポイントを勝手に差し替えられないよう、意図的にほとんどのフィールド（モデルを含む）を禁止しています。**カスタムエンドポイントは必ず `~/.fx/settings.json` に書いてください**。`.fx.json` に書いても効果がありません。

## 準備

まずコンソールの「API キー」ページで、Fx 専用のキーを作成してください（名前は `fx` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

Fx がインストール済みか確認します：

```bash
curl -fsSL https://fx.sh/setup.sh | bash
fx --version
```

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| 設定ファイル   | `~/.fx/settings.json`     |
| Base URL | `https://aicentos.com/v1` |
| API Key  | コンソールで作成したキー              |
| モデル      | コンソール「モデル広場」のモデル名         |

## 設定手順

### 1. ユーザーレベル設定の編集

`~/.fx/settings.json` に「カスタムモデル接続」の形式で接続を 1 つ登録します。接続オブジェクトのフィールド構成は公式ドキュメントを基準にしてください：

* ドキュメント入口：[https://fx.sh/docs](https://fx.sh/docs)
* README：[https://github.com/vercel-labs/fx](https://github.com/vercel-labs/fx)

接続内の API アドレスには次を入力します：

```
https://aicentos.com/v1
```

API Key にはコンソールで作成したものを入力し、モデル名はコンソール「モデル広場」を基準にします。

### 2. その接続を使用するよう指定

Fx では起動時に provider とモデルを指定できます：

```bash
fx provider local FX_MODEL=gpt-4o fx ask "1+1 はいくつですか？一文で答えてください"
```

環境変数で指定することもできます：

```bash
export FX_MODEL="gpt-4o"
```

### 3. 現在の provider の確認

Fx は provider ごとに選択を記憶し、次回起動時には前回の provider を引き継ぎます。

## テスト

まず副作用のないプロンプトで疎通を確認します：

```bash
fx ask "1+1 はいくつですか？一文で答えてください"
```

正常に返れば接続成功です。認証エラーが出た場合は、Base URL に `/v1` が付いているか、API Key に余分な空白がないかを先に確認してください。

## 注意事項

* **`.fx.json` を変更しないでください**。プロジェクトレベルのファイルには `provider_order`、`provider_strict` など少数のフィールドしか許可されておらず、`model` フィールドもなく、カスタムエンドポイントの設定にも使われません。
* `provider_order` / `provider_strict` は Vercel AI Gateway のルーティングパラメータで、**Gateway へのリクエストにのみ有効で、カスタムモデル接続はこれらを無視します**。これで上流を切り替えようとしないでください。
* Fx 公式のカスタムモデル接続サポートはまだ発展途上で、古いバージョンでは認識に新しいビルドが必要な場合があります。アップグレード後、本格利用の前に上記のテストコマンドを一度実行してください。
* このバイナリのインストールスクリプトはネットワークから取得します。実行前にソースの信頼性を各自で確認してください。

## 関連リンク

* プロジェクトホームページ：[https://github.com/vercel-labs/fx](https://github.com/vercel-labs/fx)

---

# Gajae Code

出典: https://docs.aicentos.com/ja/clients/gajae-code

Language: ja

> Gajae Code（gjc）で aicentos に接続する —— models.yml に OpenAI 互換 provider を 1 つ追加

Gajae Code の provider は `~/.gjc/agent/models.yml` で定義され、フィールドは `baseUrl` / `api` / `apiKey` です。1 ブロック追加すれば aicentos に向けられます。

## 準備

まずコンソールで Gajae Code 専用のキーを作成し（`gajae-code` という名前を推奨）、そのあと CLI をインストールします：

```bash
curl -fsSL https://raw.githubusercontent.com/Yeachan-Heo/gajae-code/v0.15.3/scripts/install.sh -o gjc-install.sh
sh gjc-install.sh
gjc --version
```

## 設定値

| フィールド                    | 値                         |
| ------------------------ | ------------------------- |
| provider 名               | 任意。例：`aicentos`           |
| `baseUrl`                | `https://aicentos.com/v1` |
| `api`                    | `openai-completions`      |
| `apiKey` または `apiKeyEnv` | キーを直接書くか、環境変数名を書く         |
| `models[].id`            | コンソール「モデル広場」のモデル名         |

## 設定手順

`~/.gjc/agent/models.yml` を編集します：

```yaml
providers:
  aicentos:
    baseUrl: https://aicentos.com/v1
    api: openai-completions
    apiKeyEnv: AICENTOS_API_KEY
    discovery:
      type: openai-models-list
    models:
      - id: あなたのモデル名
        contextWindow: 128000
        maxTokens: 8192
```

デフォルトモデルをそこに向けます：

```yaml
modelBindings:
  modelRoles:
    default: aicentos/あなたのモデル名:high
```

そのうえでキーをエクスポートして起動します：

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
gjc
```

`discovery` セクションがあるとモデル一覧を自動取得します。表示するモデルを手動で制御したい場合は、このセクションを削除して `models` だけを残してください。

## テスト

`gjc` を起動し、モデルセレクターに `aicentos` 配下のモデルが表示されることを確認して、プロンプトを 1 つ送って返答があるかを確かめます。一覧が空の場合は、まず `models.yml` のインデントと `discovery` セクションを確認してください。

## 注意事項

* `models.yml` は厳格に検証され、未知のフィールドはそのままエラーになります。他のツールから `api_key`、`base_url` のようなスネークケースの書き方をそのままコピーしないでください。ここではキャメルケースの `baseUrl`、`apiKey` が要求されます。
* `contextWindow` と `maxTokens` は実際のモデルに合わせて記入してください。大きすぎる値を書くと上流で拒否されます。
* `modelRoles.default` の `:high` は推論強度のサフィックスです。必要に応じて他の段階に変えるか、削除してください。
* プロジェクトは experimental を自称しており、アップグレードでフィールドが変わる可能性があります。リポジトリの `docs/models.md` を基準にしてください。

## 関連リンク

* [gajae-code リポジトリ](https://github.com/Yeachan-Heo/gajae-code)

---

# Gemini CLI

出典: https://docs.aicentos.com/ja/clients/gemini-cli

Language: ja

> Gemini CLI で aicentos を使う —— 環境変数によるカスタムゲートウェイの設定

Gemini CLI は Google が公式にリリースしたコマンドラインツールで、環境変数によるカスタムゲートウェイの設定を通じて Codex Proxy サービスに接続でき、ターミナル内で Gemini モデルと対話できます。

## 準備

Gemini CLI は npm でグローバルインストールするため、先に Node.js 18+ と npm 環境を用意する必要があります。

### Node.js のインストール

* Node.js 公式サイトのダウンロードページにアクセスします：[https://nodejs.org/en/download](https://nodejs.org/en/download)
* macOS/Windows：LTS バージョンをダウンロードしてインストール
* Linux：そのページに記載のディストリビューションごとの方法でインストール
* macOS（Homebrew ユーザー）：`brew install node` を実行

### インストールの確認

```bash
node -v
npm -v
```

## Gemini CLI のインストール

npm でグローバルインストールします：

```bash
npm install -g @google/gemini-cli
```

インストールの確認：

```bash
gemini --version
```

## 環境変数の設定

Gemini CLI は以下の 3 つの環境変数でカスタムゲートウェイに接続できます：

| 環境変数                     | 説明                                             |
| ------------------------ | ---------------------------------------------- |
| `GOOGLE_GEMINI_BASE_URL` | ゲートウェイサービスのルートアドレス。Google のデフォルトエンドポイントを置き換えます |
| `GEMINI_API_KEY`         | あなたの API Key                                   |
| `GEMINI_MODEL`           | デフォルトで使うモデル                                    |

### 設定例

```bash
export GOOGLE_GEMINI_BASE_URL="https://aicentos.com"
export GEMINI_API_KEY="your_api_key_here"
export GEMINI_MODEL="gemini-2.0-flash"
```

### 注意事項

* `GOOGLE_GEMINI_BASE_URL` にはサービスのルートアドレスを入力し、具体的な API パスは不要です
* 一時的なテスト：現在の shell セッションで上記の export コマンドを直接実行します
* 永続化：export 文を `~/.zshrc` または `~/.bashrc` に追記し、`source ~/.zshrc` を実行して反映させます

## Gemini CLI の起動

設定が完了したら、次のコマンドでそのまま起動します：

```bash
gemini
```

起動後、ターミナル内で Gemini モデルと対話できるようになります。

## 接続の確認

Gemini CLI 内で会話を 1 回開始し、正常に返信が受け取れれば接続成功です。

### よくある問題のトラブルシューティング

* 認証エラーが発生した場合は、`GEMINI_API_KEY` が正しいか確認してください
* `GOOGLE_GEMINI_BASE_URL` が正しいサービスアドレスを向いているか確認してください

## 注意事項

* 現在のサービスは Gemini 互換インターフェースに対応しており、Gemini CLI にそのまま使えます
* 環境変数の設定は、永続化のために shell 設定ファイルに追記することをおすすめします
* Gemini CLI は API パスを自動で連結するため、BASE\_URL に具体的な API パスを追加する必要はありません

## 関連リンク

* 公式ドキュメント：[https://docs.aicentos.com/clients/gemini-cli.html](https://docs.aicentos.com/clients/gemini-cli.html)

---

# Goose

出典: https://docs.aicentos.com/ja/clients/goose

Language: ja

> Goose で aicentos を使う —— カスタム OpenAI 互換 provider の宣言

Goose は Block がオープンソース化したコーディングエージェントで、OpenAI 互換エンドポイントを指す方法を 2 つサポートしています。内蔵の `openai` provider を流用して host を書き換えるか、独立したカスタム provider を宣言するかです。後者をおすすめします。エンドポイント情報がまとまり、複数の設定を併存させやすくなります。

## 準備

まずコンソールの「API キー」ページで、Goose 専用のキーを作成してください（名前は `goose` のようにすると使用量の追跡に便利です）：

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目                 | 値                                                |
| ------------------ | ------------------------------------------------ |
| カスタム provider ファイル | `~/.config/goose/custom_providers/aicentos.json` |
| engine             | `openai`                                         |
| base\_url          | `https://aicentos.com/v1/chat/completions`       |
| api\_key\_env      | `AICENTOS_API_KEY`                               |
| モデル                | コンソール「モデル広場」のモデル名                                |

## 設定手順

### 1. API Key 環境変数の設定

```bash
export AICENTOS_API_KEY="sk-あなたの-API-Key"
```

`~/.zshrc` または `~/.bashrc` に書き込めば永続化できます。**キーを config.yaml に書かないでください**。公式は環境変数またはシステムのキーチェーンを使うことを明確に推奨しています。

### 2. カスタム provider の宣言

`~/.config/goose/custom_providers/aicentos.json` を新規作成します（Windows は `%APPDATA%\Block\goose\config\custom_providers\`）：

```json
{
  "name": "aicentos",
  "engine": "openai",
  "display_name": "aicentos",
  "description": "aicentos が接続するモデル",
  "api_key_env": "AICENTOS_API_KEY",
  "base_url": "https://aicentos.com/v1/chat/completions",
  "models": [
    {
      "name": "gpt-4o",
      "context_limit": 128000
    }
  ],
  "supports_streaming": true,
  "dynamic_models": true
}
```

必須フィールドは `name`、`engine`、`display_name`、`base_url`、`models` です。`engine` には `openai` / `anthropic` / `ollama` を指定できます。

モデル名はコンソール「モデル広場」を基準に、[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます。

### 3. config.yaml でデフォルトに設定

`~/.config/goose/config.yaml` を編集します：

```yaml
GOOSE_PROVIDER: aicentos
GOOSE_MODEL: gpt-4o
```

Goose は起動時に `custom_providers/` ディレクトリを走査して自動登録するため、その後は GUI 内で切り替えることもできます。

## テスト

まず非対話セッションで検証します：

```bash
goose run -t "1+1 はいくつですか？一文で答えてください"
```

正常に返れば接続成功です。

## 注意事項

* **`base_url` は完全なパスまで書いてください**（ここでは `/v1/chat/completions` 付き）。多くのクライアントの書き方とは異なります。パスを明示的に指定したい場合、新しいバージョンでは `base_path` フィールドにも対応しており、こちらの優先度は URL の解析より高くなります。
* **環境変数は config.yaml より優先されます**。shell で `OPENAI_HOST` を export していると、ファイル内の設定が黙って上書きされます。切り分けるときは先に `env | grep -i openai` を実行してください。
* provider を選択しない限り、Goose は正常に起動しません。`config.yaml` に設定を書いただけで `goose configure` を一度も実行していないと、`No provider configured` と出ることがあります —— よくある誤解です。設定項目自体は YAML 形式であり、`.env` ではありません。
* `dynamic_models: true` のとき、Goose はエンドポイントの `/v1/models` を呼び出してモデル一覧を取得します。特定のモデルだけを公開したい場合は、このフィールドを削除するか `false` にしてください。
* もう 1 つの簡易な方法は内蔵 provider の流用です：config.yaml で `GOOSE_PROVIDER: openai` を設定し、`OPENAI_HOST` と `OPENAI_BASE_PATH` でエンドポイントを組み立てます。手間は少ないですが、環境変数との結合が強く、上記の上書き問題に引っかかりやすい点に注意してください。
* 切り分けの順序：provider 名と JSON ファイル名が完全一致しているか → `base_url` に完全なパスが含まれているか → 環境変数が見えているか → 残高は十分か。

## 関連リンク

* カスタム Provider ドキュメント：[https://block.github.io/goose/docs/api/providers/custom](https://block.github.io/goose/docs/api/providers/custom)

---

# Grok Build

出典: https://docs.aicentos.com/ja/clients/grok-build

Language: ja

> Grok Build で aicentos に接続する —— config.toml で model provider をカスタマイズ

Grok Build は xAI のターミナル向けコーディング Agent で、デフォルトでは xAI 公式インターフェースを呼び出しますが、`~/.grok/config.toml` に任意の OpenAI 互換 `[model.*]` エンドポイントを宣言できます。エンドポイントを aicentos に向ければ、同じ Key で grok 系列や他ベンダーのモデルを呼び出せます。

## 準備

* Grok Build をインストールします（公式スクリプト）：

  ```bash
  curl -fsSL https://x.ai/cli/install.sh | bash
  ```

* aicentos コンソールで専用のキーを 1 つ作成します（名前は `grok-build` がおすすめです）。

## 設定値

| 項目              | 値                                                  |
| --------------- | -------------------------------------------------- |
| base\_url       | `https://aicentos.com/v1`                          |
| api\_backend    | `chat_completions`（デフォルト値）                         |
| env\_key        | `AICENTOS_API_KEY`                                 |
| model           | コンソール「モデル広場」のモデル ID。例：`grok-4.7`、`claude-opus-4-8` |
| context\_window | 選択したモデルに応じて入力。例：`200000`                           |

## 設定手順

* キーを shell の環境変数に書き込みます（`~/.zshrc` または `~/.bashrc` に書き、`source` で反映します）：

  ```bash
  export AICENTOS_API_KEY="your_api_key_here"
  ```

* `~/.grok/config.toml` を編集し、カスタムモデルを 1 つ追加します：

  ```toml
  [models]
  default = "aicentos-grok"

  [model.aicentos-grok]
  base_url          = "https://aicentos.com/v1"
  env_key           = "AICENTOS_API_KEY"
  api_backend       = "chat_completions"
  context_window    = 200000
  max_completion_tokens = 8192
  description       = "aicentos gateway - grok-4.7"
  ```

  `[model.<name>]` の `<name>` がそのままモデル ID になります。複数のモデルを接続したい場合、たとえば `grok-4.7` と `claude-opus-4-8` なら、`[model.grok-4.7]`、`[model.claude-opus-4-8]` のセクションをそれぞれ追加します。

* Grok Build を起動し、モデルセレクターまたはコマンドで切り替えます：

  ```bash
  grok
  /model aicentos-grok
  ```

## テスト

まずモデルが認識されているか一覧表示します：

```bash
grok models
```

次に軽いプロンプトを 1 つ送り（例：`grok -p "現在のディレクトリを一文で紹介して" -m aicentos-grok`）、正常に返ることを確認します。

## 注意事項

* Grok Build には **`--base-url` のコマンドライン引数がありません**。カスタムエンドポイントは設定ファイルか環境変数で指定します。
* `api_backend` のデフォルトは `chat_completions` です。明示的に `responses` や `messages` と書く場合は、ゲートウェイが対応するエンドポイントをサポートしているか確認してください。対応していないと失敗します。
* 認証情報の解決順序は：モデル設定の `api_key` → `env_key` で指定した環境変数 → ログイン済みセッショントークン → グローバルの `XAI_API_KEY` です。ここでは `env_key` で自分の変数名を参照すればよく、xAI 公式アカウントに混ざることはありません。
* 新規モデルで `context_window` を省略すると、Grok Build はデフォルトで 200,000 として扱います。選択したモデルに応じて明示的に入力することをおすすめします。
* カスタムエンドポイントに接続すれば xAI のサブスクリプションには依存しませんが、選択されたモデルの課金は引き続き aicentos 側で行われます。先に[ウォレットページ](https://aicentos.com/wallet)で残高を確認してください。

---

# Grok CLI

出典: https://docs.aicentos.com/ja/clients/grok-cli

Language: ja

> Grok CLI で aicentos を使う —— 環境変数または設定ファイルによる接続

Grok CLI はコマンドラインツールで、OpenAI 互換インターフェースを使用しており、カスタム API アドレスをバックエンドサービスとしてそのまま接続できます。

## 準備

先に Node.js 18+ と npm をインストールする必要があります。

Node.js の公式ダウンロードページからのインストールをおすすめします：[https://nodejs.org/en/download](https://nodejs.org/en/download)

* macOS/Windows：LTS バージョンをダウンロードしてインストール
* Linux：ディストリビューションごとの方法でインストール

macOS ユーザーは Homebrew も使えます：

```bash
brew install node
```

インストール完了後、次で確認します：

```bash
node -v
npm -v
```

## Grok CLI のインストール

npm でグローバルインストールします：

```bash
npm install -g @vibe-kit/grok-cli
```

インストール完了後、次で検証します：

```bash
grok --version
```

## 接続設定

Grok CLI には 3 つの設定方法があり、優先順位は：コマンドライン引数 > 環境変数 > 設定ファイル です。

### 方法 1：環境変数（推奨）

以下の環境変数を設定します：

```bash
export GROK_BASE_URL="https://aicentos.com/v1"
export GROK_API_KEY="your_api_key_here"
```

一時的なテストなら、現在の shell で export を実行するだけで OK です。永続化するには上記の文を `~/.zshrc` または `~/.bashrc` に追記し、`source ~/.zshrc` を実行して反映させます。

### 方法 2：設定ファイル

`~/.grok/user-settings.json` を編集します：

