Pada AutoGPT Platform yang di-host sendiri, agen chat AutoPilot berjalan pada endpoint apa pun yang kompatibel dengan OpenAI yang Anda berikan — empat variabel lingkungan, disetel pada container. Kami menjalankan image resmi satu container v0.8.2 dengan cara tersebut terhadap pengganti perekaman pada 1 Oktober 2026: satu giliran chat dan tiga putaran alat selesai, dan file workspace yang ditulis AutoPilot dibaca kembali melalui API. Layanan agpt.co yang di-host tidak menerima endpoint kustom, begitu juga blok AI Text Generator di dalam grafik agen.
Untuk biaya AutoGPT secara keseluruhan — paket hosted, kredit, self-hosting — lihat harga AutoGPT. Jika Anda meninggalkan AutoGPT, lihat alternatif AutoGPT. Halaman ini sendiri membahas rute endpoint kustom.
Apa yang dapat dan tidak dapat menggunakan endpoint Anda
| Bagian AutoGPT | Menerima endpoint kustom? | Dasar |
|---|---|---|
| Chat AutoPilot, self-hosted | Ya — CHAT_BASE_URL | Dijalankan pada v0.8.2: chat dan panggilan alat selesai |
| Judul percakapan | Ya, endpoint dan model yang sama | Terlihat dalam run: panggilan non-streaming singkat per sesi |
| Simulator dry-run builder, ekstraksi onboarding | Ya, menurut panduan AutoGPT | Didokumentasikan; tidak diuji di sini |
| Memori Graphiti | URL dasar yang sama, modelnya sendiri (GRAPHITI_*_MODEL) | Terlihat dalam run: /v1/responses ditambah satu panggilan embedding per giliran |
| Pencarian semantik marketplace | URL dasar yang sama, STORE_EMBEDDING_MODEL (harus mengembalikan vektor berdimensi 1.536) | Terlihat dalam run: 200 panggilan embedding saat boot |
| Blok AI Text Generator dalam grafik agen | Tidak — penyedia tetap; hanya host native Ollama yang dapat disetel | Source v0.8.2 |
| agpt.co yang di-host | Tidak | Panduan AutoGPT: deployment cloud mengabaikan variabel ini |
Menyiapkannya
AutoGPT menyebut transport ini local karena Ollama adalah target yang umum, tetapi CHAT_BASE_URL hanyalah URL — panduannya sendiri mencantumkan API terkelola yang kompatibel dengan OpenAI sebagai salah satu bentuk yang berfungsi. Empat variabel penting: CHAT_USE_LOCAL=true, CHAT_BASE_URL yang diakhiri /v1, CHAT_API_KEY (wajib — transport ini sengaja tidak menggunakan fallback ke kunci OpenAI), dan CHAT_FAST_STANDARD_MODEL sebagai ID model mentah. Jika Anda membiarkan model lanjutan, judul, dan simulasi tidak disetel, AutoGPT menurunkannya dari model standar sehingga tidak ada nama khusus cloud yang mencapai endpoint Anda.
docker run -d --name autogpt \
--shm-size 2g --ulimit nofile=65536:65536 \
-p 127.0.0.1:3000:3000 \
-e AUTOGPT_PUBLIC_URL=http://localhost:3000 \
-e CHAT_USE_LOCAL=true \
-e CHAT_BASE_URL=https://api.kunavo.com/v1 \
-e CHAT_API_KEY=sk-kn-... \
-e CHAT_FAST_STANDARD_MODEL=claude-haiku-4-5 \
-e CHAT_FAST_ADVANCED_MODEL=claude-sonnet-5 \
-v autogpt-data:/data \
significantgravitas/autogpt:v0.8.2
# Compose installs put the same four CHAT_* lines in autogpt_platform/backend/.env.
# Check them inside the running container:
docker exec autogpt env | grep ^CHAT_Dari dalam Docker, localhost adalah container, bukan komputer Anda: endpoint pada host adalah http://host.docker.internal:<port>/v1 di Docker Desktop, dan itulah cara run tersebut mencapai penggantinya. Endpoint hosted seperti milik Kunavo tidak memerlukan jaringan khusus. Boot pertama menjalankan migrasi database dan memerlukan beberapa menit; tunggu hingga container melaporkan status sehat.
