Su una piattaforma AutoGPT autogestita, l'agente di chat AutoPilot funziona su qualsiasi endpoint compatibile con OpenAI che gli fornisci — quattro variabili d'ambiente, impostate sul container. Abbiamo eseguito in questo modo l'immagine ufficiale single-container della v0.8.2 contro un simulatore di registrazione il 1° ottobre 2026: un turno di chat e tre round trip di strumenti sono stati completati, e il file dell'area di lavoro scritto da AutoPilot è stato riletto tramite l'API. Il servizio ospitato agpt.co non accetta un endpoint personalizzato, e nemmeno il blocco AI Text Generator all'interno dei grafi degli agenti.
Per sapere quanto costa AutoGPT nel complesso — piani ospitati, crediti, self-hosting — consulta Prezzi di AutoGPT. Se stai abbandonando AutoGPT, alternative ad AutoGPT. Questa pagina riguarda direttamente il percorso tramite endpoint personalizzato.
Cosa può usare il tuo endpoint e cosa no
| Parte di AutoGPT | Accetta un endpoint personalizzato? | Base |
|---|---|---|
| Chat AutoPilot, autogestita | Sì — CHAT_BASE_URL | Eseguito sulla v0.8.2: chat e chiamate agli strumenti completate |
| Titoli delle conversazioni | Sì, stesso endpoint e stesso modello | Rilevato nell'esecuzione: una breve chiamata non in streaming per sessione |
| Simulatore dry-run del Builder, estrazione durante l'onboarding | Sì, secondo la guida di AutoGPT | Documentato; non testato qui |
| Memoria Graphiti | Stesso URL di base, modelli propri (GRAPHITI_*_MODEL) | Rilevato nell'esecuzione: /v1/responses più una chiamata di embedding per turno |
| Ricerca semantica del Marketplace | Stesso URL di base, STORE_EMBEDDING_MODEL (deve restituire vettori di 1.536 dimensioni) | Rilevato nell'esecuzione: 200 chiamate di embedding all'avvio |
| Blocco AI Text Generator nei grafi degli agenti | No — provider fissi; è possibile impostare solo un host nativo Ollama | Sorgente della v0.8.2 |
| agpt.co ospitato | No | Guida di AutoGPT: la distribuzione cloud ignora queste variabili |
Configurazione
AutoGPT chiama questo il trasporto local perché Ollama è la destinazione abituale, ma CHAT_BASE_URL è semplicemente un URL — la sua guida elenca un'API gestita compatibile con OpenAI tra le configurazioni funzionanti. Contano quattro variabili: CHAT_USE_LOCAL=true, CHAT_BASE_URL che termina con /v1, CHAT_API_KEY (obbligatoria — il trasporto non usa deliberatamente una chiave OpenAI come fallback) e CHAT_FAST_STANDARD_MODEL come ID modello semplice. Se lasci non impostati i modelli avanzati, dei titoli e della simulazione, AutoGPT li ricava da quello standard, così nessun nome esclusivo del cloud raggiunge il tuo endpoint.
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_All'interno di Docker, localhost è il container, non la tua macchina: un endpoint sull'host è http://host.docker.internal:<port>/v1 su Docker Desktop, ed è così che l'esecuzione ha raggiunto il simulatore. Un endpoint ospitato come quello di Kunavo non richiede configurazioni di rete speciali. Il primo avvio esegue le migrazioni del database e richiede diversi minuti; attendi che il container segnali uno stato healthy.
Cosa invia un turno — misurato
| Richiesta | Dimensione | Note |
|---|---|---|
POST /v1/chat/completions, prima chiamata di un turno | 41.876 byte | Streaming; 16 strumenti — tra cui bash_exec, web_fetch, run_agent, write_workspace_file; solo i campi del corpo messages, model, stream, tools |
| Lo stesso, dopo un risultato dello strumento | 42.677 byte | Quattro messaggi: la chiamata allo strumento e il relativo risultato aggiunti |
| Titolo | Circa 0,6 KB | Non in streaming, una volta per sessione, stesso modello |
| Memoria Graphiti | Per turno | POST /v1/responses con il nome modello Ornith predefinito e una chiamata di embedding per nomic-embed-text |
| Sondaggi della finestra di contesto | Per sessione | GET /api/ps, /props, /api/v0/models, /v1/models |
Le dimensioni erano identiche al byte in tre esecuzioni. Sono byte delle richieste provenienti da un simulatore, non il conteggio dei token di un provider. La struttura della richiesta è il semplice formato OpenAI Chat Completions — senza estensioni del vendor — quindi per il percorso chat è sufficiente un endpoint che gestisca chiamate agli strumenti in streaming.
Traffico secondario da prevedere
Tutto quanto sopra è stato inviato allo stesso URL di base. Due conseguenze se il tuo endpoint è un gateway chat anziché uno stack locale completo. Embedding: l'indice del marketplace ha richiesto text-embedding-3-small 200 volte all'avvio e Graphiti ha richiesto nomic-embed-text a ogni turno; un endpoint senza modelli di embedding restituisce 404, la ricerca nel negozio ricade sulla sola ricerca lessicale e l'estrazione della memoria registra tracebacks — la chat non è stata influenzata. Kunavo non offre modelli di embedding, quindi su Kunavo questo è lo stato previsto. Nomi dei modelli di memoria: le chiamate /v1/responses di Graphiti usano il proprio nome modello predefinito, a meno che GRAPHITI_LLM_MODEL e GRAPHITI_RERANKER_MODEL non siano impostati su modelli serviti dal tuo endpoint.