```json
{
  "apiKey": "your_api_key_here",
  "baseURL": "https://aicentos.com/v1",
  "defaultModel": "gpt-4o"
}
```

### 方法 3：コマンドライン引数

起動時に引数で指定します：

```bash
grok --base-url https://aicentos.com/v1
```

## 起動と利用

設定が完了したら、そのまま実行します：

```bash
grok
```

起動後に Grok CLI で会話を始め、正常に返信が受け取れれば接続成功です。

## 検証とトラブルシューティング

認証エラーが発生した場合は、以下を確認してください：

* `GROK_API_KEY` が正しいか
* `GROK_BASE_URL` / `baseURL` が正しいサービスアドレスを向いているか（`/v1` の接尾辞が必要です）

設定に問題がないことを確認したら、再起動すれば OK です。

## 注意事項

* Grok CLI は OpenAI 互換インターフェースを使用しており、設定はシンプルで直感的です
* 3 つの設定方法から柔軟に選択でき、環境変数方式がおすすめです
* API アドレスには `/v1` の接尾辞が必須です
* デフォルトモデルのカスタマイズに対応しています

## 関連リンク

* 公式ドキュメント：[https://docs.aicentos.com/clients/grok-cli.html](https://docs.aicentos.com/clients/grok-cli.html)

---

# Hermes Agent

出典: https://docs.aicentos.com/ja/clients/hermes-agent

Language: ja

> Hermes Agent で aicentos を使う —— 環境変数で OpenAI 互換エンドポイントを指定

Hermes Agent は環境変数からモデルサービスの接続情報を読み取ります。Base URL を aicentos に向ければ、Agent のすべての推論リクエストを aicentos が接続しているモデルで処理できます。

## 準備

まずコンソールの「API Key」ページで Hermes Agent 専用のキーを作成します（名前は `hermes-agent` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

## 設定値

| 項目                | 値                         |
| ----------------- | ------------------------- |
| OPENAI\_BASE\_URL | `https://aicentos.com/v1` |
| OPENAI\_API\_KEY  | コンソールで作成したキー              |
| Model             | コンソール「モデル広場」のモデル名         |

## 設定手順

Agent を実行するのと同じ shell で設定します：

```bash
export OPENAI_BASE_URL="https://aicentos.com/v1"
export OPENAI_API_KEY="sk-あなたのキー"
export OPENAI_MODEL="gpt-4o"
```

その後、普段どおりの方法で Hermes Agent を起動します。永続化するには、上記の `export` を `~/.zshrc` または `~/.bashrc` に書き込み、再度 `source` してください。

Hermes Agent が独自の設定ファイルを提供している場合は、そこに base\_url / api\_key / model を指定しても同じ効果が得られます。両方が同時に存在する場合は、そのツール自体の優先順位に従います（通常は環境変数の方が高くなります）。

## テスト

起動後、最も簡単な推論を 1 回実行し（たとえば常識の質問に答えさせる）、返信が届くことを確認します。そのうえで、コンソールの使用量ページを見て、リクエストが確かに Hermes Agent 用に作成したキーに記録されているか確認してください。

## 注意事項

* 環境変数は Agent を起動する shell セッションから見える必要があります。別の shell に書いても有効になりません。
* Docker でデプロイする場合は、`-e` または compose の `environment` で変数をコンテナに渡してください。ホスト側に書くだけでは効果がありません。
* Base URL は `/v1` まで入力します。
* 一部の Agent フレームワークは `OPENAI_API_BASE` を優先して読みます。上記の変数が効かない場合は、別の綴りの同名変数を追加して再試行してください。
* Agent ごとに個別のキーを作成すると、プロジェクト別に使用量を集計できて便利です。

---

# Hindsight

出典: https://docs.aicentos.com/ja/clients/hindsight

Language: ja

> Hindsight のメモリサービスに aicentos のモデルを設定する —— 環境変数 4 つで完了、OpenAI 互換

Hindsight はオープンソースの agent メモリシステムで、セルフホストサービス、HTTP / MCP インターフェース、SDK、CLI を提供します。それ自体はチャットクライアントではありませんが、**メモリの抽出に 1 つの LLM を使う**ため、その LLM を aicentos に向けられます。

## 準備

まずコンソールで Hindsight 専用のキーを作成します（`hindsight` という名前を推奨）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* ウォレットのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

Hindsight のサーバー側には PostgreSQL 14 以上が必要です。同梱の `pg0` は開発向けのみなので、本番環境では自前のインスタンスに接続してください。

```bash
pip install hindsight-api
```

## 設定値

| 環境変数                         | 値                         |
| ---------------------------- | ------------------------- |
| `HINDSIGHT_API_LLM_PROVIDER` | `openai`                  |
| `HINDSIGHT_API_LLM_BASE_URL` | `https://aicentos.com/v1` |
| `HINDSIGHT_API_LLM_API_KEY`  | コンソールで作成したキー              |
| `HINDSIGHT_API_LLM_MODEL`    | コンソール「モデル広場」のモデル名         |

## 設定手順

起動環境に書き込むだけで、コードの変更は不要です：

```bash
export HINDSIGHT_API_LLM_PROVIDER="openai"
export HINDSIGHT_API_LLM_BASE_URL="https://aicentos.com/v1"
export HINDSIGHT_API_LLM_API_KEY="sk-あなたの-API-Key"
export HINDSIGHT_API_LLM_MODEL="あなたのモデル名"

hindsight-api
```

Docker でデプロイする場合は、これらの変数を compose の `environment` に入れます。公式イメージには `llama.cpp` が含まれていないため、コンテナ内でローカルモデルを動かすことは期待しないでください。

## テスト

```bash
curl -fsSL https://hindsight.vectorize.io/get-cli | bash
hindsight health
```

サービスが起動したらメモリを 1 件書き込み、それを検索で取り戻せれば、LLM 呼び出しが正常だとわかります。コンソールの使用量を直接確認する方法もあります。Hindsight はメモリを 1 回抽出するたびに 1 リクエストを発生させます。

## 注意事項

* `BASE_URL` は `/v1` で終わる必要があり、上流が `/chat/completions` を提供できる必要があります。`https://aicentos.com` と書くと 404 になります。
* LLM のキーが未設定の場合、サービスは起動を拒否します。これは強制チェックによるもので、キーの記入ミスではありません。
* メモリ抽出はバックグラウンドのバッチ処理なので、使用量はメモリ件数に応じて増えます。Hindsight 専用のキーを用意すると観察しやすくなります。
* `HINDSIGHT_API_LLM_PROVIDER` に `openai` を指定するのは OpenAI 互換プロトコルを使うという意味で、OpenAI のモデルしか使えないという意味ではありません。

## 関連リンク

* [Hindsight モデル設定](https://hindsight.vectorize.io/developer/models)
* [hindsight リポジトリ](https://github.com/vectorize-io/hindsight)

---

# Jcode

出典: https://docs.aicentos.com/ja/clients/jcode

Language: ja

> Jcode で aicentos を使う —— 設定ファイルで OpenAI 互換エンドポイントを指定

Jcode は設定ファイルで OpenAI 互換の API サービスを指定できます。Base URL を aicentos に向けて API Key を入力すれば、Jcode 内で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Jcode 専用のキーを作成します（名前は `jcode` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| Provider | OpenAI Compatible         |
| Base URL | `https://aicentos.com/v1` |
| API Key  | コンソールで作成したキー              |
| Model    | コンソール「モデル広場」のモデル名         |

## 設定手順

* Jcode の設定ファイルを開きます（通常はユーザー設定ディレクトリ以下の `~/.jcode/config.json` のような場所にあります）。
* OpenAI 互換の provider エントリを 1 つ追加します。
* `baseURL` / `baseUrl` には：`https://aicentos.com/v1`
* `apiKey` にはコンソールで作成したキーを入力します。
* `model` にはコンソール「モデル広場」のモデル名を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。
* 保存後に Jcode を再起動すると、設定が有効になります。

参考構造：

```json
{
  "provider": "openai",
  "baseUrl": "https://aicentos.com/v1",
  "apiKey": "sk-あなたのキー",
  "model": "gpt-4o"
}
```

お使いのバージョンが `~/.config/jcode/config.json` に設定を置く場合は、そのパスにある同名ファイルを編集してください。

## テスト

再起動後に新しいセッションを作成し、簡単なプロンプトを 1 つ送ります。正常に返れば接続成功です。

## 注意事項

* 設定項目の名前（`baseUrl` / `base_url`）はバージョンによって異なる場合があります。お使いのローカル設定テンプレートのフィールド名を基準にしてください。
* Base URL は `/v1` まで入力し、完全なインターフェースパスに補わないでください。
* Jcode のバージョンによってはカスタム Base URL の入口が提供されておらず、その場合はサードパーティのエンドポイントに接続できません。カスタム Base URL に対応した他のクライアントをご利用ください。
* キーはバージョン管理にコミットしないでください。必要に応じて環境変数で参照します。

---

# Junie

出典: https://docs.aicentos.com/ja/clients/junie

Language: ja

> Junie CLI でカスタムモデル Profile を使って aicentos に接続する

Junie は JetBrains のコーディングエージェントで、IDE プラグインと Junie CLI の 2 つの形態があります。**カスタムエンドポイントに対応しているのは Junie CLI のみ**です。`$JUNIE_HOME/models/` 以下の JSON profile を通じて、任意の OpenAI 互換サービスに接続できます。IDE プラグインは現在、カスタムエンドポイントに向けることができません。

## 準備

まずコンソールの「API Key」ページで Junie 専用のキーを作成します（名前は `junie-cli` がおすすめです）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目                             | 値                                          |
| ------------------------------ | ------------------------------------------ |
| `baseUrl`                      | `https://aicentos.com/v1/chat/completions` |
| `apiType`                      | `OpenAICompletion`                         |
| `apiKey`                       | コンソールで作成したキー（`${ENV_VAR}` 参照に対応）           |
| `id`                           | コンソール「モデル広場」のモデル名                          |
| `displayName` / `providerName` | 任意。例：`aicentos`                            |

注意：Junie の profile は多くのクライアントと逆で、`baseUrl` には**完全なエンドポイント**を入力し、必ず `/chat/completions` で終わる必要があります。Junie はパスを自動補完しません。

## 設定手順

* profile ファイルを作成します（ファイル名から `.json` を除いたものが profile 識別子になります）：
  * ユーザーレベル：`~/.junie/models/aicentos.json`（`$JUNIE_HOME` のデフォルトは `~/.junie`）
  * プロジェクトレベル：`<プロジェクトルート>/.junie/models/aicentos.json`（プロジェクトが信頼済みである必要があります）
* 次の内容を書き込みます：

```json
{
  "id": "gpt-5",
  "baseUrl": "https://aicentos.com/v1/chat/completions",
  "apiType": "OpenAICompletion",
  "apiKey": "${AICENTOS_API_KEY}",
  "displayName": "aicentos GPT",
  "providerName": "aicentos",
  "fasterModel": { "id": "gpt-5-mini" }
}
```

* 環境変数をエクスポートします：

```bash
export AICENTOS_API_KEY="sk-あなたのaicentosキー"
```

* 起動時に profile を指定するか、対話画面で `/model` から選択します：

```bash
junie --model custom:aicentos
```

## テスト

起動後、まず簡単なプロンプトで軽くテストし、結果が正常に返ることを確認してから agentic ワークフローを本格的に使い始めます。

## 注意事項

* **JetBrains IDE プラグインはカスタムエンドポイントに対応していません**。この profile は Junie CLI でのみ有効です。
* `baseUrl` は完全なエンドポイント（`/v1/chat/completions` を含む）である必要があります。Base URL だけ入力すればよい多くのクライアントとは異なります。
* `apiKey` と `extraHeaders` 内の `${VAR}` は profile のロード時に解決されます。環境変数が未設定だと profile のロードに失敗します。
* プロジェクトレベルの profile はプロジェクトの信頼制限を受けます。未信頼のプロジェクトでは `Unknown custom model profile` が報告されます。
* 小さいモデルは Junie のマルチステップのツール呼び出しや長いコンテキストのタスクに不向きです。能力の高いモデルを選ぶことをおすすめします。
* 詳しくはドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# Kilo CLI

出典: https://docs.aicentos.com/ja/clients/kilo-cli

Language: ja

> Kilo コマンドラインツールで設定ファイルを使って aicentos に接続する

Kilo CLI は JSON / JSONC の設定ファイルで Provider とモデルを宣言し、`@ai-sdk/openai-compatible` で任意の OpenAI 互換エンドポイントに接続できるため、aicentos に直接接続できます。

## 準備

まずコンソールの「API Key」ページで CLI 用の専用キーを作成します（名前は `kilo-cli` がおすすめです）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

あわせて、Kilo CLI がグローバルインストール済みか確認します：

```bash
npm install -g @kilocode/cli
```

## 設定値

| 項目                               | 値                                      |
| -------------------------------- | -------------------------------------- |
| Provider パッケージ（`npm`）            | `@ai-sdk/openai-compatible`            |
| `options.baseURL`                | `https://aicentos.com/v1`              |
| `options.apiKey`                 | コンソールで作成したキー（`{env:VAR}` 参照が可能）        |
| モデル参照（トップレベルの `model`）           | `provider/model` 形式。例：`aicentos/gpt-5` |
| `limit.context` / `limit.output` | 選択したモデルに応じて入力                          |

## 設定手順

* グローバル設定ファイルを新規作成または編集します：
  * `~/.config/kilo/kilo.json`（または `kilo.jsonc`）。`XDG_CONFIG_HOME` が設定されている場合はそのディレクトリが優先されます。
  * プロジェクトレベルの `./kilo.jsonc` は、グローバル設定の同名項目を上書きします。
* 次の内容を書き込みます：

```json
{
  "$schema": "https://app.kilo.ai/config.json",
  "model": "aicentos/gpt-5",
  "provider": {
    "aicentos": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "aicentos",
      "options": {
        "baseURL": "https://aicentos.com/v1",
        "apiKey": "{env:AICENTOS_API_KEY}"
      },
      "models": {
        "gpt-5": {
          "name": "GPT-5",
          "limit": { "context": 128000, "output": 16384 }
        }
      }
    }
  }
}
```

* 環境変数をエクスポートします：

```bash
export AICENTOS_API_KEY="sk-あなたのaicentosキー"
```

* プロジェクトディレクトリで `kilo` を実行するか、対話画面で `/model` からモデルを切り替えます。

## テスト

起動後、まず簡単なプロンプトで軽くテストし、結果が正常に返ることを確認してから本格的に使い始めます。

## 注意事項

* `options.baseURL` は `https://aicentos.com/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* `{env:VAR}` の環境変数置換構文は**グローバル設定ファイルでのみ有効**です。プロジェクトレベルの `kilo.jsonc` はセキュリティ上の理由から `{env:...}` を解決しません。
* カスタムモデルでは `limit.context` と `limit.output` を必ず明示宣言してください。宣言しないとコンテキスト長が 0 として扱われ、自動圧縮が機能しません。
* ゲートウェイが `/v1/models` の一覧エンドポイントを提供していない場合、モデルの自動検出は失敗します。上記のように手動で宣言すれば問題ありません。
* 詳しくはドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# Kilo Code

出典: https://docs.aicentos.com/ja/clients/kilo-code

Language: ja

> Kilo Code 拡張で Custom Provider を作成し、aicentos の Base URL と API キーを入力します

Kilo Code は公式に OpenAI Compatible プロバイダーをサポートしているため、本サービスに直接接続できます。

## インストール

公式インストールページ：[https://marketplace.visualstudio.com/items?itemName=kilocode.kilo-code](https://marketplace.visualstudio.com/items?itemName=kilocode.kilo-code)

VS Code を使っている場合は、最も簡単なインストール方法は次のとおりです：

```bash
code --install-extension kilocode.kilo-code
```

Windsurf、VSCodium などの Open VSX 互換環境をお使いの場合は、Kilo の公式ドキュメントに従って対応する拡張機能マーケットのバージョンでインストールしてください。

## 設定を開く

Kilo Code パネルの設定ボタンをクリックし、プロバイダー設定に入ります。

## 設定値

API Provider を OpenAI Compatible に設定し、次を入力します：

* Base URL：[https://aicentos.com/v1](https://aicentos.com/v1)
* API Key：あなたの codex\_... や sk-... などのキー
* Model ID：gpt-5-codex-mini

モデル一覧にそのモデルが自動表示されない場合も、直接手入力できます。

## テスト

保存後、新しいタスクを直接開始し、Kilo Code が正常に接続して内容を返すことを確認します。

## 注意事項

* Kilo Code の公式ドキュメントは OpenAI Compatible プロバイダーの設定を採用しています
* Kilo Code は完全な endpoint URL の入力にも対応していますが、本サービスでは不要です
* ここでは Base URL を直接使うことをおすすめします。`/chat/completions` の完全なパスに補わないでください
* 公式ドキュメント：[https://kilo.ai/docs/ai-providers/openai-compatible](https://kilo.ai/docs/ai-providers/openai-compatible)

---

# Kilo

出典: https://docs.aicentos.com/ja/clients/kilo

Language: ja

> Kilo でカスタム OpenAI 互換 Provider を使って aicentos に接続する

Kilo はカスタム Provider に対応しており、会話と Agent のリクエストを任意の OpenAI 互換エンドポイントに向けることができます。設定で Custom Provider を 1 つ追加し、aicentos の Base URL とキーを入力するだけです。

## 準備

まずコンソールの「API Key」ページで Kilo 専用のキーを作成します（名前は `kilo` がおすすめです）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

## 設定値

| 項目                | 値                                    |
| ----------------- | ------------------------------------ |
| Provider ID / 名前  | 任意。例：`aicentos`                      |
| API タイプ           | OpenAI Compatible (Chat Completions) |
| Base URL          | `https://aicentos.com/v1`            |
| API Key           | コンソールで作成したキー                         |
| Model ID          | コンソール「モデル広場」のモデル名                    |
| Context Window    | 選択したモデルに応じて入力                        |
| Max Output Tokens | 選択したモデルに応じて入力                        |

## 設定手順

* Kilo の設定パネル（歯車アイコン）を開きます。
* **Providers** に入り、一覧を一番下までスクロールして **Custom provider**（カスタム Provider）を選択します。
* Provider ID と Display name は自由に入力します。例：`aicentos`。
* API タイプは **OpenAI Compatible (Chat Completions)** を選択します。
* Base URL には `https://aicentos.com/v1` を入力します。
* コンソールで作成した API Key を入力します。
* Model ID を手動追加し、コンソールのモデル名を入力します。
* 保存後、モデルセレクターでその Provider 配下のモデルを選択します。

## テスト

設定を保存したら新しいタスクを作成し、まず簡単なプロンプトで軽くテストします。内容が正常に返ることを確認してから、Agent モードを本格的に使い始めます。

## 注意事項

* ゲートウェイが `/v1/models` の一覧エンドポイントを提供していない場合、モデルの自動検出は失敗します。Model ID を手動入力すれば問題ありません。
* Base URL は `https://aicentos.com/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* カスタムモデルでは Context Window と Max Output Tokens を明示設定することをおすすめします。欠けているとコンテキスト長が 0 として扱われ、自動圧縮が無効になって会話が無限に増えていきます。
* 公式ドキュメント：[https://kilo.ai/docs/ai-providers/openai-compatible](https://kilo.ai/docs/ai-providers/openai-compatible)
* 詳しくはドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# Kimchi

出典: https://docs.aicentos.com/ja/clients/kimchi

Language: ja

> Kimchi で aicentos に接続する —— llmEndpoint で推論先を変更、機能上の制約も解説

Kimchi はターミナル型のコーディングエージェントで、VS Code 拡張と Studio デスクトップ版も提供しています。設定に `llmEndpoint` フィールドがあり、デフォルトは `https://llm.kimchi.dev` です。これを変更すれば、推論リクエストを別の宛先に送れます。

先に断っておきます：**公式ドキュメントは `llmEndpoint` を推論アドレスとして説明しているだけで、任意のサードパーティ OpenAI 互換ゲートウェイを指定できるとは保証していません**。以下の方法はコミュニティで利用されていますが、「フィールドの意味に従って設定する」ものであり、公式サポートされた BYOK の経路ではないため、アップグレードで使えなくなる可能性があります。

## 準備

まずコンソールで Kimchi 専用のキーを作成し（`kimchi` という名前を推奨）、そのあと CLI をインストールします：

