AutoGPT

AutoGPT — платформа для автономных агентов: вы задаёте цель, агент разбивает её на шаги, вызывает инструменты и доводит работу до результата. Модель в нём — обычный LLM-провайдер, поэтому переключить AutoGPT на SpeShu.AI можно, не меняя ни код, ни сами блоки: шлюз OpenAI-совместимый, меняются только базовый адрес и ключ.

От AutoGPT нужны ровно два значения: base_url = "https://speshu.ai/api/v1" и API-ключ в заголовке Authorization: Bearer. Дальше агент ходит в /chat/completions обычным OpenAI-совместимым запросом. Ключ создаётся в разделе API-ключей на speshu.ai/profile, подробности — в разделе Аутентификация.

Проект развивается несколькими независимыми линиями, и названия настроек между ними различаются. Проверьте, какая версия у вас: классический autogpt из репозитория AutoGPT и визуальная платформа настраиваются по-разному, а сам путь до «пользовательского провайдера» у обоих один — блок выбора модели в настройках.

Ключ и идентификатор модели

Положите ключ в переменную окружения

Ключ не зашивайте в конфиг AutoGPT — он попадает в бэкап, логи и скриншоты. Положите его в .env рядом с запуском или в переменную окружения оболочки:

export SPESHU_API_KEY="sk-ваш-ключ"

Проверьте ключ запросом баланса

Запрос баланса не стоит токенов и не обращается к моделям — это самый дешёвый способ убедиться, что ключ принят.

cURL

curl -s https://speshu.ai/api/v1/balance \
  -H "Authorization: Bearer $SPESHU_API_KEY"

{ "RUB": "1250.00", "USD": "3.75" }

Возьмите идентификатор модели из каталога

Идентификаторы текстовых моделей не зашивайте в код: состав каталога меняется, и зашитый в конфиг идентификатор начинает падать с 404 model_not_found без предупреждения.

cURL

export SPESHU_MODEL=$(curl -s https://speshu.ai/api/v1/models \
  -H "Authorization: Bearer $SPESHU_API_KEY" \
  | jq -r '.data[0].id')

echo "$SPESHU_MODEL"

.data[0] — первый элемент, чтобы пример можно было запустить. Выбирайте по context_length, цене и наличию зрения; провайдера конкретной модели видно в поле owned_by того же ответа. Формат ответа разобран в разделе Модели и цены и в Каталоге моделей.

Настройка

Визуальная платформа

Откройте настройки агента или платформы и найдите раздел конфигурации LLM — в разных версиях он называется AI Settings, LLM Settings или AI Configuration. В нём выберите провайдера типа OpenAI, Custom или Third-party (OpenAI-compatible) и заполните три поля:

Поле	Значение
Base URL / API Base / Endpoint	`https://speshu.ai/api/v1`
API Key	ваш ключ из профиля
Model	значение `$SPESHU_MODEL`, полученное выше

Названия полей — самые версионно-чувствительные места во всём AutoGPT: они переезжают между релизами. Если в вашей версии поле называется иначе, ищите в настройках модели адрес шлюза или адрес шлюза OpenAI-совместимого провайдера — это устойчивая точка входа, а не конкретный ключ в JSON.

Адрес пишите без завершающего слэша: https://speshu.ai/api/v1. Со слэшем на конце клиент склеит его с /chat/completions, получит двойной разделитель и вернёт 404 — при верном ключе и верной модели.

Классическая версия

В версии autogpt из репозитория AutoGPT те же значения задаются в файле .env в корне проекта. Имена переменных в этой линии развития:

# .env в корне проекта AutoGPT
OPENAI_API_KEY=sk-ваш-ключ
OPENAI_API_BASE=https://speshu.ai/api/v1

Названия переменных именно такие в ветках v0.4.x; в более поздних они частично переименованы (OPENAI_BASE_URL), поэтому сверяйтесь со шаблоном .env из вашей сборки. Запуск после правки:

python -m autogpt --ui-mode

Не передавайте ключ аргументом командной строки: он попадёт в историю оболочки и в список процессов, который читается любым пользователем системы.