Quanto costa per turno
Come calcolo approssimativo, non come fattura: un turno con strumento ha inviato 84.553 byte in due chiamate — circa 21.138 token di input considerando quattro caratteri per token — più alcune centinaia di token di output; assumiamo 600.
| Modello tramite Kunavo | Tariffa per 1M in entrata / in uscita | Un turno con strumento |
|---|---|---|
| Claude Haiku 4.5 | $0,70 / $3,50 | $0,017 |
| Claude Sonnet 5 | $1,40 / $7,00 | $0,034 |
Le conversazioni crescono, quindi i turni successivi inviano di più. Kunavo addebita per token da un saldo prepagato con una ricarica minima di $10 e senza abbonamento (fatturazione); l'importo indicato nel catalogo è una soglia di fatturazione, non un limite massimo. Nessuno in Kunavo ha eseguito AutoGPT contro il proprio endpoint — qui l'esecuzione ha usato un simulatore locale — quindi verifica l'addebito del primo turno nel tuo registro di utilizzo.
Domande frequenti
AutoGPT può usare un endpoint API personalizzato?
Sì, per una parte del prodotto e solo quando lo ospiti tu. In una AutoGPT Platform self-hosted, l'agente chat AutoPilot accetta qualsiasi endpoint compatibile con OpenAI tramite CHAT_USE_LOCAL=true, CHAT_BASE_URL, CHAT_API_KEY e CHAT_FAST_STANDARD_MODEL. Abbiamo eseguito in questo modo l'immagine ufficiale single-container della v0.8.2 il 1° ottobre 2026, utilizzando un endpoint locale sostitutivo: un turno di chat e tre round trip di strumenti sono stati completati e il file scritto da AutoPilot è stato riletto tramite l'API del workspace. Il servizio agpt.co in hosting ignora queste variabili e il blocco AI Text Generator all'interno dei grafi degli agenti non le legge.
Il blocco AI Text Generator usa CHAT_BASE_URL?
No. La guida di AutoGPT indica che il percorso chat di AutoPilot e il livello dei blocchi leggono variabili diverse. Nel codice sorgente della v0.8.2, i client OpenAI e Anthropic del livello dei blocchi vengono creati senza un base URL e l'unico host configurabile è un host Ollama per l'API nativa di Ollama: quindi i grafi degli agenti che chiamano il blocco AI Text Generator continuano a usare i provider inclusi in AutoGPT, indipendentemente dal valore di CHAT_BASE_URL.
Qual è l'API migliore o più economica per 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.
Perché il mio endpoint AutoGPT riceve richieste di embedding e /v1/responses?
Perché altre funzionalità seguono lo stesso base URL. Nella nostra esecuzione l'endpoint ha ricevuto all'avvio 200 richieste di embedding per text-embedding-3-small (l'indice semantico del marketplace) e, dopo ogni turno di chat, la memoria Graphiti ha inviato una richiesta /v1/responses usando il nome del modello predefinito e una richiesta di embedding per nomic-embed-text. Un endpoint privo di questi modelli risponde 404; la chat ha continuato a funzionare e il container ha registrato traceback di Graphiti. Imposta GRAPHITI_LLM_MODEL, GRAPHITI_RERANKER_MODEL e GRAPHITI_EMBEDDER_MODEL su modelli serviti dal tuo endpoint oppure accetta una memoria degradata e una ricerca nell'archivio basata solo su termini.
Come verifico che AutoPilot stia davvero usando il mio endpoint?
Tre verifiche, tutte tratte dalla guida di AutoGPT e tutte osservate nella nostra esecuzione: entra nel container con docker exec e cerca CHAT_ nell'ambiente; invia un turno di chat e cerca "Using baseline service" nei log; quindi verifica che il tuo endpoint abbia registrato una richiesta streaming /v1/chat/completions con il modello impostato. Prima del primo turno, AutoPilot verifica anche /api/ps, /props, /api/v0/models e /v1/models per conoscere la finestra di contesto; secondo la guida, gli endpoint che non ne riportano nessuna usano come fallback 32k.
Esecuzione del 1° ottobre 2026: significantgravitas/autogpt:v0.8.2 (immagine arm64, sha256:8322941548c6…) su Docker Desktop, AutoPilot pilotato tramite la propria API chat con un account locale usa e getta, contro un simulatore locale di registrazione che ha risposto a una chiamata di strumento e poi con testo. Tre round trip di strumenti, tutti completati; il file scritto è stato riletto tramite l'API dell'area di lavoro. Il comportamento oltre l'esecuzione deriva dalla guida copilot-local-llm di AutoGPT e dal codice sorgente della v0.8.2. Il simulatore non è un provider e non è Kunavo.