```bash
brew install getkimchi/tap/kimchi
```

インストールスクリプトを使う方法もあります：

```bash
curl -fsSL https://github.com/getkimchi/kimchi/releases/latest/download/install.sh | bash
```

## 設定値

| フィールド         | 値                         |
| ------------- | ------------------------- |
| `llmEndpoint` | `https://aicentos.com/v1` |
| `apiKey`      | コンソールで作成したキー              |
| モデル           | コンソール「モデル広場」のモデル名         |

## 設定手順

設定ファイルは `~/.config/kimchi/config.json` にあり、プロジェクト単位の `.kimchi/config.json` で上書きすることもできます：

```json
{
  "apiKey": "sk-あなたの-API-Key",
  "llmEndpoint": "https://aicentos.com/v1"
}
```

カスタムモデルは `models.json` に登録し、形式は vLLM や LM Studio のような自前の provider と同じです。フィールド仕様は公式に完全公開されていないため、まずデフォルトモデルで疎通させ、そのあとでカスタム項目の追加を検討することをおすすめします。

変更後は `kimchi` を再起動します。

## テスト

起動したらセッションでプロンプトを 1 つ送ります。401 が出た場合は、まずキーに余分な空白がないか確認してください。404 が出た場合は、`llmEndpoint` が `/v1` までで止まっているかを確認してください。

そのうえでコンソールに戻って使用量を確認します。**ここが重要なポイントです**：使用量が増えていなければ、リクエストは `llmEndpoint` を通らずデフォルトエンドポイントにフォールバックしており、現在のバージョンではこの方法が成立しないことになります。

## 注意事項

* Kimchi は自身のアカウントへのログインが必要で、`apiKey` とアカウントのログイン状態は別物です。片方だけ設定しないでください。
* 外部モデルはデフォルトで `standard` 段階、`vision: false` として扱われるため、マルチモーダルモデルでもここでは画像は付きません。
* デフォルトモデルは自身の harness が自動で選ぶため、aicentos 上の特定のモデル名を直接指定できない場合があります。
* 公式はこの方法をドキュメントに記載しておらず、「動くが保証はない」状態です。本番環境ではフォールバック手段を用意してください。

## 関連リンク

* [Kimchi CLI ドキュメント](https://docs.kimchi.dev/docs/kimchi-cli)
* [kimchi リポジトリ](https://github.com/getkimchi/kimchi)

---

# Kimi

出典: https://docs.aicentos.com/ja/clients/kimi

Language: ja

> Kimi Code CLI で aicentos を使う —— config.toml で OpenAI 互換 provider を登録

Kimi Code CLI では、任意の OpenAI 互換サービスを provider として登録できます。`base_url` を aicentos に向けて API Key を入力すれば、ターミナル画面から aicentos が接続しているモデルを直接呼び出せます。

## 準備

まずコンソールの「API Key」ページで Kimi Code 専用のキーを作成します（名前は `kimi-cli` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

設定ファイルのデフォルトの場所は `~/.kimi/config.toml` で、Kimi Code の初回実行時に自動作成されます。

## 設定値

| 項目           | 値                                       |
| ------------ | --------------------------------------- |
| provider タイプ | `openai_legacy`（Chat Completions プロトコル） |
| base\_url    | `https://aicentos.com/v1`               |
| api\_key     | コンソールで作成したキー                            |
| model        | コンソール「モデル広場」のモデル名                       |

aicentos 側が Responses プロトコルを使っている場合は、タイプを `openai_responses` に変えるだけで OK です。

## 設定手順

`~/.kimi/config.toml` を開き、カスタム provider とモデルエイリアスを 1 つ追加します：

```toml
default_model = "aicentos-gpt-4o"

[providers.aicentos]
type = "openai_legacy"
base_url = "https://aicentos.com/v1"
api_key = "sk-あなたのキー"

[models.aicentos-gpt-4o]
provider = "aicentos"
model = "gpt-4o"
max_context_size = 128000
```

* provider 名（`aicentos`）とモデルエイリアス（`aicentos-gpt-4o`）はどちらも自由に付けられます。`default_model` に書くのはエイリアスであり、サーバー側のモデル ID ではありません。
* エイリアスに `.` が含まれる場合（例：`gpt-4.1`）、TOML では必ず引用符を付けます：`[models."gpt-4.1"]`。付けないと `.` がテーブルの区切り文字として解釈されます。
* TOML を手書きしたくない場合は、TUI で `/provider` と入力してプロバイダーマネージャーを開き、`[ Add New Platform ]` の行で Enter を押してウィザードに従って追加します。

環境変数だけでも構いません（`openai_legacy` / `openai_responses` タイプに有効）：

```bash
export OPENAI_BASE_URL="https://aicentos.com/v1"
export OPENAI_API_KEY="sk-あなたのキー"
```

## テスト

`kimi` を起動し、TUI で簡単なプロンプトを 1 つ送ります。正常に返れば接続成功です。`/model` で、今選択されているのが先ほど設定したエイリアスか確認してください。

## 注意事項

* provider の認証情報は、`api_key` フィールド > `[providers.<name>.env]` サブテーブル > 起動時エラー、の順に解決されます。`openai_legacy` / `openai_responses` 以外の場合、設定ファイル内の認証情報は shell の環境変数から自動補完されません。
* `type = "kimi"` は Moonshot 公式エンドポイント用です。aicentos に接続するには `openai_legacy` か `openai_responses` を使用してください。
* `max_context_size` にはモデルの実際のウィンドウより小さい値を入れないでください。小さすぎるとコンテキスト圧縮が早く発火します。
* Base URL は `/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* モデル名はコンソール「モデル広場」を基準にしてください（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。

---

# Kiro

出典: https://docs.aicentos.com/ja/clients/kiro

Language: ja

> Kiro は現在カスタム Base URL に非対応 —— 制限の理由と実行可能な代替手段の説明

**Kiro は現在カスタム Base URL に対応しておらず、aicentos に直接接続することはできません。**

Kiro は AWS が提供する agentic IDE（Code OSS ベース）で、モデルはすべて自前のサービス経由で、基盤は Amazon Bedrock です。公式には「カスタムモデルエンドポイント」や「BYOK（キー持ち込み）」の設定入口が用意されておらず、コミュニティの関連する機能リクエストもまだ実装されていません。

## 準備

Kiro 用に aicentos の API Key を作成する必要はありません —— 現在のバージョンにはカスタムキーを入力できる場所が存在しないためです。

参考情報：

* コンソール：[https://aicentos.com](https://aicentos.com)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

他のクライアントで接続済みの場合は、そのクライアントがカスタムエンドポイントに対応しているか先に確認してください。

## 設定値

| 項目       | 値                     |
| -------- | --------------------- |
| Base URL | この設定項目はなし             |
| API Key  | この設定項目はなし             |
| モデル      | Kiro 内蔵のモデル一覧からのみ選択可能 |

## 設定手順

設定はできません。Kiro の設定にはモデルの切り替え（`/model` コマンドまたはモデルセレクター）とカスタム Agent の `model` フィールドがあるだけです。また、`model` は Kiro サーバー側が返す利用可能なモデル ID にしか一致せず、外部エンドポイントに向けることはできません。

## 代替手段

Kiro はカスタムエンドポイントに対応していないため、次のような選択肢があります：

* **カスタム Base URL をネイティブにサポートするクライアントを使う**：Cursor、Windsurf、Cline、Roo Code、Zed Agent などは、いずれも `https://aicentos.com/v1` を直接入力できます。「クライアント接続」の他のドキュメントを参照してください。
* **Kiro 内蔵モデルを使い続ける**：Kiro の内蔵モデルは AWS が提供しており、aicentos とは無関係で、課金をまとめることはできません。
* **公式の BYOM / BYOK 対応を待つ**：Kiro の公式リポジトリの機能リクエストで進捗を追うことができますが、現在はまだ実現していません。
* **企業内ネットワークのゲートウェイ環境**：内部 LLM プロキシをデプロイしていても、Kiro からはそれに向ける設定ができず、こちらも公式対応を待つ必要があります。

hosts の書き換え、自己署名証明書のインストール、IDE へのパッチ適用といった非公式な回避手段の使用はおすすめしません。こうした方法は Kiro の更新機構を壊すほか、セキュリティとコンプライアンスのリスクもあります。

## テスト

テストできるカスタムエンドポイントはありません。aicentos の接続性を確認したい場合は、カスタム Base URL に対応した任意のクライアントを使うか、直接呼び出します：

```bash
curl https://aicentos.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -d '{"model":"gpt-5","messages":[{"role":"user","content":"hi"}],"stream":false}'
```

## 注意事項

* 改めて強調します：**Kiro の現在のバージョンはカスタム Base URL に対応しておらず、aicentos に接続することはできません**。
* このドキュメントは Kiro の公式機能の変化に応じて更新されます。
* 公式ドキュメント：[https://kiro.dev/docs](https://kiro.dev/docs)

---

# LM Studio

出典: https://docs.aicentos.com/ja/clients/lm-studio

Language: ja

> LM Studio はクライアントではなくローカル推論サーバー —— 正しい役割と代替手段を説明します

LM Studio は「また 1 つチャットクライアントが増えた」と受け取られがちですが、実際は逆です。これは**ローカルモデルの実行環境**で、OpenAI 互換インターフェース（デフォルトは `http://localhost:1234/v1`）を外部に公開し、他のアプリから接続される側です。「リモートの Base URL を入力する」入口がないため、クライアントとして aicentos に接続することはできません。

## 直接接続できない理由

* 公式の位置づけは `Serve local models on OpenAI-like endpoints` で、サーバー側の役割であり消費側ではありません。
* デスクトップ版にも `lms` CLI にも、サードパーティ provider のエンドポイント設定項目がありません。
* クラウド機能（LM Studio Secure Cloud、LM Link）は公式がホストする計算リソースの経路で、カスタムのサードパーティエンドポイントは受け付けません。

## 設定値

| フィールド    | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

上の表は aicentos 側の共通パラメーターで、以下の代替手段で使用します。

## 代替手段

### 代替案 1：逆に使う——クライアントから LM Studio に接続する

ローカルモデルを動かしたい場合は、LM Studio をサーバー側のままにして、[Cherry Studio](https://docs.aicentos.com/ja/clients/cherry-studio)、[Chatbox](https://docs.aicentos.com/ja/clients/chatbox)、[Cline](https://docs.aicentos.com/ja/clients/cline) の Base URL に `http://localhost:1234/v1` を入力します。この経路は aicentos とは無関係ですが、LM Studio の正しい使い方です。

### 代替案 2：aicentos のモデルが欲しいならフロントエンドを替える

[Cherry Studio](https://docs.aicentos.com/ja/clients/cherry-studio)、[Chatbox](https://docs.aicentos.com/ja/clients/chatbox)、[LobeChat](https://docs.aicentos.com/ja/clients/lobechat) はいずれもデスクトップのチャットクライアントで、複数 provider の併存に対応しています。1 つに aicentos、もう 1 つにローカルの LM Studio を設定し、同じ画面で切り替えられます。

### 代替案 3：ローカルとクラウドを併用する

Cherry Studio のようなクライアントで 2 つの provider を同時に登録し、簡単なタスクはローカル、複雑なタスクは aicentos に振り分け、必要に応じて切り替えます。

## テスト

LM Studio をサーバーとして使う場合は、まず `lms server start` を実行し、次に `curl http://localhost:1234/v1/models` でインターフェースが生きていることを確認してから、クライアントでプロンプトを 1 つ送ります。

## 注意事項

* LM Studio の中で Base URL の入力欄を探さないでください。表示されるのは自身が待ち受けているアドレスだけです。
* ローカルモデルのコンテキストと速度は本機の VRAM に制限されます。長いコンテキストのタスクは aicentos を使うことをおすすめします。
* 2 つの向きを混同しないでください：**サーバー側はポート、クライアント側はエンドポイント**です。

## 関連リンク

* [LM Studio の OpenAI 互換インターフェース](https://lmstudio.ai/docs/api/openai-api)
* [lms CLI](https://github.com/lmstudio-ai/lms)

---

# LobeChat

出典: https://docs.aicentos.com/ja/clients/lobechat

Language: ja

> LobeChat で aicentos を使う —— カスタム OpenAI 互換設定による接続

LobeChat はオープンソースの AI チャットプラットフォームで、OpenAI 互換インターフェースに対応しています。設定パネルから本サービスに直接接続できます。

## 設定を開く

左下の\*\*設定（Settings）\*\*アイコンをクリックし、\*\*言語モデル（Language Model）\*\*ページに入ります。

## OpenAI プロバイダーの選択

プロバイダー一覧で **OpenAI** をクリックし、設定パネルを展開します。

## 設定値

設定パネルに次の情報を入力します：

* **API Key（apiKey）**：あなたの `codex_...` や `sk-...` などのキー
* **API プロキシアドレス（baseURL）**：`https://aicentos.com/v1`

## モデルの選択と検証

モデルのドロップダウンから選択するか、`gpt-5-codex-mini` を手入力します。会話を 1 回開始し、正常に応答が返れば OK です。

## 注意事項

* API プロキシアドレスには `/v1` を含むサービスのルートパス、つまり `https://aicentos.com/v1` を入力します
* LobeChat は複数のプロバイダーを同時に設定し、セッションごとに切り替えることができます
* セルフホスト版では環境変数 `OPENAI_API_KEY` と `OPENAI_PROXY_URL` で設定できます。詳しくは公式の環境変数ドキュメントをご覧ください

## 関連リンク

* 公式ドキュメント：[https://lobehub.com/docs/usage/providers/openai](https://lobehub.com/docs/usage/providers/openai)

---

# MiMo Code

出典: https://docs.aicentos.com/ja/clients/mimo-code

Language: ja

> MiMo Code で aicentos を使う —— 互換レイヤー経由で OpenAI 互換エンドポイントに接続

MiMo Code は設定で OpenAI 互換の `base_url` を指定できます。それを aicentos に向けて API Key を入力すれば、MiMo Code を aicentos のモデルで動かせます。

## 準備

まずコンソールの「API Key」ページで MiMo Code 専用のキーを作成します（名前は `mimo-code` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

MiMo Code は CLI ツールで、一般的なインストール方法は npm でのグローバルインストールです。配布パッケージが tarball の場合は、解凍して実行ファイルを `PATH` の通った場所に置けば使えます。

```bash
npm install -g mimo-code
mimo --version
```

## 設定値

| 項目        | 値                         |
| --------- | ------------------------- |
| API Key   | コンソールで作成したキー              |
| base\_url | `https://aicentos.com/v1` |
| model     | コンソール「モデル広場」のモデル名         |

## 設定手順

環境変数を使うのがおすすめです。互換性が最も高いためです：

```bash
export MIMO_BASE_URL="https://aicentos.com/v1"
export MIMO_API_KEY="sk-あなたのキー"
export AICENTOS_API_KEY="$MIMO_API_KEY"
export MIMO_MODEL="gpt-4o"
```

永続化するには `~/.zshrc` または `~/.bashrc` に書き込み、`source ~/.zshrc` を実行します。

設定ファイルの方がよい場合は、`~/.mimo/config.json` を編集します：

```json
{
  "baseUrl": "https://aicentos.com/v1",
  "apiKey": "sk-あなたのキー",
  "model": "gpt-4o"
}
```

バージョンによって、設定項目の名前（`base_url` / `baseUrl`）や環境変数のプレフィックス（`MIMO_` / `MIMOCODE_`）が異なる場合がある点に注意してください。上記の変数名が効かないときは、`mimo --help` か公式ドキュメントで現在のバージョンが実際に読み取る名前を確認してください。繰り返し試すのは避けましょう。

## テスト

設定後に `mimo` をそのまま実行し、簡単なプロンプトを 1 つ送ります。認証エラーが出た場合は、まず環境変数名が現在のバージョンで認識されているか、`base_url` が `/v1` までしか書かれていないか、キーに余分な空白がないかを確認してください。

## 注意事項

* 一部のバージョンは起動時に `base_url` と内蔵の公式エンドポイントを照合します。設定が無視される場合は、環境変数方式に切り替えると通常は回避できます。
* Base URL は `/v1` まで入力します。
* モデル名を入力する前に、`curl https://aicentos.com/v1/models -H "Authorization: Bearer $AICENTOS_API_KEY"` でモデルが見えるか先に確認することをおすすめします。
* 環境変数と設定ファイルが同時に存在する場合、優先順位はバージョンによって異なります。どちらか一方の設定方式に絞ることをおすすめします。

---

# MiniMax Code

出典: https://docs.aicentos.com/ja/clients/minimax-code

Language: ja

> MiniMax Code（mcode）で aicentos に接続する —— provider add で OpenAI 互換 provider を追加

MiniMax Code は MiniMax 公式のコーディング CLI（コマンド `mcode`）で、TUI、ヘッドレス実行、ACP、TypeScript SDK を備えています。BYOK に対応しており、`mcode provider add` で任意の OpenAI 互換エンドポイントを登録できます。

## 準備

まずコンソールで MiniMax Code 専用のキーを作成し（`minimax-code` という名前を推奨）、そのあとインストールします：