Первый работающий пример

Проверьте, что шлюз отвечает

Прежде чем запускать агента, убедитесь, что сам шлюз работает с вашим ключом и идентификатором:

cURL

curl -s https://speshu.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $SPESHU_API_KEY" \
  -H "Content-Type: application/json" \
  -d "{
    \"model\": \"$SPESHU_MODEL\",
    \"messages\": [
      {\"role\": \"system\", \"content\": \"Ты агент. Отвечай одной строкой.\"},
      {\"role\": \"user\", \"content\": \"Разбей цель на три шага: собрать отчёт по обращениям.\"}
    ]
  }" | jq -r '.choices[0].message.content, .usage.cost.total_cost'

Если пришёл текст и сумма — шлюз, ключ и модель в порядке. Дальше дело за настройкой AutoGPT.

Проверьте, что всё работает

Соберите минимальный блок

Создайте агента с одной узкой целью и одним блоком LLM-вызова. Цель вроде «Ответь одним предложением: что такое контекстное окно?» — достаточна, чтобы отличить проблему конфигурации от проблемы модели.

Ограничьте бюджет итераций

У агентного цикла нет естественного конца: каждая итерация — платный запрос. Ограничьте число итераций и верхнюю границу max_tokens в настройках модели до первого запуска.

Запустите и посмотрите журнал вызовов

Ищите в логе успешные ответы /chat/completions без ошибок авторизации. Списания видны по остатку:

cURL

curl -s https://speshu.ai/api/v1/balance \
  -H "Authorization: Bearer $SPESHU_API_KEY"

Расход за один ответ лежит в поле usage.cost.total_cost ответа — в рублях; это единственное поле, по которому стоит считать деньги. Подробности — в разделе Тарификация и оплата и в гайде по учёту средств.

Что доступно через этот шлюз

Потоковая передача. Блоки LLM умеют разбирать SSE, но в логах AutoGPT поток обычно сводится к готовому тексту — инкрементального вывода в интерфейсе не будет. Формат кадров, [DONE] и кадр со списанием разобраны в гайде Потоковая передача.
Вызов функций. Протокол совпадает с обычным чатом: схема инструмента уходит в поле tools, выбранный инструмент возвращается в choices[0].message.tool_calls. Полный цикл, разбор аргументов и обработка параллельных вызовов — в гайде Вызов функций.
Изображения во входе. Блок, который отдаёт модели картинку, работает, если выбранная модель принимает зрение. Требования к ссылке и все четыре типа блоков контента — в гайде Медиаввод.
Генерация медиа. Медиа API асинхронное и не OpenAI-совместимое: задача создаётся отдельным вызовом, оплата идёт при создании, результат приходит по опросу. Из агента вызывайте его через блок HTTP-запроса, а не через LLM-блок. Формат конверта и цикл опроса — в Создании задачи и Статусе задачи.

cURL

export MEDIA_MODEL=$(curl -s https://speshu.ai/api/v1/media/models \
  | jq -r '.data[] | select(.media_type == "image") | .id' | head -1)

TASK=$(curl -s https://speshu.ai/api/v1/async/media/tasks \
  -H "Authorization: Bearer $SPESHU_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d "{\"model\": \"$MEDIA_MODEL\", \"input\": {\"prompt\": \"Кот в смокинге\"}}" \
  | jq -r '.data.taskId')

Идентификаторы медиа-моделей стабильнее текстовых: каталог GET /api/v1/media/models публичный, и его значения допустимо писать литералом.

Про векторную память

SpeShu.AI не отдаёт эмбеддинги: эндпоинта /embeddings в /api/v1 нет. Модуль векторной памяти AutoGPT — будь то классическое хранилище на Pinecone или Redis либо отдельное хранилище платформы — считает эмбеддинги через адрес, настроенный для основной модели, и получит 404. Агент будет либо падать на старте, либо молча терять память между итерациями.

