Agent Zero 模型配置指南:从 API 密钥到端点 URL,10 分钟让 AI 代理开工
【免费下载链接】agent-zeroAgent Zero AI framework项目地址: https://gitcode.com/GitHub_Trending/ag/agent-zero
第一次装完 Agent Zero,最卡人的往往不是安装,而是模型配置:密钥填在哪、端点 URL 怎么写、本地模型为什么连不上。这篇按"先自检、再选路"的思路带你把 Agent Zero 模型配置一次跑通,云端 API 密钥和本地 Ollama 两条路都覆盖,并附上常见的"发出去没反应"的排查清单。
配置前先过一遍这份检查清单
别急着进设置页,先确认手头东西齐了。依赖没备好,后面每一步都会卡住。
| 你走哪条路 | 必须准备好的东西 |
|---|---|
| 云端模型 | 一家提供商的 API 密钥(OpenRouter、OpenAI、Anthropic、Google 等),以及该密钥对应的可用额度 |
| 本地模型(以 Ollama 为例) | 宿主机上已安装 Ollama、ollama pull下载好模型、模型服务在跑 |
两条路通用的准备:
- Web UI 能正常打开(侧边栏能看到齿轮图标的Settings入口)。
- 如果你用 Docker 部署 Agent Zero,心里要有个概念:容器里的
localhost指向容器自己,不是你的宿主机。这个坑后面会专门讲。 - 顺手记一下主模型和工具模型的分工:主模型负责对话推理,工具模型负责摘要、命名这类杂活,选个小而快的就行。
路径一:接入云端模型(API 密钥 + 端点 + 上下文)
进设置页后选Cloud provider,流程就三步:
- 选提供商、填密钥。在 API Keys 区域找到对应提供商的输入框,把密钥粘进去保存。密钥只填一次,之后所有用到该提供商的模型都会复用。
- 选主模型。提供商定好后,模型下拉框里出现的是该家可用的模型列表。注意命名规则跟提供商绑定:同一家模型,在 OpenRouter 上可能带前缀,在原生 OpenAI 上就不带前缀,照抄错家就会报 Invalid model ID。
- 调两个上下文参数。这里最容易配错,顺序不能反:
- Context Length(总上下文窗口):先设总量,比如 100k。
- Context Window Space(聊天历史占比):再决定其中多少分给对话历史,是一个"占总窗口多少比例"的概念。
一个容易忽略的点:总窗口设得再大,占比给得再高,实际能用的历史长度是两者相乘的结果。总量先定,比例后调,别反过来。
配置完向导会再让你选一个工具模型。建议挑个小快便宜的(小参数量的开源模型就很合适),摘要、命名这类任务用不着大模型,能明显省钱提速。
路径二:跑本地模型(Ollama 为例)
本地模型的好处是数据不出门,代价是配置细节更多。以 Ollama 为例:
- 宿主机上装好 Ollama 并拉取模型,例如
ollama pull qwen3:8b。 - 用
ollama list确认模型确实已下载。 - 进 Agent Zero 设置,聊天模型的提供商选Ollama。
- 模型名必须和服务端完全一致——
ollama list里显示什么就填什么,大小写、冒号后面的 tag 都不能差。
端点是这条路上最高发的故障点。Agent Zero 在 Docker 里的默认端点是:
http://host.docker.internal:11434只要 Ollama 跑在宿主机上,这个默认值通常不用动。真正要检查的是 Ollama 的监听地址:如果它只绑在127.0.0.1:11434,容器通过网络网关依然摸不到它,需要让 Ollama 监听0.0.0.0(并把这个端口限制在可信客户端访问)。Ollama 和 Agent Zero 在同一个 Docker 网络时,也可以直接用容器名替代host.docker.internal。
小参数量本地模型还有个隐藏门槛:默认的通信格式对小模型偏复杂,可能出现"模型在描述工具调用而不是真的调用"。仓库自带的agents/tiny-local/就是为此准备的精简 profile,遇到这种情况可以切过去试试。
安全加固:别让配置页裸奔
模型能跑起来之后,回头把门锁好。这部分都在设置页的认证区域:
- Web UI 登录账号密码:给 Web 界面设一道用户名/密码,尤其是容器端口映射到公网或办公网络时。
- Docker root 密码:如果你开了 SSH 进容器的能力,把 root 密码改掉。
- OAuth 授权类服务:像 GitHub Copilot、Codex/ChatGPT、Google Cloud Gemini 这类走账号登录而非 API 密钥的服务,系统会引导你完成一次浏览器授权,按提示走完即可。
一个细节:截图分享配置界面时,先把密钥打码。密钥一旦流出,等于把账单和权限都递了出去。
跑通验证与排障:一条测试消息定生死
配置保存后,回主界面开一个新聊天,发一句"介绍一下你自己"。有正常回复,说明密钥、端点、模型名三件套都对了;卡住或报错,按下面对号入座:
| 症状 | 大概率原因 | 处理 |
|---|---|---|
| 发消息后毫无反应 | 密钥没填或没保存 | 回设置页确认 API Keys 区域不为空 |
| Invalid model ID | 模型命名与提供商不匹配 | 核对前缀规则,比如 OpenRouter 带openai/前缀、原生 OpenAI 不带 |
| 本地模型连不上 | 端点指向了容器自身 | 用host.docker.internal:11434,别用localhost |
| 端口通了仍超时 | Ollama 只监听回环地址 | 让 Ollama 监听0.0.0.0 |
还有一个真实场景值得记着:本地模型偶尔会"嘴上答应、手上不动"——回复里描述它将要执行的操作,却不产生真正的工具调用。这通常不是配置错了,而是模型能力与默认协议不匹配,换 tiny-local profile 或换稍大的模型一般就解决。
进阶入口:接下来往哪走
配置跑通只是起点,几个值得知道的去处:
- 首次运行向导与模型接入说明:docs/guides/onboarding.md
- 安装与本地模型(Ollama / oMLX / llama.cpp / vLLM)完整章节:docs/setup/installation.md
- 预设管理:把"快而省""本地隐私""满血输出"存成可切换的 Model Preset,见 docs/guides/model-presets.md
- 常见问答与故障排查:docs/guides/troubleshooting.md
- 模型提供商清单源码:conf/model_providers.yaml
- 各角色 Agent profile(含给小模型用的 tiny-local):agents/
把主模型、工具模型、端点和安全四项都落实,你的 Agent Zero 就算正式上工了。剩下的是不断试模型、调窗口,找到最合你节奏的组合。
【免费下载链接】agent-zeroAgent Zero AI framework项目地址: https://gitcode.com/GitHub_Trending/ag/agent-zero
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考