```bash
curl -fsSL https://filecdn.minimax.chat/public/install.sh | bash
```

npm を使う方法もあります：

```bash
npm install -g @minimax-ai/code@latest
mcode --version
```

## 設定値

| フィールド           | 値                         |
| --------------- | ------------------------- |
| provider 名      | 任意。例：`aicentos`           |
| `--base-url`    | `https://aicentos.com/v1` |
| `--api-format`  | `openai-completions`      |
| `--model`       | コンソール「モデル広場」のモデル名         |
| `--api-key-env` | `MCODE_PROVIDER_API_KEY`  |

## 設定手順

1 コマンドで登録し、そのまま切り替えます：

```bash
export MCODE_PROVIDER_API_KEY="sk-あなたの-API-Key"

mcode provider add \
  --name aicentos \
  --base-url https://aicentos.com/v1 \
  --api-format openai-completions \
  --model あなたのモデル名 \
  --api-key-env MCODE_PROVIDER_API_KEY \
  --use
```

`--use` は登録後に即座にこの provider へ切り替えるという意味です。設定は現在の profile の `config.yaml`（デフォルトのデータディレクトリは `~/.minimax`）の `custom_provider` セクションに書き込まれます。等価な書き方は次のとおりです：

```yaml
custom_provider:
  aicentos:
    options:
      apiKey: sk-あなたの-API-Key
      baseURL: https://aicentos.com/v1
    models:
      あなたのモデル名: {}
```

ここでのキーは `baseURL`（URL は大文字）であり、`base-url` ではない点に注意してください。

## テスト

```bash
mcode exec "一文で自己紹介してください"
```

ヘッドレスで返答が来れば設定は有効です。そのあと TUI に入って実際のタスクを 1 回実行し、最後にコンソールに戻って使用量を照合します。

## 注意事項

* カスタムモデルではコンテキストと出力の上限を明示的に指定してください（`--context-limit`、`--output-limit`）。指定しないとデフォルト値で切り詰められ、長いファイルは途中で切れやすくなります。
* ワンクリックインストールスクリプトは Alpine / musl に対応していません。そのような環境では npm でのインストールに切り替えてください。
* Anthropic 互換プロトコルを中継に使う場合でも、リクエストには `x-api-key` が付与されます。上流が `Authorization` しか受け付けない場合は、自分で変換層を 1 つ追加する必要があります。
* provider は**profile 単位**で保存されるため、profile を切り替えたら、現在有効なのがどれかを改めて確認してください。

## 関連リンク

* [MiniMax Code クイックスタート](https://agent.minimax.io/docs/cli/quick-start)
* [minimax-code リポジトリ](https://github.com/MiniMax-AI/minimax-code)

---

# Mux

出典: https://docs.aicentos.com/ja/clients/mux

Language: ja

> Mux で aicentos を使う —— カスタム OpenAI 互換 provider の追加

Mux はカスタム OpenAI 互換 provider の追加に対応しています。Base URL を aicentos に向ければ、Mux のセッションで aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Mux 専用のキーを作成します（名前は `mux` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

## 設定値

| 項目           | 値                         |
| ------------ | ------------------------- |
| Provider タイプ | OpenAI Compatible         |
| Base URL     | `https://aicentos.com/v1` |
| API Key      | コンソールで作成したキー              |
| Model        | コンソール「モデル広場」のモデル名         |

## 設定手順

* Mux の設定を開き、Providers / Models エリアに入ります。
* カスタム provider の追加を選択し、タイプは **OpenAI Compatible** を選びます。
* API Key を入力します。
* Base URL には：`https://aicentos.com/v1`
* Model にはコンソール「モデル広場」のモデル名を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。
* 保存し、現在のセッションで使う provider に設定します。

## テスト

新しいセッションを作成し、簡単なプロンプトを 1 つ送ります。正常に返れば接続成功です。入力したモデルがモデル一覧に自動表示されない場合は、Model ID を手入力してもう一度試してください。

## 注意事項

* Base URL は `/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* バージョンによって設定項目の名称が多少異なる場合がありますが、OpenAI 互換の設定は常に Base URL、API Key、Model の 3 つのフィールドを中心に行われます。
* Base URL の入力間違い、キー内の余分な空白、残高不足は、通常 401 / 403 / 402 エラーとして現れます。順に見直せば特定できます。
* お使いの Mux のバージョンが特定の企業の選択肢しか提供せず Base URL をカスタマイズできない場合、そのバージョンはサードパーティのエンドポイントに対応していません。そのときはカスタム Base URL に対応した他のクライアントをご利用ください。

---

# NativeTavern

出典: https://docs.aicentos.com/ja/clients/nativetavern

Language: ja

> NativeTavern を aicentos の OpenAI 互換 API に接続し、Base URL と API キーを設定します

# NativeTavern

NativeTavern は SillyTavern のモバイル向けネイティブアプリ版で、iOS と Android に対応しています。OpenAI 互換インターフェースを通じてカスタム API に接続できます。

## アプリのインストール

各プラットフォームのアプリストアから NativeTavern をダウンロードしてインストールします：

* iOS: App Store
* Android: Google Play

## API 接続の設定

1. NativeTavern アプリを開きます
2. **設定** または **Settings** に入ります
3. **API Configuration** を選択します
4. API タイプとして **OpenAI** または **OpenAI Compatible** を選択します

## 設定値

設定ページに次を入力します：

* **API URL**: `https://aicentos.com/v1`
* **API Key**: あなたの API Key を入力します（例：`codex_...`、`sk-...`）
* **Model**: モデル ID を選択または入力します（例：`gpt-6-astra`）

## 接続テスト

1. 設定を保存してメイン画面に戻ります
2. キャラクターを作成または選択します
3. メッセージを送信し、接続が正常か確認します

## 注意事項

* モバイルアプリでは安定したネットワーク接続が必要な場合があります
* API URL は `/v1` まで入力すればよく、完全なパスは不要です
* SillyTavern の機能の大部分に対応しています

## 関連リンク

NativeTavern は SillyTavern エコシステムの一部です。詳しくは SillyTavern コミュニティをご覧ください。

---

# NextChat

出典: https://docs.aicentos.com/ja/clients/nextchat

Language: ja

> NextChat で aicentos を使う —— カスタム OpenAI 互換設定による接続

NextChat は広く使われているオープンソースの ChatGPT Web クライアントで、カスタム OpenAI 互換インターフェースに対応しています。

## UI 画面からの設定 - 設定を開く

左下の\*\*設定（Settings）\*\*アイコンをクリックします

## UI 画面からの設定 - カスタムインターフェースの有効化

設定パネルで**カスタムインターフェース**のスイッチを探し、オンにすると入力欄が表示されます

## UI 画面からの設定 - 接続情報の入力

次の情報を入力します：

| 項目             | 入力内容                              |
| -------------- | --------------------------------- |
| OpenAI API Key | あなたの `codex_...` や `sk-...` などのキー |
| API プロキシ URL   | `https://aicentos.com/v1`         |

## UI 画面からの設定 - 検証

保存後、会話を開始して正常に返るか確認します

## セルフホスト環境の設定

セルフホストのインスタンスでは、環境変数で設定します：

```bash
OPENAI_API_KEY=codex_your_api_key
BASE_URL=https://aicentos.com/v1
```

設定後にサービスを再起動すると有効になります。

## カスタムモデル

設定パネルの\*\*モデル（Model）\*\*ドロップダウンで、`gpt-5-codex-mini` やその他の利用可能なモデル名を手入力できます。

セルフホスト版では、`CUSTOM_MODELS` 環境変数でモデル一覧を事前に設定することもできます。例：

```bash
CUSTOM_MODELS=gpt-5-codex-mini
```

## 注意事項

* API プロキシ URL には `/v1` を含むサービスのルートパス、つまり `https://aicentos.com/v1` を入力します
* 利用可能なモデルは `GET /v1/models` の返却リストを基準にしてください

## 関連リンク

* GitHub：[https://github.com/ChatGPTNextWeb/NextChat](https://github.com/ChatGPTNextWeb/NextChat)

---

# Oh My Pi

出典: https://docs.aicentos.com/ja/clients/oh-my-pi

Language: ja

> Oh My Pi（omp）で aicentos に接続する —— models.yml に openai-completions provider を 1 つ追加

Oh My Pi は Pi のフォークで、コアを Rust で書き直しており、コマンドは `omp` です。`~/.omp/agent/models.yml` で provider を定義し、`baseUrl` / `api` / `apiKey` を正しく書けば aicentos に向けられます。

## 準備

まずコンソールで Oh My Pi 専用のキーを作成します（`oh-my-pi` という名前を推奨）。

実行には bun 1.4.4 以上が必要です：

```bash
curl -fsSL https://omp.sh/install | sh
```

Homebrew や npm での配布も利用できます：

```bash
brew install can1357/tap/omp
# または
bun install -g @oh-my-pi/pi-coding-agent
```

## 設定値

| フィールド         | 値                         |
| ------------- | ------------------------- |
| provider 名    | 任意。例：`aicentos`           |
| `baseUrl`     | `https://aicentos.com/v1` |
| `api`         | `openai-completions`      |
| `apiKey`      | コンソールで作成したキー              |
| `models[].id` | コンソール「モデル広場」のモデル名         |

## 設定手順

`~/.omp/agent/models.yml` を編集します：

```yaml
providers:
  aicentos:
    baseUrl: https://aicentos.com/v1
    api: openai-completions
    apiKey: sk-あなたの-API-Key
    models:
      - id: あなたのモデル名
        contextWindow: 128000
```

`~/.omp/agent/config.yml` でこれをデフォルトに設定します：

```yaml
modelRoles:
  default: aicentos/あなたのモデル名
```

キーをファイルに書きたくない場合は、`apiKey` を環境変数の参照に置き換え、起動前に `export AICENTOS_API_KEY="sk-あなたの-API-Key"` を実行します。

## テスト

```bash
omp models aicentos
```

設定したモデルが一覧に出れば、provider が認識されている証拠です。そのあと TUI に入って 1 文送り、返答があることを確認し、最後にコンソールに戻って使用量を照合します。

## 注意事項

* `api` は `openai-completions`（または認識される他のプロトコル名）でなければなりません。`openai` と書くと未知のプロトコルとして扱われます。
* デフォルトで多数のツールが無効になっています。接続は成功したのに「何もできない」場合は、まずツールのスイッチを確認してください。エンドポイントの問題ではありません。
* リポジトリを開くとプロジェクト単位の設定とフックが読み込まれます。接続前にリポジトリが信頼できるか確認してください。
* Alpine 環境では `libstdc++`、`libgcc` を追加でインストールする必要があります。

## 関連リンク

* [Oh My Pi provider ドキュメント](https://omp.sh/docs/providers)
* [oh-my-pi リポジトリ](https://github.com/can1357/oh-my-pi)

---

# OpenClaw

出典: https://docs.aicentos.com/ja/clients/openclaw

Language: ja

> OpenClaw で aicentos を使う —— カスタム Provider による接続

OpenClaw は AI コーディングアシスタントのコマンドラインツールで、カスタム Provider を通じて OpenAI 互換の API サービスに接続できます。公式では `openclaw onboard` ウィザードでの設定完了が推奨されており、設定ファイルを手動で書くこともできます。

## 準備

システムが以下の要件を満たしていることを確認します：

* Node.js 22+ バージョン
* macOS / Linux / Windows
* ソースからビルドする場合は pnpm の追加インストールが必要

### Node.js のインストール

**macOS（Homebrew を使用）：**

```bash
brew install node
```

**その他のシステム：**

Node.js 公式サイトから LTS バージョンをダウンロードします：[https://nodejs.org/en/download](https://nodejs.org/en/download)

### インストールの確認

```bash
node -v
npm -v
```

**注意：** Windows ユーザーは WSL2 環境で OpenClaw を実行することをおすすめします。

## OpenClaw のインストール

公式インストールスクリプトを使用します（推奨）：

### macOS / Linux

```bash
curl -fsSL https://openclaw.ai/install.sh | bash
```

### Windows PowerShell

```powershell
iwr -useb https://openclaw.ai/install.ps1 | iex
```

インストールスクリプトは不足している依存関係を自動検出して補完します。Node 環境をすでに自分で管理している場合は、`npm` や `pnpm` でのインストール方法も使えます（詳細は公式ドキュメントをご覧ください）。

## セットアップウィザードの起動

ウィザードコマンドを実行します：

```bash
openclaw onboard
```

ウィザードで以下の情報を順に入力します：

* **Provider タイプ**：`Custom Provider` を選択
* **Compatibility**：`OpenAI-compatible` を選択
* **Base URL**：`https://aicentos.com/v1`
* **API Key**：あなたの API Key を入力
* **Model ID**：コンソール「モデル広場」のモデル名を参考に入力
* **Endpoint ID**：`aicentos` を推奨

**注意：** API Key は平文をそのまま入力すればよく、改めて環境変数 `OPENAI_API_KEY` にする必要はありません。

## デフォルトモデルの設定

ウィザード完了後、デフォルトモデルを次のように設定します：

```text
aicentos/gpt-4o
```

これで以降の使用時には、設定済みのモデルが自動的に使われます。

## 手動設定（任意）

ウィザードを使わない場合は、OpenClaw の provider 設定ファイルを直接編集できます：

```json
{
  "models": {
    "providers": {
      "aicentos": {
        "baseUrl": "https://aicentos.com/v1",
        "apiKey": "your_api_key_here",
        "api": "openai-completions",
        "models": [
          { "id": "gpt-4o", "name": "gpt-4o" }
        ]
      }
    }
  },
  "agents": {
    "defaults": {
      "model": { "primary": "aicentos/gpt-4o" }
    }
  }
}
```

設定には API Key の平文を直接書けるほか、環境変数参照も使えます（SecretRef 方式のほうが好みの場合）。

## 設定の確認

モデルのステータスをチェックして、接続が成功したことを確認します：

```bash
openclaw models list
openclaw models status
```

`aicentos/gpt-4o` が表示され、ステータスが正常なら、接続設定は成功です。

## 注意事項

* OpenClaw はカスタム Provider 機能を公式サポートしており、OpenAI-compatible または Anthropic-compatible モードを選択できます
* 現在のサービスに対しては、OpenAI-compatible モードを優先的に使うことをおすすめします
* API Key を直接入力するのがデフォルトのやり方で、環境変数参照はあくまで任意の選択肢です
* ツールで設定を自動書き込みしたい場合は、`cc-switch` ツールの利用を検討してください
* 公式ドキュメントには他のインストール・設定方法も記載されており、実際のニーズに応じて選択できます

## 関連リンク

* 公式ドキュメント：[https://docs.openclaw.ai/install/index](https://docs.openclaw.ai/install/index)

---

# OpenCode

出典: https://docs.aicentos.com/ja/clients/opencode

Language: ja

> OpenCode で aicentos を使う —— 設定ファイルによるカスタム provider の接続

OpenCode はカスタム provider に対応しており、設定ファイルを通じて Codex Proxy サービスに接続できます。

## 準備

OpenCode の公式サイトでは、公式インストールスクリプトのほかに npm、bun、brew などのインストール方法も提供されています。

* 公式インストールスクリプトをそのまま使う場合は、通常 npm を事前に手動設定する必要はありません
* npm でインストールする場合は、先に Node.js と npm をインストールしてください
* bun でインストールする場合は、先に bun をインストールする必要があります

### Node.js のインストール（npm 方式）

Node.js の公式ダウンロードページは [https://nodejs.org/en/download](https://nodejs.org/en/download) です。

* macOS / Windows：LTS バージョンをダウンロードしてインストール
* Linux：そのページに記載のディストリビューションごとの方法でインストール

macOS に Homebrew がすでに入っていれば、次を直接実行することもできます：

```bash
brew install node
```

これで Node.js と npm が同時にインストールされます。

選択したインストール方法に応じて、対応するコマンドが使えるか先に確認しておくことをおすすめします。たとえば npm 方式なら次をチェックします：

```bash
node -v
npm -v
```

**注意：** Windows でコマンドライン環境を使う場合、公式は現時点で WSL の使用を推奨しています。

## インストール

OpenCode 公式サイトが提供するインストールコマンドをそのまま使うのがおすすめです：

```bash
curl -fsSL https://opencode.ai/install | bash
```

OpenCode 公式サイトでは npm、bun、brew などのインストール方法も提供されています。

## API Key の設定

OpenCode 独自の接続・認証方式を使います：

```bash
opencode auth login
```

または対話インターフェースで /connect を実行し、このサービスをカスタム provider として保存します。

環境変数のほうが好みの場合は、opencode.json に公式の汎用変数名を読ませるだけで OK です。たとえば：

```bash
export OPENAI_API_KEY="your_api_key_here"
```

## opencode.json の設定

プロジェクトルートまたはグローバル設定ディレクトリに opencode.json を作成します：

```json
{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "aicentos": {
      "npm": "@ai-sdk/openai",
      "name": "aicentos",
      "options": {
        "baseURL": "https://aicentos.com/v1",
        "apiKey": "{env:OPENAI_API_KEY}"
      },
      "models": {
        "gpt-4o": {
          "name": "gpt-4o"
        }
      }
    }
  },
  "model": "aicentos/gpt-4o"
}
```

## テスト

OpenCode を起動したら、次を実行します：