Два честных варианта. Вариант A — эмбеддинги у другого провайдера. Это отдельная конфигурация, к SpeShu.AI она отношения не имеет. В классической версии это отдельные переменные в .env:

# генерация — SpeShu.AI
OPENAI_API_KEY=sk-ваш-ключ
OPENAI_API_BASE=https://speshu.ai/api/v1

# эмбеддинги — отдельный провайдер, свои значения
EMBEDDINGS_API_KEY=<ключ-другого-провайдера>
EMBEDDINGS_BASE_URL=https://<другой-провайдер>/v1
EMBEDDINGS_MODEL=<модель-эмбеддингов-того-провайдера>

В платформе то же самое делается в настройках хранилища памяти: отдельный провайдер эмбеддингов, отдельный ключ. Проверьте, что основной LLM-блок и хранилище памяти смотрят на разные адреса — иначе они перепишут друг друга. Вариант B — без эмбеддингов. Отключите векторную память целиком и передавайте агенту нужный контекст обычными блоками чтения. Автономный цикл продолжит работать, но перестанет помнить между запусками. Для узких задач с явными входными данными этого обычно достаточно.

Типичные проблемы

404 на запросе, хотя ключ и модель верны

Проверьте адрес: без завершающего слэша и без потерянного /v1. https://speshu.ai/api и https://speshu.ai/api/v1/ — обе частые причины, обе дают 404. Базовый адрес API разобран в разделе Введение в API.

401 invalid_api_key на первом же вызове

Ключ не подхватился из окружения или в конфигурации остался ключ другого провайдера. Проверьте значение командой echo "$SPESHU_API_KEY" | wc -c — в нём не должно быть кавычек и переносов строк. Формат ключа и его отзыв — в разделе Аутентификация.

404 model_not_found после обновления каталога

В настройках модели зашит идентификатор, которого больше нет в GET /api/v1/models. Замените его на $SPESHU_MODEL и перезапустите агента. Подробности — в разделе Модели и цены.

402 insufficient_quota после нескольких итераций

Агентный цикл съел остаток быстрее, чем вы рассчитывали: платный запрос идёт на каждую итерацию. Ограничьте число итераций и верхнюю границу max_tokens, пополните баланс в профиле. Проверка баланса идёт до обращения к модели, деньги за отказ не списываются.

Агент стартует и сразу падает на векторной памяти

Это не проблема шлюза: эндпоинта /embeddings у SpeShu.AI нет, и хранилище памяти получает 404. Уберите векторный шаг или переведите эмбеддинги на отдельный провайдер — оба варианта описаны выше.

Всё остальное

Полная таблица кодов, три формата ошибок и цикл повторов — на странице Ошибки, таймауты и квоты — в разделе Лимиты.

Что дальше

Начало работы

Полный маршрут от ключа до медиа-задачи

Модели и цены

Как выбрать идентификатор и на что смотреть

Вызов функций

Как агент вызывает инструменты

Запрос чату

Поля запроса и формат ответа

Начало работы

Возможности моделей

Генерация медиа

Фреймворки

Базы данных

Агенты и редакторы

No-code и автоматизация

Ключ и идентификатор модели

Настройка

Визуальная платформа

Классическая версия

Первый работающий пример

Проверьте, что шлюз отвечает

Проверьте, что всё работает

Что доступно через этот шлюз

Про векторную память

Типичные проблемы

Что дальше

Начало работы

Модели и цены

Вызов функций

Запрос чату

​Ключ и идентификатор модели

​Настройка

​Визуальная платформа

​Классическая версия

​Первый работающий пример

​Проверьте, что шлюз отвечает

​Проверьте, что всё работает

​Что доступно через этот шлюз

​Про векторную память

​Типичные проблемы

​Что дальше

Начало работы

Модели и цены

Вызов функций

Запрос чату

Ключ и идентификатор модели

Настройка

Визуальная платформа

Классическая версия

Первый работающий пример

Проверьте, что шлюз отвечает

Проверьте, что всё работает

Что доступно через этот шлюз

Про векторную память

Типичные проблемы

Что дальше