Apa yang dikirimkan satu giliran — diukur
| Permintaan | Ukuran | Catatan |
|---|---|---|
POST /v1/chat/completions, panggilan pertama dalam satu giliran | 41.876 byte | Streaming; 16 alat — termasuk bash_exec, web_fetch, run_agent, write_workspace_file; hanya bidang isi messages, model, stream, tools |
| Sama, setelah hasil alat | 42.677 byte | Empat pesan: panggilan alat dan hasilnya ditambahkan |
| Judul | Sekitar 0,6 KB | Tanpa streaming, sekali per sesi, model yang sama |
| Memori Graphiti | Per giliran | POST /v1/responses dengan nama model Ornith default, serta panggilan embedding untuk nomic-embed-text |
| Probe jendela konteks | Per sesi | GET /api/ps, /props, /api/v0/models, /v1/models |
Ukurannya identik dalam byte pada tiga pengujian. Ini adalah byte permintaan dari pengganti, bukan jumlah token dari penyedia. Bentuk permintaannya adalah OpenAI Chat Completions biasa — tanpa ekstensi vendor — sehingga endpoint yang melayani panggilan alat streaming adalah satu-satunya yang dibutuhkan jalur chat.
Lalu lintas sampingan yang perlu direncanakan
Semua hal di atas dikirim ke base URL yang sama. Ada dua konsekuensi jika endpoint Anda adalah gateway chat, bukan stack lokal lengkap. Embedding: indeks marketplace meminta text-embedding-3-small sebanyak 200 kali saat boot, dan Graphiti meminta nomic-embed-text pada setiap giliran; endpoint tanpa model embedding mengembalikan 404, pencarian penyimpanan beralih ke mode leksikal saja, dan ekstraksi memori mencatat traceback — chat itu sendiri tidak terpengaruh. Kunavo tidak menyediakan model embedding, jadi di Kunavo keadaan tersebut memang diharapkan. Nama model memori: panggilan Graphiti ke /v1/responses menggunakan nama model defaultnya sendiri, kecuali GRAPHITI_LLM_MODEL dan GRAPHITI_RERANKER_MODEL diatur ke model yang disediakan endpoint Anda.
Biaya per giliran
Sebagai perhitungan kasar, bukan tagihan: satu giliran alat mengirim 84.553 byte melalui dua panggilan — sekitar 21.138 token input dengan asumsi empat karakter per token — ditambah beberapa ratus token output; kami mengasumsikan 600.
| Model melalui Kunavo | Tarif per 1 juta input / output | Satu giliran alat |
|---|---|---|
| Claude Haiku 4.5 | $0,70 / $3,50 | $0,017 |
| Claude Sonnet 5 | $1,40 / $7,00 | $0,034 |
Percakapan bertambah panjang, jadi giliran berikutnya mengirim lebih banyak data. Kunavo menagih per token dari saldo prabayar dengan isi ulang minimum $10 dan tanpa langganan (penagihan); jumlah di katalog adalah batas minimum penagihan, bukan batas maksimum. Belum ada pihak di Kunavo yang menjalankan AutoGPT terhadap endpointnya sendiri — pengujian di sini menggunakan pengganti lokal — jadi periksa biaya giliran pertama di log penggunaan Anda.
Pertanyaan umum
Dapatkah AutoGPT menggunakan endpoint API kustom?