```
/models
```

aicentos 配下のモデルが表示されれば OK です。

## 注意事項

* 推奨の順序：まず設定ファイル（opencode.json）を手動で書き、次に環境変数、最後に cc-switch ツール（[https://github.com/farion1231/cc-switch/releases）](https://github.com/farion1231/cc-switch/releases）)
* /v1/responses を使う場合は、OpenCode 公式ドキュメントの推奨に従い @ai-sdk/openai を使用します
* 接続先が /v1/chat/completions のみに対応している場合にだけ、@ai-sdk/openai-compatible に変更します
* CODEX\_PROXY\_API\_KEY のようなプロジェクト固有の変数を追加で定義する必要はありません

## 関連リンク

* 公式サイト：[https://opencode.ai/](https://opencode.ai/)

---

# OpenCodeReview

出典: https://docs.aicentos.com/ja/clients/opencodereview

Language: ja

> OpenCodeReview（OCR）で aicentos を使う —— カスタム provider によるコードレビュー接続

OpenCodeReview（コマンド名 `ocr`）は Alibaba がオープンソースとして公開している AI コードレビュー CLI です：Git diff を読み取り、LLM を呼び出してレビュー意見を提示します。OpenAI 互換 provider を内蔵しており、カスタムの OpenAI 互換ゲートウェイにも対応しているため、リクエストを aicentos に転送できます。

## 準備

aicentos コンソールで専用のキーを 1 つ作成します（名前は `ocr-ci` のようにすると使用量の追跡に便利です）。OCR は OpenAI / Anthropic の 2 つのプロトコルのみ対応しており、ここでは OpenAI の Chat Completions パスを使います。コードレビューはモデルの **function calling** 能力に依存するため、ツール呼び出しに対応したモデルを選んでください。

## 設定値

| 項目       | 値                                                 |
| -------- | ------------------------------------------------- |
| provider | `openai`（内蔵、URL を上書き）またはカスタム provider             |
| protocol | `openai`（Chat Completions）                        |
| URL      | `https://aicentos.com/v1`                         |
| API Key  | コンソールで作成したキー                                      |
| モデル      | コンソール「モデル広場」のモデル名。function calling に対応している必要があります |

## 設定手順

* CLI をインストールします（Node.js が必要、macOS では Homebrew も可）：

  ```bash
  npm install -g open-code-review
  ```

* 非対話コマンドで設定を書き込みます。最終的に `~/.opencodereview/config.json` に保存されます：

  ```bash
  ocr config set provider                   openai
  ocr config set model                      claude-sonnet-5
  ocr config set providers.openai.url       https://aicentos.com/v1
  ocr config set providers.openai.api_key   your_api_key_here
  ```

* GUI のガイドがよい場合は、`ocr config provider` と `ocr config model` をそのまま実行し、TUI で provider を選び、キーを入力し、モデルを選びます。終了すると接続チェックが自動で 1 回走ります。

## テスト

まずエンドポイントを単体で検証します：

```bash
ocr llm test
```

通ったら、任意の Git リポジトリで実際のレビューを 1 回実行します：

```bash
ocr review
```

## 注意事項

* URL は `/v1` まで入力し、`/chat/completions` の完全なパスに補わないでください。
* 設定の resolver には **URL・キー・モデル** の 3 点セットが必要です。環境変数を `export` するだけでは不十分で、足りない部分は config.json に書き込む必要があります。書かないと 401 が返ります。
* 環境変数で一時的に上書きすることもできます。優先順位は最高です：`OCR_LLM_URL` / `OCR_LLM_TOKEN` / `OCR_LLM_MODEL`。
* 内蔵 provider のフィールドは `providers.<name>.url` で、カスタム provider は `custom_providers.<name>.url` です。2 つの map を混在させないでください。
* アカウントの残高不足は 401 / 403 として現れます。先に[ウォレットページ](https://aicentos.com/wallet)で残高を確認してください。
* 公式リポジトリ：`https://github.com/alibaba/open-code-review`

---

# Orca

出典: https://docs.aicentos.com/ja/clients/orca

Language: ja

> Orca で aicentos を使う —— OpenAI 互換カスタムエンドポイントの追加

Orca はカスタムの OpenAI 互換サービスの設定に対応しています。Base URL を aicentos に向けて API Key を入力すれば、Orca 内で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Orca 専用のキーを作成します（名前は `orca` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

## 設定値

| 項目           | 値                         |
| ------------ | ------------------------- |
| Provider タイプ | OpenAI Compatible         |
| Base URL     | `https://aicentos.com/v1` |
| API Key      | コンソールで作成したキー              |
| Model        | コンソール「モデル広場」のモデル名         |

## 設定手順

* Orca の設定ページを開き、モデル / Provider 設定エリアに入ります。
* provider を 1 つ追加し、タイプは OpenAI 互換（OpenAI Compatible / Custom OpenAI）を選択します。
* Base URL には：`https://aicentos.com/v1`
* API Key にはコンソールで作成したキーを入力します。
* Model にはコンソール「モデル広場」のモデル名を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。
* 保存してデフォルトモデルに設定します。

## テスト

新しい会話を作成して簡単なプロンプトを 1 つ送り、正常に返ることを確認します。モデルのドロップダウンが空の場合は、Model ID を手入力に切り替えてください。

## 注意事項

* Base URL は `/v1` まで入力し、`/v1/chat/completions` の完全なパスに補わないでください。
* 保存しても設定がすぐに有効にならない場合は、Orca を 1 回再起動してください。
* お使いの Orca のバージョンが内蔵の公式 provider のみ対応で、カスタム Base URL の入口がない場合、そのバージョンはサードパーティのエンドポイントに接続できません。カスタム Base URL に対応した他のクライアントをご利用ください。
* 接続失敗のよくある原因：Base URL の書き間違い、キーの前後の空白、存在しないモデル名、アカウントの残高不足。

---

# Paseo

出典: https://docs.aicentos.com/ja/clients/paseo

Language: ja

> Paseo で aicentos に接続する —— モデルに直結せず、下層の CLI か provider の env で設定します

Paseo はオーケストレーション層です。デスクトップ版、モバイル版、Web、`paseo` CLI が揃っていますが、**それ自体は agent を内蔵しておらず**、すでにインストールしてログイン済みのコーディング CLI（Claude Code、Codex、OpenCode、Pi など）を実行する役割だけを担います。したがって「Paseo で aicentos に接続する」とは、実際にはホストされる側の CLI を aicentos に向けることを意味します。

## 準備

まず Paseo をインストールし、下層の CLI を少なくとも 1 つ用意します：

```bash
npm install -g @getpaseo/cli
paseo
```

デスクトップ版とモバイル版は公式サイトからダウンロードします。Docker イメージには agent CLI が含まれていないため、コンテナでデプロイする場合は自分でインストールする必要があります。

## 設定値

Paseo の provider は `~/.paseo/config.json` の `agents.providers.<id>` で定義され、フィールドは `extends`、`label`、`env`、`models` です。**対応しているのは下層 CLI への環境変数の注入**で、公式の例はいずれも Anthropic 互換プロトコルです：

| フィールド                    | 値                      |
| ------------------------ | ---------------------- |
| `extends`                | 下層の CLI。例：`claude`     |
| `env.ANTHROPIC_BASE_URL` | `https://aicentos.com` |
| `env.ANTHROPIC_API_KEY`  | コンソールで作成したキー           |
| `models`                 | コンソール「モデル広場」のモデル名      |

## 設定手順

`~/.paseo/config.json` を編集します：

```json
{
  "agents": {
    "providers": {
      "aicentos-claude": {
        "extends": "claude",
        "label": "aicentos",
        "env": {
          "ANTHROPIC_BASE_URL": "https://aicentos.com",
          "ANTHROPIC_API_KEY": "sk-あなたの-API-Key"
        }
      }
    }
  }
}
```

変更後に再読み込みします：

```bash
paseo reload
```

そのあと Paseo でセッションの provider を `aicentos` に選択します。

ホストするのが OpenAI プロトコルの CLI（Codex など）の場合は、`env` をその CLI 自身の変数（`OPENAI_BASE_URL`、`OPENAI_API_KEY`）に置き換え、Base URL には `https://aicentos.com/v1` を使います。

## テスト

```bash
paseo run --provider aicentos-claude "一文で自己紹介してください"
```

返答があれば疎通しています。デスクトップ版で新しいセッションを作成し、モデルラベルに設定した provider が表示されるかを確認する方法でもかまいません。

## 注意事項

* **Paseo 自体にはモデル設定がありません**。Base URL の入力欄が見つからないのは正常で、下層の CLI または `env` の中を探してください。
* 公式ドキュメントには Anthropic 互換のフィールド例しかなく、OpenAI 互換エンドポイントの書き方は明記されていません。下層 CLI の変数名に従って書き、実測を基準にしてください。
* `env` は下層 CLI に保存済みのログイン状態を上書きするため、設定を誤ると元々使えていたセッションも失敗します。デフォルトの 1 件を書き換えるのではなく、新しい provider を追加することをおすすめします。
* 先に下層 CLI の認証を済ませておく必要があります。Paseo が代わりにログインすることはありません。

## 関連リンク

* [Paseo カスタム provider ドキュメント](https://paseo.sh/docs/custom-providers)
* [paseo リポジトリ](https://github.com/getpaseo/paseo)

---

# Pi

出典: https://docs.aicentos.com/ja/clients/pi

Language: ja

> Pi で aicentos を使う —— カスタム OpenAI 互換エンドポイントの設定

Pi はカスタムの OpenAI 互換 API アドレスの指定に対応しています。Base URL を aicentos に向けて API Key を入力すれば、Pi 内で aicentos に接続されたモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Pi 専用のキーを作成します（名前は `pi` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| Provider | OpenAI Compatible         |
| Base URL | `https://aicentos.com/v1` |
| API Key  | コンソールで作成したキー              |
| Model    | コンソール「モデル広場」のモデル名         |

## 設定手順

* Pi の設定を開き、API / モデル設定エリアを見つけます。
* カスタムの OpenAI 互換 provider を選択します。
* Base URL には：`https://aicentos.com/v1`
* API Key にはコンソールで作成したキーを入力します。
* Model にはコンソール「モデル広場」のモデル名を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。
* 保存し、セッション内でそのモデルを選択します。

## テスト

簡単な会話を 1 回実行し、正常に返ることを確認します。`/model` または設定ページで、現在のモデルが内蔵のデフォルト provider ではなく、本当に aicentos から来ていることを確認してください。

## 注意事項

* Base URL は `/v1` まで入力し、完全な API パスにはしないでください。
* Pi が内蔵 provider を引き続き保持している場合は、新しく作成した方に切り替えるよう注意してください。そうしないとリクエストは aicentos を経由しません。
* お使いの Pi のバージョンがカスタム Base URL を提供していない場合は、サードパーティのエンドポイントに接続できません。カスタム Base URL に対応した他のクライアントをご利用ください。
* 使用量をコンソールでキーごとに区別できるよう、このクライアント専用のキーを作成することをおすすめします。

---

# Prime Agent

出典: https://docs.aicentos.com/ja/clients/prime-agent

Language: ja

> Prime Agent で aicentos に接続する —— 現状は API キー provider のみ、エンドポイントのフィールドは非公開

Prime Agent は Prime Intellect がオープンソースで公開しているターミナル型のコーディングエージェント（Rust 実装、MIT ライセンス）で、「自己改善可能な RLM harness」を掲げています。API キーで外部モデルに接続できますが、**カスタム Base URL のフィールドは公式にドキュメント化されていません**。そのため以下は「確認済みで使える部分」と「自分で検証が必要な部分」に分けて説明します。

## 準備

まずコンソールで Prime Agent 専用のキーを作成します（`prime-agent` という名前を推奨）。

```bash
curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh
```

Windows：

```powershell
irm https://app.primeintellect.ai/prime-agent/install.ps1 | iex
```

## 設定値

| フィールド    | 値                                     |
| -------- | ------------------------------------- |
| 認証方式     | 初回起動時に `/login`、API キー provider を選択   |
| API Key  | コンソールで作成したキー                          |
| Base URL | `https://aicentos.com/v1`（フィールド名は要確認） |
| モデル      | コンソール「モデル広場」のモデル名                     |

## 設定手順

初回起動時に `/login` を実行し、サブスクリプションではなく API キーを使う provider を選択します。ここまでは公式ドキュメントに明記された経路です。

既知の設定ファイルは `models.json` で、公式が公開しているのはモデル上書きの書き方だけです：

```json
{
  "providers": {
    "あなたのprovider": {
      "modelOverrides": {
        "あなたのモデル名": { "contextWindow": 128000 }
      }
    }
  }
}
```

`modelOverrides` はモデルのパラメーターを変更するだけで、**エンドポイントの定義ではありません**。エンドポイントを変えるには、`/login` で選択した provider の中からエンドポイントのフィールドを見つける必要があります。公式リポジトリの README にはフィールド名が記載されていないため、まず起動後に生成される設定ファイルにどんなキーがあるかを確認し、それに倣って記入してください。推測で書かないでください。

## テスト

```bash
prime-agent
```

セッションでプロンプトを 1 つ送ります。認証エラーが返る場合は provider の選択が誤っています。返答はあるがモデル名が違う場合は、エンドポイントとモデルが別々に設定されているということなので、`models.json` を見直してください。

## 注意事項

* **これはセキュリティサンドボックスではありません**。モデルが生成した Python やコマンドをあなたのユーザー権限で実行します。本番の資格情報があるマシンで未知のタスクを実行しないでください。
* デフォルトでテレメトリーが有効です。`PRIME_AGENT_TELEMETRY=0` で無効にできます。
* 企業ネットワークでカスタム CA が必要な場合は `NODE_EXTRA_CA_CERTS` を使います。
* エンドポイントのフィールドは公式に非公開で、「自分で探る」必要がある状態です。うまくいかない場合は、フィールドが明確な [Oh My Pi](https://docs.aicentos.com/ja/clients/oh-my-pi) や [Gajae Code](https://docs.aicentos.com/ja/clients/gajae-code) に切り替えてください。

## 関連リンク

* [prime-agent リポジトリ](https://github.com/PrimeIntellect-ai/prime-agent)

---

# Qwen

出典: https://docs.aicentos.com/ja/clients/qwen

Language: ja

> Qwen Code で aicentos を使う —— settings.json による OpenAI 互換 provider の設定

Qwen Code は `settings.json` の `modelProviders` を通じて、任意の OpenAI 互換エンドポイントを登録できます。`baseUrl` を aicentos に向ければ、Qwen Code 内で aicentos が接続しているモデルを利用できます。

## 準備

まずコンソールの「API キー」ページで、Qwen Code 専用のキーを作成してください（名前は `qwen-code` のようにすると使用量の追跡に便利です）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* ウォレットのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)
* ドキュメントサイト：[https://docs.aicentos.com](https://docs.aicentos.com)

Qwen Code には Node.js 20+ が必要です。npm でグローバルインストールします：

```bash
npm install -g @qwen-code/qwen-code
qwen --version
```

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| auth タイプ | `openai`（OpenAI 互換プロトコル）  |
| baseUrl  | `https://aicentos.com/v1` |
| envKey   | キーを格納する環境変数名（カスタマイズ可能）    |
| モデル id   | コンソール「モデル広場」のモデル名         |

## 設定手順

`~/.qwen/settings.json` を編集します：

```json
{
  "env": {
    "AICENTOS_API_KEY": "sk-あなたのキー"
  },
  "modelProviders": {
    "openai": [
      {
        "id": "gpt-4o",
        "name": "GPT-4o",
        "baseUrl": "https://aicentos.com/v1",
        "envKey": "AICENTOS_API_KEY"
      }
    ]
  },
  "security": {
    "auth": {
      "selectedType": "openai"
    }
  },
  "model": {
    "name": "gpt-4o"
  }
}
```

* `id` はサーバーに実際に送られるモデル ID で、コンソール内のモデル名と一致させてください。
* `modelProviders` には平文のキーを書かず、`envKey` は「どの環境変数からキーを取るか」の参照にすぎません。
* キーの優先順位：システム環境変数 > `.env` ファイル（`~/.qwen/.env`）> `settings.json` の `env` ブロック。
* aicentos 側が Responses プロトコルを使う場合は、そのモデルに `"wireApi": "responses"` を追加します。書かない場合はデフォルトで Chat Completions を使います。

設定ファイルをまったく変更せず、環境変数だけで使うこともできます：

```bash
export OPENAI_BASE_URL="https://aicentos.com/v1"
export OPENAI_API_KEY="sk-あなたのキー"
export OPENAI_MODEL="gpt-4o"
```

## テスト

`qwen` を起動し、`/about` で現在の endpoint とモデルが正しいか確認してから、簡単なプロンプトを 1 つ送ります。複数の provider エントリを設定した場合は、`/model` で切り替えられます。

## 注意事項

* グローバル設定は `~/.qwen/settings.json` に置き、プロジェクトレベルの設定はプロジェクトルートの `.qwen/settings.json` に置きます。後者のほうが優先度が高くなります。
* `security.auth.selectedType` は必ず `openai` にしてください。そうしないとカスタムエンドポイントは使われません。
* 平文のキーをバージョン管理にコミットしないでください。`~/.qwen/.env` またはシステム環境変数を優先してください。
* `wireApi` はローカルのルーティングメタデータにすぎず、リクエストボディには送られません。`responses` に変更する前に、aicentos 側が `/v1/responses` に対応しているか確認してください。
* Base URL は `/v1` までにし、完全な API パスにしないでください。

---

# Reasonix

出典: https://docs.aicentos.com/ja/clients/reasonix

Language: ja

> Reasonix で aicentos を使う —— config.toml でカスタム provider を追加して接続

Reasonix はローカルで動くコーディングエージェントです（CLI/TUI、デスクトップ、ブラウザー UI、エディター ACP の 4 つの入口が同じエンジンを共有しています）。内蔵の aicentos provider はありませんが、`~/.reasonix/config.toml` に OpenAI 互換の `[[providers]]` エントリーを 1 つ追加するだけで、リクエストを aicentos に転送できます。

## 準備

aicentos コンソールで専用のキーを 1 つ作成します（名前は `reasonix-cli` がおすすめです）。Reasonix の provider キーは独自のグローバル `.env` に保存され、shell の環境変数は読みません。

## 設定値

| 項目            | 値                            |
| ------------- | ---------------------------- |
| name          | `aicentos`（ローカル provider ID） |
| kind          | `openai`（Chat Completions）   |
| base\_url     | `https://aicentos.com/v1`    |
| api\_key\_env | `AICENTOS_API_KEY`           |
| models        | コンソール「モデル広場」のモデル名            |

## 設定手順

* Reasonix をインストールします（npm または macOS の Homebrew）：

  ```bash
  npm i -g reasonix
  ```

* キーを Reasonix のグローバル `.env` に書き込みます：

  ```bash
  # macOS / Linux
  echo 'AICENTOS_API_KEY=your_api_key_here' >> ~/.reasonix/.env

  # Windows：%APPDATA%\reasonix\.env
  ```

* `~/.reasonix/config.toml` を編集し、次の内容をマージします（既存の他の provider は削除しないでください）：

  ```toml
  default_model = "aicentos"

  [[providers]]
  name          = "aicentos"
  kind          = "openai"
  base_url      = "https://aicentos.com/v1"
  models        = ["claude-sonnet-5", "deepseek-v4-pro", "qwen3-coder-plus"]
  default       = "claude-sonnet-5"
  api_key_env   = "AICENTOS_API_KEY"
  context_window = 200000
  ```

* プロジェクトディレクトリに移動して起動します：

  ```bash
  reasonix
  ```

  1 回限りのタスクで検証することもできます：`reasonix run "現在のディレクトリがどんなプロジェクトか一文で説明して"`。デスクトップ版の場合は **Settings → Model → Access → Add model service → Custom provider** から設定します。

## テスト

起動後に簡単なプロンプトを 1 つ送り、正常にストリーミングで返ることを確認します。セッション内では `/model` でモデルを切り替えられます。

## 注意事項

* `base_url` は `/v1` まで入力します。`/chat/completions` は Reasonix が自動で連結します。
* キーは必ず `~/.reasonix/.env` に書いてください。shell への `export` やプロジェクトの `.env` に書いても、provider キーとしては認識されません。
* `kind` は `openai` を選びます。`anthropic` ネイティブ型は Anthropic Messages エンドポイントに対応しており、ここには向きません。
* `default_model` に入れるのは provider の `name`（`aicentos`）であって、モデル名ではありません。
* デスクトップ版のカスタム provider フォームが完全なアドレスを要求する場合は、`https://aicentos.com/v1/chat/completions` を入力してください。
* プロジェクトのアドレス：`https://github.com/esengine/DeepSeek-Reasonix`

---

# Roo Code

出典: https://docs.aicentos.com/ja/clients/roo-code

Language: ja

> Roo Code 拡張で OpenAI Compatible プロバイダーを設定し、aicentos の Base URL と API キーを入力します

Roo Code は OpenAI Compatible provider を公式にサポートしており、aicentos に直接接続できます。

## インストール

公式インストールページ：[https://roocode.com/extension](https://roocode.com/extension)

VS Code または互換フォークをお使いの場合、最も直接的なインストール方法は次のとおりです：

```bash
code --install-extension RooVeterinaryInc.roo-cline
```

拡張機能マーケットで `Roo Code` を直接検索して、公式プラグインをインストールすることもできます。

## provider 設定を開く

Roo Code のパネルから設定ページを開き、モデル provider の設定に入ります。

## 設定値

`API Provider` を `OpenAI Compatible` に設定し、次を入力します：

* Base URL：`https://aicentos.com/v1`
* API Key：あなたの `codex_...` または `sk-...` などのキー
* Model ID：`gpt-5-codex-mini`

モデルのドロップダウンにそのモデルが表示されない場合は、モデル名を直接手入力できます。

## テスト

保存後、新しいタスクを 1 つ作成し、Roo Code が正常に接続して返信を始めることを確認します。

## 注意事項

* Roo Code の公式ドキュメントでは `OpenAI Compatible` provider の使用が案内されています
* Roo Code の OpenAI 互換 provider は、モデルがネイティブの tool calling に対応していることに依存します
* aicentos では、Base URL に `https://aicentos.com/v1` をそのまま入力すれば OK です
* 公式ドキュメントの参考：[https://docs.roocode.com/providers/openai-compatible](https://docs.roocode.com/providers/openai-compatible)

---

# Senpi (OmO Native)

出典: https://docs.aicentos.com/ja/clients/senpi

Language: ja

> Senpi / OmO で aicentos に接続する —— 設定ディレクトリと openai-compatible provider の置き場所

Senpi は `pi-mono` のフォークで、npm パッケージ名は `@code-yeongyu/senpi`、実行ファイルは `senpi` です。oh-my-openagent（略称 OmO）のランタイムでもあるため、「OmO Native」は senpi harness 上で動く一式を指します。

## 準備

```bash
curl -fsSL https://get.omo.dev/install.sh | bash
omo
```

bun でインストールする方法もあります：

```bash
bun add -g omo-ai
```

プロジェクトは experimental を自称しており、公式の表現では本番パイプラインに載せるべきではないとされています。

## 設定値

設定ディレクトリは `~/.omo/agent/` で、`OMO_CODING_AGENT_DIR` で上書きできます。旧来の `SENPI_*` 変数も引き続き互換です。

| ファイル            | 役割                               |
| --------------- | -------------------------------- |
| `models.json`   | provider 定義（エンドポイント、プロトコル、モデル一覧） |
| `auth.json`     | キー                               |
| `settings.json` | デフォルトモデルなどの設定                    |

senpi 本体には別の一式があり、`~/.senpi/agent/settings.json` と、プロジェクト単位の `.senpi/settings.json` です。

| フィールド          | 値                           |
| -------------- | --------------------------- |
| provider プロトコル | `@ai-sdk/openai-compatible` |
| Base URL       | `https://aicentos.com/v1`   |
| API Key        | コンソールで作成したキー                |
| モデル            | コンソール「モデル広場」のモデル名           |

## 設定手順

`~/.omo/agent/models.json` に provider を 1 つ追加し、プロトコルは OpenAI 互換のもの（ドキュメントの対応表では `npm: @ai-sdk/openai-compatible`）を選びます：

```json
{
  "providers": {
    "aicentos": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "https://aicentos.com/v1",
        "apiKey": "sk-あなたの-API-Key"
      },
      "models": {
        "あなたのモデル名": {}
      }
    }
  }
}
```

キーは `auth.json` に別途置くこともでき、`models.json` に書かなくてもかまいません。そのうえでデフォルトモデルを `settings.json` に書きます。

## テスト

`omo` または `senpi` を起動し、モデルセレクターに `aicentos` 配下のモデルが表示されることを確認して、1 文送って返答があるかを確かめます。

## 注意事項

* 2 つの設定ディレクトリを混同しないでください。OmO 側は `~/.omo/agent/`、senpi 側は `~/.senpi/agent/` で、間違った場所を編集しても反映されません。
* プロジェクト単位の `.senpi/settings.json` はグローバル設定を上書きします。問題を調べるときは、まずプロジェクトディレクトリを確認してください。
* 公式ドキュメントには移行の対応表しかなく、完全なリテラル設定の断片はありません。上記の構造は Pi 系の慣習に沿って整理したもので、フィールド名は `omo.dev/docs` の現行バージョンで確認してください。
* experimental なプロジェクトなので、アップグレードで設定構造が変わる可能性があります。

## 関連リンク

* [OmO ドキュメント](https://omo.dev/docs)
* [senpi リポジトリ](https://github.com/code-yeongyu/senpi)
* [oh-my-openagent リポジトリ](https://github.com/code-yeongyu/oh-my-openagent)

---

# SillyTavern

出典: https://docs.aicentos.com/ja/clients/sillytavern

Language: ja

> SillyTavern に aicentos を OpenAI 互換バックエンドとして追加し、Base URL と API キーで全モデルを利用します

# SillyTavern

SillyTavern は人気のロールプレイチャットアプリで、さまざまな AI モデルバックエンドに対応しています。OpenAI 互換 API を設定することで、aicentos に接続できます。

## API 接続設定を開く

1. SillyTavern アプリを起動します
2. 上部の API 接続アイコンをクリックします
3. **Chat Completion (OpenAI Compatible)** を選択します

## 接続情報の設定

API 設定パネルに次を入力します：

* **API Type**: `OpenAI` を選択
* **Chat Completion Source**: `OpenAI` または `OpenAI Compatible` を選択
* **API URL**: `https://aicentos.com/v1`
* **API Key**: あなたの API Key を入力します（例：`codex_...`、`sk-...`）
* **Model**: モデル ID を選択または入力します（例：`gpt-6-astra`）

## 接続テスト

1. **Connect** ボタンをクリックします
2. 接続に成功すると、ステータスが緑色で表示されます
3. キャラクターとのチャットを開始できます

## 注意事項

* API URL は `/v1` まで入力すればよく、完全な `/v1/chat/completions` パスは不要です
* ストリーミング応答に対応しています。高度な設定で有効にすることをおすすめします
* モデルのドロップダウンメニューにモデル ID を直接入力できます

## 公式ドキュメント

[SillyTavern の公式ドキュメント](https://docs.sillytavern.app/) で、その他の設定オプションをご確認ください。

---

# TavernAI

出典: https://docs.aicentos.com/ja/clients/tavernai

Language: ja

> TavernAI を aicentos の OpenAI 互換 API に接続し、Base URL と API キーで会話を開始します

# TavernAI

TavernAI はロールプレイチャットアプリで、OpenAI 互換インターフェースを通じてカスタム API サービスに接続できます。

## 設定を開く

1. TavernAI アプリを起動します
2. 右上の設定アイコンをクリックします
3. **API Settings** または **AI Configuration** セクションを見つけます

## API 接続の設定

API 設定に次を入力します：

* **API Type**: `OpenAI` を選択
* **API Endpoint**: `https://aicentos.com/v1`
* **API Key**: あなたの API Key を入力します（例：`codex_...`、`sk-...`）
* **Model**: モデル ID を入力します（例：`gpt-6-astra`）

## 保存とテスト

1. **Save** をクリックして設定を保存します
2. チャット画面に戻ります
3. メッセージを 1 つ送って接続をテストします

## 注意事項

* TavernAI のバージョンによって画面が多少異なる場合があります
* API Endpoint は `/v1` で終わるように入力してください
* 接続に失敗する場合は、API Key が正しいか確認してください

## 関連リンク

TavernAI はコミュニティプロジェクトです。関連するドキュメントとサポートは GitHub で見つけることができます。

---

# Trae

出典: https://docs.aicentos.com/ja/clients/trae

Language: ja

> Trae の AI / Model 設定で OpenAI 互換サービスを追加し、Base URL と API キーを入力します

このドキュメントでは、Trae でカスタム OpenAI 互換設定を使って aicentos に接続する方法を説明します。Trae はバージョンによって設定の入口が変わる可能性があるため、特定のメニューパスには固定せず、見つけるべき重要な設定項目を説明します。

## AI / Model 設定を開く

Trae の設定で、次のキーワードに対応する設定エリアを探します：

* AI
* Models
* Provider
* OpenAI
* Custom

現在のバージョンがカスタム OpenAI 互換接続に対応している場合は、通常、モデルプロバイダー、API Key、Base URL などの入力項目が用意されています。

## 設定値

aicentos の値を入力します：

* Base URL：[https://aicentos.com/v1](https://aicentos.com/v1)
* API Key：あなたの codex\_... または sk-... などのキー
* Model ID：GET /v1/models の返却結果を基準にします。接続確認だけが目的なら、まず gpt-6-astra を試せます

## テスト

保存後、新しい会話、編集タスク、または Agent タスクを作成し、Trae が正常にリクエストを送信して内容を返すことを確認します。

## 注意事項

* ここに入力するのは OpenAI 互換の Base URL です。/chat/completions や /responses の完全なパスに補わないでください
* お使いのバージョンが公式内蔵モデルしか選べない場合、または公式の OpenAI Key しか入力できず Base URL を変更できない場合は、このゲートウェイに直接接続することはできません
* 最も確実なのは、まず GET /v1/models で見えるモデルを確認してから、Trae に戻って Model ID を入力することです

---

# Unsloth

出典: https://docs.aicentos.com/ja/clients/unsloth

Language: ja

> Unsloth はファインチューニングとローカル推論のフレームワークで、チャットクライアントではありません —— aicentos に接続できない理由を説明します

Unsloth はオープンソースのモデルファインチューニングとローカル推論のフレームワークで、デスクトップアプリと Unsloth Studio（ブラウザーインターフェース）が付属します。`Connections` パネルは「モデルプロバイダーの設定」に見えますが、**入力できるのはローカルまたは自前のエンドポイントだけで、クラウドプロバイダーは固定のリスト**です。「任意の OpenAI 互換 URL」という項目はないため、推論リクエストを aicentos に向けることはできません。

## 直接接続できない理由

* Studio の `Settings → Connections → Add Provider` で選べるのは llama.cpp、vLLM、Ollama のような**ローカル／自前のサービス**で、入力する Base URL は `http://localhost:8000/v1` のような形式です。
* クラウド側は固定のリスト（OpenAI、Anthropic、OpenRouter、ChatGPT/Codex）＋ API キーで、カスタムエンドポイントの入口がありません。
* 公式ドキュメントの「remote OpenAI-compatible endpoint」は**自分でデプロイした**推論サービスを指し、サードパーティの集約ゲートウェイではありません。
* 役割としてもサーバー側に寄っており、Unsloth 自身が OpenAI 互換 API を外部に提供して、他のアプリから接続される側です。

## 設定値

| フィールド    | 値                         |
| -------- | ------------------------- |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| モデル      | コンソール「モデル広場」のモデル名         |

上の表は aicentos 側の共通パラメーターで、以下の代替手段で使用します。

## 代替手段

### 代替案 1：学習は学習、チャットはチャット

ファインチューニングとローカル推論は Unsloth で行い、日常の会話は [Cherry Studio](https://docs.aicentos.com/ja/clients/cherry-studio)、[Chatbox](https://docs.aicentos.com/ja/clients/chatbox) のようなクライアントで aicentos に接続します。両者は互いに干渉しません。

### 代替案 2：ローカルでサービスを起動し、フロントエンドから接続する

Unsloth が公開するのは OpenAI 互換インターフェースです。`unsloth` サービスをローカルで起動したら、クライアントの Base URL にそのアドレス（例：`http://localhost:8000/v1`）を入力します。aicentos を入力するのと同じ操作です。

### 代替案 3：効果を比較したいならフロントエンドを替える

「ローカルでファインチューニングしたモデル」と「aicentos 上の汎用モデル」を比較したい場合は、複数 provider の併存に対応したクライアントを使うのが最も手軽で、同じ画面で切り替えられます。

## テスト

ローカルサービスが起動したら、まず `curl http://localhost:8000/v1/models` でインターフェースが生きていることを確認し、そのあとクライアントでプロンプトを 1 つ送ります。

## 注意事項

* Studio の `Connections` を BYOK パネルと勘違いしないでください。ここが管理するのはローカルのランタイムです。
* ローカル推論はハードウェアに依存します。長いコンテキストや大量のバッチ処理は aicentos を使うことをおすすめします。
* 公式ドキュメントには「サードパーティ API で学習データを生成する」手順の説明がありません。この考え方でパイプラインを計画しないでください。

## 関連リンク

* [Unsloth Connections ドキュメント](https://unsloth.ai/docs/integrations/connections)
* [unsloth リポジトリ](https://github.com/unslothai/unsloth)

---

# Warp

出典: https://docs.aicentos.com/ja/clients/warp

Language: ja

> Warp で aicentos に接続する —— カスタム推論エンドポイントで Warp Agent を動かす

Warp はターミナル型の Agent 開発環境です。**Custom inference endpoint** に対応しており、相手先が OpenAI Chat Completions インターフェースを実装していれば、Warp Agent のモデル呼び出しをそちらに転送できます。エンドポイントを aicentos に向ければ、自分のアカウントのモデルで Warp の Agent を動かせます。

## 準備

* Warp を、カスタム推論エンドポイントを含むバージョンに更新します（旧バージョンは BYOK のみで、Base URL を変更できません）。
* aicentos コンソールで専用のキーを 1 つ作成します（名前は `warp-terminal` がおすすめです）。
* 使うモデルが **ツール呼び出し（function calling）** に対応していることを確認します。Warp Agent はファイルの読み書きやコマンド実行にこれを利用します。

## 設定値

| 項目            | 値                                 |
| ------------- | --------------------------------- |
| Endpoint name | `aicentos`（自由に設定。モデルセレクターでの識別に使用） |
| Endpoint URL  | `https://aicentos.com/v1`         |
| API Key       | コンソールで作成したキー                      |
| Model name    | コンソール「モデル広場」のモデル ID               |
| Model alias   | 任意。モデルセレクターに表示される名前               |

## 設定手順

* Warp の設定を開き、`inference endpoint` を検索するか、**Settings → AI** に入ります。
* **Custom inference** エリアで **Add custom model** / **Add destination** をクリックします。
* ダイアログに Endpoint name、Endpoint URL（`https://aicentos.com/v1`）、API Key を入力します。
* **Model name** にモデル ID を入力し、**Add model** でさらに追加できます。識別しやすいように alias を別途設定することもできます。
* 保存すると、カスタムモデルが Warp のモデルセレクターに、あなたのエンドポイント名のラベル付きで表示されます。

## テスト

Warp で追加したばかりのモデルを選択し、簡単な質問（例：「現在のディレクトリのファイルを一覧表示して、プロジェクト構成を説明して」）を送り、正常に返ることを確認します。カスタムエンドポイントのモデルは、agent モード、ツールバー、ambient agent のセレクターに表示されます。

## 注意事項

* Endpoint URL は OpenAI 互換のルートパスを入力します（`/v1/chat/completions` が組み立てられる場所です）。完全な `/v1/chat/completions` とは書かないでください。
* エンドポイントは**公開ネットワーク**からアクセスできる必要があります。Warp のリクエストはそのサーバー経由で転送されるため、`localhost` や内網アドレスは拒否されます。`aicentos.com` は公開 HTTPS アドレスなので、そのまま使えます。
* API Key とエンドポイント情報は**ローカルデバイス**のセキュアストレージに保存されます。Warp のサーバーはリクエスト時にその場で使用するだけで、保持しません。
* カスタムエンドポイントを使うリクエストは Warp の AI credits を**消費しません**。費用は aicentos 側で使用量に応じて課金されます。ただし Business / Enterprise プランでは、ローカル側の Agent 実行自体は引き続きプラットフォーム credits を消費します。
* `400 invalid model format` と表示される場合は、ゲートウェイが `provider/model_id` 形式を要求しています。コンソールに表示されたモデル ID を基準に、必要に応じてその形式でプレフィックスを補ってください。
* カスタムエンドポイントでは現在、コンテキストウィンドウを個別に宣言できません。非常に長い会話は早めに圧縮される場合があります。
* 公式ドキュメント：`https://docs.warp.dev/agent-platform/inference/custom-inference-endpoint/`

---

# Windsurf

出典: https://docs.aicentos.com/ja/clients/windsurf

Language: ja

> Windsurf が独自 Base URL に対応していれば、aicentos のエンドポイントと API キーを入力して接続します

このドキュメントでは、Windsurf でカスタム OpenAI 互換設定を使って aicentos に接続する方法を説明します。Windsurf はバージョンによって BYOK やカスタムモデル設定の対応状況が完全には同じではないため、ここでは 2 つの場合に分けて説明します。

## まずバージョンがカスタム Base URL に対応しているか確認する

Windsurf のモデル、サブスクリプション、または AI 設定の中で、次のような入口を探します：

* `Models`
* `BYOK`
* `OpenAI`
* `Custom`
* `Base URL`

公式 API Key の入力欄しかなく、編集可能な Base URL がない場合は、そのバージョンは通常、公式対応の BYOK モードしか使えず、aicentos のゲートウェイに直接変更することはできません。

## カスタム接続情報の入力

お使いのバージョンがカスタム OpenAI 互換設定を提供している場合は、次を入力します：

* Base URL：`https://aicentos.com/v1`
* API Key：あなたの `codex_...` または `sk-...` などのキー
* Model ID：`GET /v1/models` の返却結果を基準にします。接続確認だけが目的なら、まず `gpt-6-astra` を試せます

## テスト

設定を保存したら、新しい Cascade 会話またはコーディングタスクを作成し、正常に結果が返ることを確認します。

## 注意事項

* Base URL は `https://aicentos.com/v1` と入力します
* 完全な `/v1/chat/completions` や `/v1/responses` パスにはしないでください
* 現在のバージョンが公式 BYOK のみでカスタム Base URL がない場合は、このゲートウェイに直接接続できません
* Windsurf 公式モデルの説明ページ：`https://docs.windsurf.com/windsurf/models`

---

# WorkBuddy

出典: https://docs.aicentos.com/ja/clients/workbuddy

Language: ja

> WorkBuddy で aicentos を使う —— カスタム OpenAI 互換設定による接続

WorkBuddy はカスタムの OpenAI 互換モデル設定に対応しています。Base URL を aicentos に向けて API Key を入力すれば、WorkBuddy で aicentos に接続されたモデルを利用できます。

## 準備

aicentos コンソールで専用のキーを 1 つ作成します（名前は `workbuddy` のようにすると使用量の追跡に便利です）。

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| Provider | `OpenAI Compatible`       |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| Model ID | コンソール「モデル広場」のモデル名         |

## 設定手順

* WorkBuddy のモデル / AI 設定を開きます。
* Provider を **OpenAI Compatible**（または「カスタム」）に設定します。
* aicentos コンソールで作成した API Key を入力します。
* Base URL を次に設定します：`https://aicentos.com/v1`
* モデル ID を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。必要に応じて手入力します。
* 設定を保存します。

## テスト

保存後、新しい会話を作成して簡単なプロンプトを 1 つ送り、正常に接続して内容が返ることを確認します。

## 注意事項

* Base URL は `/v1` まで入力し、完全な `/chat/completions` パスに補わないでください。
* 現在のバージョンに編集可能な Base URL がなく公式キーしか入力できない場合は、このゲートウェイに直接接続できません。カスタムエンドポイントに対応したクライアントに変更してください。
* まず `GET /v1/models` で見えるモデルを確認してから、WorkBuddy に戻って Model ID を入力することをおすすめします。
* アカウントの残高が不足しているとリクエストは失敗します。先に[ウォレットページ](https://aicentos.com/wallet)で残高を確認してください。

---

# ZCode

出典: https://docs.aicentos.com/ja/clients/zcode

Language: ja

> ZCode で aicentos を使う —— カスタム OpenAI 互換設定による接続

ZCode はカスタムの OpenAI 互換モデル設定に対応しています。Base URL を aicentos に向けて API Key を入力すれば、ZCode の会話やコーディングタスクで aicentos に接続されたモデルを利用できます。

## 準備

aicentos コンソールで専用のキーを 1 つ作成します（名前は `zcode` のようにすると使用量の追跡に便利です）。

## 設定値

| 項目       | 値                         |
| -------- | ------------------------- |
| Provider | `OpenAI Compatible`       |
| API Key  | コンソールで作成したキー              |
| Base URL | `https://aicentos.com/v1` |
| Model ID | コンソール「モデル広場」のモデル名         |

## 設定手順

* ZCode の設定を開き、モデル / AI 設定エリアに入ります。
* Provider に関するオプションを見つけ、**OpenAI Compatible**（または「カスタム OpenAI」）を選択します。
* aicentos コンソールで作成した API Key を入力します。
* Base URL を次に設定します：`https://aicentos.com/v1`
* モデル ID を入力します（[対応モデル](https://docs.aicentos.com/ja/billing/models-list) を参考にできます）。ドロップダウンに目的のモデルがない場合は、直接手入力します。
* 設定を保存します。**Verify** ボタンがある場合は、先に 1 回クリックします。

## テスト

新しい会話またはコーディングタスクを作成し、簡単なプロンプトを 1 つ送って、正常に内容が返ることを確認します。

## 注意事項

* Base URL は `/v1` まで入力し、完全な `/chat/completions` や `/v1/responses` パスに補わないでください。
* 現在のバージョンが公式内蔵モデルしか選べず、編集可能な Base URL がない場合は、このゲートウェイに直接接続できません。その場合は、カスタムエンドポイントに対応したクライアントに変更するしかありません。
* まず `GET /v1/models` で見えるモデルを確認してから、ZCode に戻って Model ID を入力することをおすすめします。
* アカウントの残高が不足しているとリクエストは失敗します。先に[ウォレットページ](https://aicentos.com/wallet)で残高を確認してください。

---

# Zed Agent

出典: https://docs.aicentos.com/ja/clients/zed-agent

Language: ja

> Zed の Agent Panel から OpenAI 互換 Provider で aicentos に接続する

Zed には OpenAI 互換の Provider タイプが内蔵されています。`settings.json` にエンドポイント、モデル、コンテキスト長を宣言すれば、Agent Panel で aicentos に接続されたモデルを利用できます。

## 準備

まずコンソールの「API Key」ページで Zed 専用のキーを作成します（名前は `zed-agent` がおすすめです）。

* コンソール：[https://aicentos.com](https://aicentos.com)
* キーの作成：[https://aicentos.com/keys](https://aicentos.com/keys)
* 残高不足のときのチャージ：[https://aicentos.com/wallet](https://aicentos.com/wallet)

Zed は API Key を `settings.json` に書き込まず、同名の環境変数を読みます。Provider ID は大文字のスネークケースに変換され、末尾に `_API_KEY` が付きます。したがって Provider ID を `aicentos` にすると、環境変数名は `AICENTOS_API_KEY` になります。

## 設定値

| 項目                              | 値                         |
| ------------------------------- | ------------------------- |
| Provider ID                     | 自由に設定。例：`aicentos`        |
| `api_url`                       | `https://aicentos.com/v1` |
| `available_models[].name`       | コンソール「モデル広場」のモデル名         |
| `available_models[].max_tokens` | モデルのコンテキストウィンドウ           |
| API Key                         | 環境変数 `AICENTOS_API_KEY`   |

## 設定手順

* Zed の `settings.json` を開きます（コマンドパレットで `zed: open settings` を実行）。
* `language_models.openai_compatible` の設定を追加します：