Ya, untuk satu bagian produk dan hanya saat Anda meng-host-nya. Pada AutoGPT Platform yang di-host sendiri, agen chat AutoPilot menerima endpoint apa pun yang kompatibel dengan OpenAI melalui CHAT_USE_LOCAL=true, CHAT_BASE_URL, CHAT_API_KEY, dan CHAT_FAST_STANDARD_MODEL. Kami menjalankan image resmi satu container v0.8.2 dengan cara tersebut pada 1 Oktober 2026, terhadap endpoint pengganti lokal: satu giliran chat dan tiga putaran alat selesai, dan file yang ditulis AutoPilot dibaca kembali melalui API workspace. Layanan agpt.co yang di-host mengabaikan variabel ini, dan blok AI Text Generator di dalam grafik agen tidak membacanya.
Apakah blok AI Text Generator menggunakan CHAT_BASE_URL?
Tidak. Panduan AutoGPT sendiri menyatakan bahwa jalur chat AutoPilot dan lapisan blok membaca variabel yang berbeda. Dalam source v0.8.2, klien OpenAI dan Anthropic pada lapisan blok dibuat tanpa URL dasar, dan satu-satunya host yang dapat Anda atur di sana adalah host Ollama untuk API native Ollama — jadi grafik agen yang memanggil blok AI Text Generator tetap menggunakan penyedia yang disertakan AutoGPT, apa pun isi CHAT_BASE_URL.
Apa API terbaik atau termurah untuk AutoGPT?
For the self-hosted chat path, the cheapest is a model you run yourself — AutoGPT's guide uses Ollama — and the cheapest metered option is whichever OpenAI-compatible endpoint serves a capable tool-calling model at the lowest rate. Each tool turn in our run sent about 85 KB across two chat calls with 16 tool definitions, roughly 21,000 input tokens at four characters per token; at Kunavo's Claude Haiku 4.5 rates that is about $0,017 a turn, and about $0,034 on Claude Sonnet 5. Cheapest listed rate and cheapest finished task are different questions: a model that fumbles tool calls costs more turns.
Mengapa endpoint AutoGPT saya menerima permintaan embedding dan /v1/responses?
Karena fitur lain mengikuti URL dasar yang sama. Dalam run kami, endpoint menerima 200 permintaan embedding untuk text-embedding-3-small saat boot (indeks semantik marketplace), dan setelah setiap giliran chat, memori Graphiti mengirim panggilan /v1/responses menggunakan nama model default-nya serta panggilan embedding untuk nomic-embed-text. Endpoint tanpa model tersebut menjawab 404; chat tetap berjalan, dan container mencatat traceback Graphiti. Atur GRAPHITI_LLM_MODEL, GRAPHITI_RERANKER_MODEL, dan GRAPHITI_EMBEDDER_MODEL ke model yang disediakan endpoint Anda, atau terima memori yang menurun dan pencarian penyimpanan leksikal saja.
Bagaimana cara memeriksa bahwa AutoPilot benar-benar menggunakan endpoint saya?
Tiga pemeriksaan, semuanya dari panduan AutoGPT dan semuanya terlihat dalam run kami: masuk ke container dengan docker exec dan grep lingkungan untuk CHAT_; kirim satu giliran chat dan cari "Using baseline service" di log; lalu pastikan endpoint Anda mencatat permintaan streaming /v1/chat/completions dengan model yang Anda tetapkan. Sebelum giliran pertama, AutoPilot juga memeriksa /api/ps, /props, /api/v0/models, dan /v1/models untuk mengetahui context window; endpoint yang melaporkan tidak ada akan kembali ke 32k menurut panduan.
Dijalankan pada 1 Oktober 2026: significantgravitas/autogpt:v0.8.2 (image arm64, sha256:8322941548c6…) di Docker Desktop, AutoPilot dikendalikan melalui API chat-nya sendiri dengan akun lokal sementara, terhadap pengganti perekaman lokal yang menjawab satu panggilan alat lalu teks. Tiga putaran bolak-balik alat, semuanya selesai; file yang ditulis dibaca kembali melalui API workspace. Perilaku di luar pengujian ini berasal dari panduan copilot-local-llm AutoGPT dan source v0.8.2. Pengganti tersebut bukan penyedia dan bukan Kunavo.