```json
{
  "language_models": {
    "openai_compatible": {
      "aicentos": {
        "api_url": "https://aicentos.com/v1",
        "available_models": [
          {
            "name": "gpt-5",
            "display_name": "GPT-5 (aicentos)",
            "max_tokens": 128000,
            "max_output_tokens": 16384,
            "capabilities": {
              "tools": true,
              "images": false,
              "chat_completions": true
            }
          }
        ]
      }
    }
  }
}
```

* 環境変数をエクスポートします（`~/.zshrc` に書き込んでから再読み込みします）：

```bash
export AICENTOS_API_KEY="sk-あなたのaicentosキー"
```

* Agent Panel を開き、モデルのドロップダウンでその Provider 配下のモデルを選択します。

Agent 設定で **Add Provider** をクリックし、GUI から Provider 名、API URL、モデル ID、コンテキストウィンドウを入力することもできます。

## テスト

設定が完了したら、Agent Panel で新しい会話を作成し、まず簡単なプロンプト 1 つで軽くテストします。正常に返ることを確認してから、本格的にツール呼び出しを使い始めてください。

## 注意事項

* `api_url` は `https://aicentos.com/v1` まで入力し、完全な `/chat/completions` に補わないでください。Zed が自動で連結します。
* API Key を `settings.json` に直接書くことはできません。環境変数を使う（または Provider 設定画面からシステムのキーチェーンに保存する）必要があります。空でない環境変数はキーチェーンより優先されます。
* `max_tokens` はコンテキストウィンドウです。モデルの実際の値に合わせて設定することをおすすめします。欠落しているとコンテキスト管理が正しく動作しません。
* ツール呼び出しはデフォルトで有効（`capabilities.tools`）です。画像入力と並列ツール呼び出しはデフォルトで無効のため、必要に応じて手動で有効にしてください。
* 公式ドキュメント：[https://zed.dev/docs/ai/llm-providers](https://zed.dev/docs/ai/llm-providers)
* その他の説明はドキュメントサイトをご覧ください：[https://docs.aicentos.com](https://docs.aicentos.com)

---

# aicentos の紹介

出典: https://docs.aicentos.com/ja/introduction

Language: ja

> 1 つの API ですべての LLM に接続 — OpenAI・Anthropic・Google・xAI などの主要プロバイダーを集約

**aicentos** は開発者向けの AI API アグリゲーションプラットフォーム。API キー 1 つで、OpenAI・Anthropic・Google・xAI・DeepSeek などの主要プロバイダーの LLM を呼び出せます。

aicentos 公式サイト

## 解決する課題

LLM の導入で面倒なのは？アカウントは個別登録、キーは個別管理、課金は個別確認、SDK は個別実装。aicentos はそのすべてをまとめました。

| 課題      | 従来のやり方        | aicentos                  |
| ------- | ------------- | ------------------------- |
| モデル切り替え | SDK・URL・キーを変更 | **`model` パラメータ 1 つだけ変更** |
| 海外アカウント | 海外クレカ / 電話番号  | **登録で ¥1 付与、Alipay チャージ** |
| API 仕様  | プロバイダーごとに別々   | **OpenAI 互換プロトコルに統一**     |
| 課金の透明性  | 管理画面がバラバラ     | **課金と利用ログを一元化**           |
| キー管理    | 細かい権限なし       | **クォータ・モデル許可リスト・IP 制限**   |

コンソールでキー・残高・利用状況・ログを一元管理：

コンソール概要

## 主な特長

### マルチプロバイダー対応

OpenAI・Anthropic・Google・xAI・Alibaba 通義・DeepSeek・智譜・Moonshot・MiniMax のモデル**を 1 つのエンドポイントに集約**。チャット・推論・コード・画像・動画・埋め込みをカバーし、既存の SDK 呼び出しはそのまま使えます。

全リストは[対応モデル](https://docs.aicentos.com/ja/billing/models-list)をご覧ください。

### 可用性を確認できる

各モデルにヘルスチェックを完備。[モデルステータスモニター](https://docs.aicentos.com/status)で 1 時間 / 24 時間 / 7 日の稼働率・レイテンシ・エンドポイント PING を確認してから導入できます。

### 安全・信頼

API キーは**クォータ上限・モデル許可リスト・IP 制限・有効期限**などの多階層制御に対応。プロジェクトやメンバーごとに発行でき、コスト配分と権限回収が容易です。

### 開発者フレンドリー

**OpenAI プロトコル**に完全互換。既存の OpenAI / Codex プロジェクトは `base_url` を `https://aicentos.com/v1` に変えるだけで動作し、Claude / Anthropic など他プロトコルはルートアドレス `https://aicentos.com` を使用。**移行コードは 0 行**です。

## こんな方に

* 海外アカウントやクレカの手間なく **Claude / GPT / Gemini** を使いたい開発者
* **複数 LLM を頻繁に切り替えて**比較したい研究者・エージェント開発者
* **課金・クォータ制御・利用監査の一元化**が必要なチーム
* 中国国内から海外 API への**高レイテンシ・不安定な経路**に悩むエンジニア

## プラットフォームデータ

| 指標     |             数値 |
| ------ | -------------: |
| 登録特典   | **¥1 体験クレジット** |
| 残高有効期限 |        **無期限** |

## 次のステップ

* [クイックスタート](https://docs.aicentos.com/ja/quickstart) — 3 ステップで最初のリクエストを実行
* [対応モデル](https://docs.aicentos.com/ja/billing/models-list) — 接続済みモデルの一覧
* [モデルステータスモニター](https://docs.aicentos.com/status) — 各モデルのリアルタイム稼働率
* [課金](https://docs.aicentos.com/ja/billing/pricing) — チャージと従量課金

---

# Nano Banana 2 画像生成

出典: https://docs.aicentos.com/ja/nano-banana2

Language: ja

> aicentos 経由で gemini-3.1-flash-image-preview（Nano Banana 2）を呼び出して画像を生成 — Gemini ネイティブ形式と OpenAI 互換形式の例

この記事では、aicentos 経由で **Nano Banana 2**（`gemini-3.1-flash-image-preview`）を呼び出して画像を生成するリクエスト例を紹介します。**Gemini ネイティブ形式**と **OpenAI 互換形式**の 2 種類のパラメーター指定に対応しています。

`imageConfig` でアスペクト比（`aspectRatio`）と解像度（`imageSize`、`2K`・`4K` など）を指定できます。

## Gemini ネイティブ形式

1:1 サイズの 4K 画像を生成するリクエスト例：

```bash
export AICENTOS_API_KEY="sk-あなたのキー"

curl --location --request POST 'https://aicentos.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent' \
--header "x-goog-api-key: $AICENTOS_API_KEY" \
--header 'content-type: application/json' \
--header 'Accept: */*' \
--data-raw '{
  "contents": [
    {
      "parts": [
        {
          "text": "レトロな宣伝ポスター風で、中国語のテキストを際立たせ、背景は赤と黄色の放射状パターン。画面の中央には美しい若い女性が描かれ、精緻なレトロ調で、微笑みを浮かべた優雅で親しみやすい雰囲気。テーマは最新 AI 描画サービスの広告プロモーション、4K 解像度\n"
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "image"
    ],
    "imageConfig": {
      "aspectRatio": "1:1",
      "imageSize": "4K"
    }
  }
}'
```

## OpenAI 互換形式

9:16 サイズの 2K 画像を生成するリクエスト例：

```bash
export AICENTOS_API_KEY="sk-あなたのキー"

curl --location --request POST 'https://aicentos.com/v1/chat/completions' \
--header "Authorization: Bearer $AICENTOS_API_KEY" \
--header 'Content-Type: application/json' \
--header 'Accept: */*' \
--data-raw '{
    "model": "gemini-3.1-flash-image-preview",
    "extra_body": {
        "imageConfig": {
            "aspectRatio": "9:16",
            "imageSize": "2K"
        }
    },
    "messages": [
        {
            "role": "system",
            "content": "{\"imageConfig\": {\"aspectRatio\": \"9:16\", \"imageSize\": \"2K\"}}"
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "馬年大吉の絵を描いて"
                }
            ]
        }
    ],
    "max_tokens": 4096,
    "temperature": 0.8
}'
```

## パラメーターの説明

* `aspectRatio`：アスペクト比。`1:1`、`9:16`、`16:9` など。
* `imageSize`：解像度。`2K`、`4K` など。
* Gemini ネイティブ形式は `x-goog-api-key` で認証し、OpenAI 互換形式は `Authorization: Bearer` で認証します。
* OpenAI 互換形式では、`imageConfig` を `extra_body` に置くことも、`system` メッセージの JSON に入れることもできます。
* 例の `sk-あなたのキー` は、aicentos コンソールで作成した API Key に置き換えてください。

---

# クイックスタート

出典: https://docs.aicentos.com/ja/quickstart

Language: ja

> 3 ステップで接続：アカウント登録 → API キー作成 → クライアントに Base URL とキーを設定

3 ステップで接続します：**アカウント登録 → API キー作成 → クライアントへの Base URL とキーの設定**。

## ステップ 1：アカウント登録

[aicentos.com](https://aicentos.com/) を開き、右上の「**利用開始**」をクリックして登録ページに移動します：

登録ページ

**ユーザー名**と**パスワード**を入力し、利用規約に同意して「アカウント作成」をクリックします。登録すると**体験クレジット ¥1** が進呈され、チャージしなくてもすぐに呼び出せます。

## ステップ 2：API キーの作成

ログインしてコンソールに入り、左側のナビゲーションで「**API キー**」をクリック、続いて右上の「**API キーを作成**」をクリックします：

API キーページ

ダイアログで設定を入力し、「変更を保存」をクリックします：

API キーの作成

| 項目      | 説明                                                          |
| ------- | ----------------------------------------------------------- |
| 名前      | 自由に設定でき、複数プロジェクトの区別に便利です。用途ごとに分けて作成すると、コスト集計や権限の回収がしやすくなります |
| グループ    | どの上流グループを経由するかを選択します。空欄のままデフォルトを使用できます                      |
| 有効期限    | 「無期限」または 1 時間 / 1 日 / 1 か月の指定に対応しています                       |
| 数量      | 複数のキーを一括作成できます。名前には自動的にランダムな接尾辞が付きます                        |
| 無制限クォータ | オフにすると、このキーのクォータ上限を設定できます                                   |

作成が完了するとキーが一覧に表示されます。`sk-xxxxxxxxxxxx` の形式で、デフォルトではマスク表示です：

キー作成完了

キー一覧は名前やキーで検索でき、グループ・クォータ・利用可能モデル・IP 制限などを確認できるほか、いつでも編集や削除が可能です：

キー一覧

> **キーが完全な形で表示されるのは作成時の 1 回だけ**です。すぐにコピーして安全に保管してください。フロントエンドコードへのハードコードや公開リポジトリへのコミットは避けてください。

## ステップ 3：クライアントに Base URL とキーを設定

### まず正しい Base URL を選ぶ

ここが最も間違えやすいポイントです —— **プロトコルによって使うアドレスが異なります**：

| 使用シーン                                    | Base URL                  |
| ---------------------------------------- | ------------------------- |
| Codex / OpenAI 互換形式                      | `https://aicentos.com/v1` |
| Claude Code / Anthropic 形式、およびその他のクライアント | `https://aicentos.com`    |

> **Anthropic プロトコルではルートアドレスのみを入力**してください。`/v1/messages` を手動で付加しないでください。クライアントが自動的に結合します。

コンソールの「API キー」ページ右上にある「**API アドレス**」のドロップダウンからも、そのまま確認・コピーできます：

API アドレス

### 接続の確認

curl で最小限のリクエストを実行し、キーとネットワークが利用できるか確認します：

```bash
export AICENTOS_API_KEY="sk-あなたのキー"

curl https://aicentos.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -d '{
    "model": "gemini-3.8-flash",
    "messages": [
      {"role": "user", "content": "自分を一文で紹介してください"}
    ]
  }'
```

先にモデル一覧をリクエストしても構いません。JSON が返ってくれば、キーと Base URL のどちらも利用可能です：

```bash
export AICENTOS_API_KEY="sk-あなたのキー"

curl https://aicentos.com/v1/models \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

### Python（OpenAI SDK）

```python
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AICENTOS_API_KEY"],
    base_url="https://aicentos.com/v1",
)

resp = client.chat.completions.create(
    model="gemini-3.8-flash",
    messages=[{"role": "user", "content": "自分を一文で紹介してください"}],
)
print(resp.choices[0].message.content)
```

### Node.js（OpenAI SDK）

例は ESM 構文を使用しているため、ファイル名を `.mjs` にするか、`package.json` に `"type": "module"` を追加してください：

```js
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.AICENTOS_API_KEY,
  baseURL: 'https://aicentos.com/v1',
});

const resp = await client.chat.completions.create({
  model: 'gemini-3.8-flash',
  messages: [{ role: 'user', content: '自分を一文で紹介してください' }],
});

console.log(resp.choices[0].message.content);
```

### 代表的なクライアント

* [Claude Code の接続](https://docs.aicentos.com/ja/claude-code) — CC Switch でワンクリックインポート、または手動設定
* [Codex の接続](https://docs.aicentos.com/ja/codex) — GUI での設定、または config.toml を手書き
* [Cursor の接続](https://docs.aicentos.com/ja/cursor) — OpenAI 互換設定のカスタマイズ
* [Cherry Studio の接続](https://docs.aicentos.com/ja/cherry-studio) — OpenAI 互換プロバイダーの追加

## チャージ

登録特典のクレジットを使い切ったら、コンソール左側の「**ウォレット**」からチャージします：

ウォレット

チャージ金額プランと割引（**¥100 以上のチャージで割引が適用され、支払額はチャージ金額を下回ります**）：

| チャージ金額               | 割引     | 支払額    |
| -------------------- | ------ | ------ |
| ¥1 / ¥10 / ¥20 / ¥50 | なし     | 定価     |
| ¥100                 | 1% OFF | ¥99    |
| ¥500                 | 2% OFF | ¥490   |
| ¥1,000               | 3% OFF | ¥970   |
| ¥10,000              | 5% OFF | ¥9,500 |

金額を自由に入力することも、引換コードでクレジットと交換することもできます。

支払い方法

* **支払い方法**：Alipay、WeChat Pay、法人口座振込
* **クレジットは無期限**。token の実際の消費量に応じて課金されます
* 紹介報酬あり：招待リンク経由で登録すると双方に報酬が付与され、いつでも残高に振り替えられます

## 利用状況の確認

コンソール左側の「**データダッシュボード**」で消費明細を確認できます：

コンソール概要

現在の残高・総利用量・API リクエスト数に加え、モデル別の呼び出しトレンドも確認できます：

データダッシュボード

## コードを書かずに試す

コンソール上部の「**チャット**」にはプレイグラウンドが組み込まれており、モデルの選択やメッセージ送信をその場で行い、会話しながらプロンプトを調整できます：

プレイグラウンド

## 次のステップ

* [プレイグラウンド](https://aicentos.com/playground) でブラウザーから直接モデルをテスト。コードは不要です
* [対応モデル](https://docs.aicentos.com/ja/billing/models-list) — 対応している LLM を確認
* [エラー処理](https://docs.aicentos.com/ja/billing/errors) — 401 や残高不足などの問題を切り分け
* [課金ルール](https://docs.aicentos.com/ja/billing/pricing) — 従量課金と残高アラート

---

# モデルステータスモニター

出典: https://docs.aicentos.com/ja/status

Language: ja

> 各モデルの稼働率・レイテンシ・エンドポイント PING をリアルタイムで確認

ライブ監視パネルは現時点で[中国語のステータスページ](https://docs.aicentos.com/status)のみで提供されています。

---

# Veo 動画生成

出典: https://docs.aicentos.com/ja/veo-video

Language: ja

> aicentos 経由で Google Veo 動画生成モデルを呼び出す — テキストからの動画生成、画像からの動画生成、先頭・末尾フレーム、参照画像

この記事は開発者向けに、aicentos 経由で Google Veo 動画生成モデルを呼び出す方法を説明します。インターフェースは OpenAI 動画 API 互換形式（OpenAI Videos API）で、下流から接続する際はチャネルタイプに `openai` を指定するだけで済みます。

## モデルの能力

課金は動画生成時間（秒）に基づきます。具体的な単価は aicentos コンソールの表示が優先され、最終的な課金はシステムの実際の課金記録に基づきます。

### 公式の能力と aicentos の公開範囲

| モデル                             | 対応秒数  | 対応解像度         | アスペクト比    | 音声         | 説明                                                       |
| ------------------------------- | ----- | ------------- | --------- | ---------- | -------------------------------------------------------- |
| `veo-3.1-generate-preview`      | 4、6、8 | 720p、1080p、4k | 16:9、9:16 | ネイティブで音声付き | 1080p と 4k は 8 秒のみ対応。参照画像や先頭・末尾フレームなどの画像機能を使う場合は 8 秒を推奨。 |
| `veo-3.1-fast-generate-preview` | 4、6、8 | 720p、1080p、4k | 16:9、9:16 | ネイティブで音声付き | 1080p と 4k は 8 秒のみ対応。参照画像や先頭・末尾フレームなどの画像機能を使う場合は 8 秒を推奨。 |

参考ドキュメント：

* [Google Gemini API Veo 動画生成](https://ai.google.dev/gemini-api/video)
* [Veo 参照画像の説明](https://ai.google.dev/gemini-api/video#reference_images)
* [Veo 先頭・末尾フレームの説明](https://ai.google.dev/gemini-api/video#first_and_last_frame)
* [Veo アスペクト比の説明](https://ai.google.dev/gemini-api/video#aspect_ratio)

### アスペクト比

| モデル                             | 16:9 横向き | 9:16 縦向き | デフォルト比 | 推奨                     |
| ------------------------------- | -------- | -------- | ------ | ---------------------- |
| `veo-3.1-generate-preview`      | 対応       | 対応       | 16:9   | 4K は必ず 8 秒。動画拡張は現在未対応。 |
| `veo-3.1-fast-generate-preview` | 対応       | 対応       | 16:9   | 4K は必ず 8 秒。動画拡張は現在未対応。 |

リクエストでは `metadata.aspectRatio` またはフォームフィールドの `aspectRatio` でアスペクト比を指定できます：

```bash
{
  "metadata": {
    "aspectRatio": "9:16"
  }
}
```

`aspectRatio` を明示的に渡さない場合、システムはまず `size` から比率を推定します。たとえば `1280x720` は 16:9、`720x1280` は 9:16 と推定されます。`size` も渡されていない場合は、上流のデフォルトである 16:9 が使用されます。

### 音声について

| モデル                             | 公式の音声能力    | generateAudio 対応 | 推奨                                                   |
| ------------------------------- | ---------- | ---------------- | ---------------------------------------------------- |
| `veo-3.1-generate-preview`      | ネイティブで音声付き | 非対応              | `generateAudio` は渡さないでください。効果音が必要な場合は prompt に記述します。 |
| `veo-3.1-fast-generate-preview` | ネイティブで音声付き | 非対応              | `generateAudio` は渡さないでください。効果音が必要な場合は prompt に記述します。 |

Veo 3.1 シリーズはネイティブで音声付きの動画モデルですが、現在の Gemini API の Veo パラメーターテーブルでは `generateAudio` が制御可能なパラメーターとして公開されていません。このフィールドを渡すと、上流から `INVALID_ARGUMENT` が返される可能性があります。

音声の内容を制御したい場合は、prompt にセリフ・環境音・効果音・音楽のスタイルを記述できます。例：

```bash
夕暮れの海辺の灯台、波が岩を優しく打ち、遠くで低い風の音と海鳥の声、映画のような光と影、安定したカメラワーク
```

## 画像入力の能力

| 機能                   | Google 公式 Veo の能力                        | aicentos インターフェース対応 | 説明                                                                                                            |
| -------------------- | ---------------------------------------- | ------------------- | ------------------------------------------------------------------------------------------------------------- |
| 1 枚の初期画像から動画生成       | 対応                                       | 対応                  | `input_reference` で画像 1 枚をアップロードし、動画の先頭フレームとして使用します。                                                          |
| 先頭・末尾フレーム生成 / フレーム補間 | Veo 3.1 シリーズは image + lastFrame に対応      | 対応                  | 先頭フレームは `input_reference`、末尾フレームは `last_frame` または `lastFrame` を使用します。Veo 3.1 シリーズ・8 秒を推奨。                    |
| 複数の参照画像              | Veo 3.1 シリーズは最大 3 枚の referenceImages に対応 | 対応                  | `reference_image`、`reference_images`、`referenceImages` のいずれかでアップロードします。`referenceType` は `asset` のみ対応。8 秒を推奨。 |
| 動画拡張                 | Veo 3.1 / Fast は既存 Veo 動画の拡張に対応          | 現在未対応               | 現在の aicentos インターフェースは公式の video 入力を公開していません。                                                                  |

* 画像の MIME タイプは `image/jpeg`、`image/png`、`image/webp` に対応しています。ファイルまたは Base64 での送信を推奨し、リモート画像 URL の直接指定は非推奨です。
* 参照画像モードの注意点：現在の上流は参照画像のシナリオで `negativePrompt` に対応しておらず、渡すと `Negative prompt is not supported in your use case` が返されることがあります。参照画像リクエストでは `negativePrompt` を渡さないでください。
* 実装上の説明：Gemini API の Veo `predictLongRunning` の画像パラメーターは `bytesBase64Encoded` + `mimeType` を使用し、通常の `generateContent` の `inlineData` ではありません。aicentos は multipart でアップロードされた画像を、上流が必要とする形式に変換します。

## 課金ルール

* 動画生成時間に基づいて課金され、単位は秒です。上の表にあるモデル対応の秒数を使用し、任意の秒数は渡さないでください。
* リクエストで動画の長さが指定されていない場合、システムはデフォルトで 8 秒として課金します。
* 秒数の認識優先度：`metadata.durationSeconds` > `duration` > `seconds` > デフォルト 8 秒。
* 解像度の認識優先度：`metadata.resolution` > `size` > デフォルト 720p。
* 720p / 1080p / 4K は同じルールで課金され、解像度による追加料金はありません。
* `aspectRatio` は横向きか縦向きかを制御するだけで、追加料金はありません。
* 4K は 8 秒のみ対応しています。
* 具体的な単価は aicentos コンソールの表示が優先されます。

## エンドポイント

現在、次の 3 つのエンドポイントの使用を推奨します：

| 用途        | メソッド | パス                             |
| --------- | ---- | ------------------------------ |
| タスク作成     | POST | `/v1/videos`                   |
| ステータス照会   | GET  | `/v1/videos/{task_id}`         |
| 結果のダウンロード | GET  | `/v1/videos/{task_id}/content` |

照会時に結果の URL を直接取得したい場合は、次も使用できます：

| 用途               | メソッド | パス                                |
| ---------------- | ---- | --------------------------------- |
| ステータスと結果 URL の照会 | GET  | `/v1/video/generations/{task_id}` |

### 認証

```bash
export BASE_URL="https://aicentos.com"
export AICENTOS_API_KEY="sk-xxxxxx"
```

すべてのリクエストに以下を付けます：

```bash
-H "Authorization: Bearer $AICENTOS_API_KEY"
```

### テキストから動画生成タスクの作成

```bash
curl -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "veo-3.1-generate-preview",
    "prompt": "夕暮れの海辺の灯台、カメラがゆっくりと前進し、波が岩を優しく打つ、映画のような光と影、安定したカメラワーク",
    "seconds": "8",
    "size": "1280x720",
    "metadata": {
      "negativePrompt": "blurry, watermark, distorted, low quality",
      "resolution": "720p",
      "aspectRatio": "16:9",
      "seed": 20260401
    }
  }'
```

典型的なレスポンス：

```bash
{
  "id": "task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
  "task_id": "task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
  "object": "video",
  "model": "veo-3.1-generate-preview",
  "status": "queued",
  "progress": 0,
  "created_at": 1775025000
}
```

### 先頭フレームからの動画生成タスクの作成

現在、画像からの動画生成には `multipart/form-data` の使用を推奨します。先頭フレーム画像のフィールド名は `input_reference` である必要があります。

```bash
curl -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Accept: application/json" \
  -F "model=veo-3.1-generate-preview" \
  -F "prompt=画面の少女がカメラの方を振り向き、そよ風が髪をなびかせ、背景の街の灯りがかすんでぼやける、カメラは安定して前進する" \
  -F "input_reference=@./first-frame.png;type=image/png" \
  -F "seconds=8" \
  -F "size=1280x720" \
  -F "resolution=720p" \
  -F "aspectRatio=16:9" \
  -F "negativePrompt=blurry, watermark, deformed hands" \
  -F "seed=20260401"
```

### 先頭・末尾フレームタスクの作成

先頭・末尾フレームタスクでは、先頭フレームと末尾フレームの両方が必要です。先頭フレームは `input_reference`、末尾フレームは `last_frame` または `lastFrame` を使用します。

```bash
curl -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Accept: application/json" \
  -F "model=veo-3.1-generate-preview" \
  -F "prompt=最初の少女の画面から最後の少年の画面へ自然に移り変わり、カメラは安定して前進し、街の灯りはかすんでぼやけ、髪と服が風でわずかに揺れる、自然でリアルなトランジション" \
  -F "input_reference=@./first-frame.png;type=image/png" \
  -F "last_frame=@./last-frame.png;type=image/png" \
  -F "seconds=8" \
  -F "size=1280x720" \
  -F "resolution=720p" \
  -F "aspectRatio=16:9" \
  -F "negativePrompt=blurry, watermark, distorted face, deformed hands" \
  -F "seed=20260402"
```

### 参照画像タスクの作成

参照画像タスクは Veo 3.1 シリーズのみ対応で、最大 3 枚、`referenceType` は `asset` のみです。フィールド名は `reference_image`、`reference_images`、`referenceImages` のいずれかを使用できます。参照画像タスクでは `negativePrompt` を渡さないでください。

```bash
curl -X POST "$BASE_URL/v1/videos" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -H "Accept: application/json" \
  -F "model=veo-3.1-generate-preview" \
  -F "prompt=2 枚の画像の人物の外見と都市の夜景の雰囲気を参考に、映画のような二人の街頭シーンを生成。カメラは安定して前進し、背景の灯りはかすんでぼやけ、人物は自然にカメラを見る" \
  -F "reference_image=@./ref-1.png;type=image/png" \
  -F "reference_image=@./ref-2.png;type=image/png" \
  -F "reference_type=asset" \
  -F "seconds=8" \
  -F "size=1280x720" \
  -F "resolution=720p" \
  -F "aspectRatio=16:9" \
  -F "seed=20260403"
```

JSON / Base64 も使用できます：

```bash
{
  "model": "veo-3.1-generate-preview",
  "prompt": "参照画像の商品の外観を使って広告ショットを生成する",
  "duration": 8,
  "metadata": {
    "resolution": "720p",
    "aspectRatio": "16:9",
    "referenceImages": [
      {
        "image": {
          "bytesBase64Encoded": "BASE64_IMAGE",
          "mimeType": "image/png"
        },
        "referenceType": "asset"
      }
    ]
  }
}
```

### タスクステータスの照会

まず、作成エンドポイントが返した `id` または `task_id` を保存します：

```bash
export TASK_ID="task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
```

次にステータスを照会します：

```bash
curl -X GET "$BASE_URL/v1/videos/$TASK_ID" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

処理中の場合の典型的なレスポンス：

```bash
{
  "id": "task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
  "object": "video",
  "model": "veo-3.1-generate-preview",
  "status": "in_progress",
  "progress": 50,
  "created_at": 1775025000
}
```

完了後の典型的なレスポンス：

```bash
{
  "id": "task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
  "object": "video",
  "model": "veo-3.1-generate-preview",
  "status": "completed",
  "progress": 100,
  "created_at": 1775025000,
  "completed_at": 1775025068
}
```

### ステータスと結果 URL の照会

照会時にダウンロード可能な URL を直接取得したい場合は、次を呼び出します：

```bash
curl -X GET "$BASE_URL/v1/video/generations/$TASK_ID" \
  -H "Authorization: Bearer $AICENTOS_API_KEY"
```

典型的なレスポンス：

```bash
{
  "code": "success",
  "message": "",
  "data": {
    "error": null,
    "format": "mp4",
    "metadata": null,
    "status": "succeeded",
    "task_id": "task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
    "url": "https://aicentos.com/v1/videos/task_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx/content"
  }
}
```

### 動画結果のダウンロード

タスク完了後、直接ダウンロードします：

```bash
curl -L "$BASE_URL/v1/videos/$TASK_ID/content" \
  -H "Authorization: Bearer $AICENTOS_API_KEY" \
  -o veo-result.mp4
```

## ステータス一覧

`GET /v1/videos/{task_id}` が返す主なステータス：

| ステータス         | 説明    |
| ------------- | ----- |
| `queued`      | キュー待ち |
| `in_progress` | 生成中   |
| `completed`   | 完了    |
| `failed`      | 失敗    |

`GET /v1/video/generations/{task_id}` が返す主なステータス：

| ステータス        | 説明    |
| ------------ | ----- |
| `queued`     | キュー待ち |
| `processing` | 生成中   |
| `succeeded`  | 成功    |
| `failed`     | 失敗    |

## 接続時の注意点

* `prompt` は必須です。
* 画像からの動画生成では、画像フィールド名が `input_reference` である必要があります。
* 先頭・末尾フレームタスクでは先頭フレームと末尾フレームの両方が必須です。先頭フレームは `input_reference`、末尾フレームは `last_frame` または `lastFrame` を使用します。
* 参照画像タスクは Veo 3.1 シリーズのみ対応で、最大 3 枚、かつ 8 秒である必要があります。
* 参照画像タスクでは `negativePrompt` を渡さないでください。
* 現在の Gemini 画像からの動画生成では、リモート画像 URL の直接指定は非推奨です。ファイルまたは Base64 での送信を推奨します。
* `GET /v1/videos/{task_id}` をポーリングし、`status=completed` になってからダウンロードすることを推奨します。
* Veo 3.1 シリーズは 4、6、8 秒を指定できます。1080p または 4k を使う場合は必ず 8 秒を指定します。
* 横向きは `aspectRatio=16:9`、縦向きは `aspectRatio=9:16` を使用します。未指定の場合はデフォルトで 16:9 として処理されます。
* `generateAudio` パラメーターは渡さないでください。Veo 3.1 シリーズはネイティブで音声付きの動画モデルですが、現在の Gemini API では `generateAudio` パラメーターによる音声のオン/オフに対応していません。このフィールドを渡すと、上流から `INVALID_ARGUMENT` が返される可能性があります。
* 音声の内容を制御したい場合は、prompt にセリフ・環境音・効果音・音楽のスタイルを記述してください。
* 公式の Veo 3.1 は動画拡張に対応していますが、現在の aicentos インターフェースは公式の video 入力をまだ公開していません。