Agent ZeroのAPIコスト：メイン、ユーティリティ、埋め込みモデル

オープンソースの AI エージェントフレームワークである Agent Zero の費用は $0 です。LICENSE ファイルには MIT 条項と著作権者 Agent Zero, s.r.o. が記載されており、agent-zero.ai にも料金ページ、プラン、有料ホステッド層は掲載されていません。したがって「Agent Zero pricing」とは、その下で動くモデル API の請求額を意味します。 単一モデルのエージェントと異なるのは、Agent Zero がその請求を3 つのモデル役割に分け、それぞれ個別に設定し、個別に課金する点です。メインモデル、ユーティリティモデル、埋め込みモデルです。Kunavo は埋め込みモデルを提供していないため、ここで購入されるのは最初の 2 役割だけで、3 つ目はローカルのデフォルトに残るか、その処理を販売するプロバイダーに送られます。つまり、チャットの返信が 1 件返ってきても統合が完了したわけではなく、3 つの役割のうち 1 つが応答したということです。

まず、検索結果ページ上に現れるため、横道の話ではない点を区別しておきます。Agent Zero Token (A0T) は Base 上の暗号資産で、2026 年 9 月 17 日に記録された、このページの「agent zero pricing」に対する 1 回の検索結果では 4 位、Coinbase の価格ページは 7 位でした。1 回の検索結果だけでランキングとは言えません。このトークンがプロジェクト独自のものであることは事実です。CoinGecko の公式リンク欄は agent-zero.ai とプロジェクトの GitHub リポジトリを指しています。そのため価格表と取り違えやすいのです。しかし、価格表ではありません。どのトークン価格もこのソフトウェアの価格ではなく、このページは投資や取引の助言を行いません。以下では、無料エンドポイントの条件として明示する場合にのみトークンを取り上げます。

このソフトウェアの価格ではない「Agent Zero」と呼ばれる 4 つのもの

以下の最初の行だけが「agent zero pricing」の検索結果 1 回で確認されたものです。残り 3 つは調査中に出会う名前の衝突であり、そのページが返したものではありません。

2026 年 9 月 21 日確認の情報源：LICENSE ファイル（MIT、著作権者 Agent Zero, s.r.o.）、PyPI プロジェクトページ、およびLLM API 利用規約。規約には、このサービスは「Agent Zero コミュニティ向けの無料ボーナス機能」であり、「商用または有料の提供ではない」と記載されています。トークンを保有し、ステーキングするユーザーが利用できますが、割り当ては「動的に決定され、保証されない」とされています。ステーキングのしきい値と結果として得られる割り当ては、このページで確認できる場所には公開されていないため、どちらもここでは記載しません。ソフトウェアについては、agent0ai/agent-zero リポジトリの GitHub API が、アーカイブも無効化もされていないこと、スター数が 19,227 であることを報告しています。また、最新リリースは v2.12 で、2026 年 9 月 9 日に公開されています。

3 つの役割、3 つの別々の請求

Agent Zero のモデルプリセットガイドには、すべてのセットアップにメイン、ユーティリティ、埋め込みモデルが含まれると記載されています。これは v1 の名残ではありません。main ブランチの conf/model_providers.yaml にはトップレベルのセクションがちょうど 2 つあり、chat: は 29 プロバイダー、embedding: は 16 プロバイダーを含み、メイン役割とユーティリティ役割はいずれもチャット一覧から選択されます。インストールガイドには、組み込み Browser 自体には個別のデフォルトモデルスロットがないことも記載されています。

移動する前に、デフォルトを理解しておく価値があります。models.py では、プロバイダーが huggingface で、モデル名が sentence-transformers/ で始まる埋め込み呼び出しは、ローカルの SentenceTransformer ラッパーにショートサーキットされます。HTTP リクエストもキーも不要です。厳選された Default プリセットは、その役割を sentence-transformers/all-MiniLM-L6-v2 に固定しています。インストールガイドには、embedding_llm を変更すると「A0 のメモリ全体が再インデックスされる」とも記載されています。このスロットは設定変更ではなく移行になるため、移行として計画し、変更前にメモリディレクトリのバックアップを保持してください。検索品質とストレージの相互作用という広い問題については、RAG implementationでこのフレームワーク外の同じ判断を扱っています。

Agent Zero のカスタム API：エンドポイントとキーの場所

2026 年 9 月 17 日に記録された検索結果では、「agent zero custom api」というクエリで、プロジェクトのapi-integration ガイドが 3 位になりました。しかし、その文書が答えるのは別の質問です。実際のタイトルは「Adding External APIs Without Code」で、LLM プロバイダーの選択ではなく、エージェントにサードパーティー API を呼び出させる方法について説明しています。ここでは代わりに、2026 年 9 月 21 日にリポジトリから読み取ったプロバイダーの経路を示します。

1. プロバイダーを選択します。 ID は other です。conf/model_providers.yaml ではこれを Other OpenAI compatible として定義し、chat: と embedding: の両方のセクションに掲載しています。インストールガイドでは同じものを OpenAI Compatible と表記しているため、インターフェースでは両方のラベルが表示されると考えてください。
2. キーを External Services に入力します。 ガイドの表現では、「External Services -> Other OpenAI-compatible API keys に API キーを追加し、モデル設定でプロバイダーとして OpenAI Compatible を選択」します。
3. 移動する各役割に API URL を設定します。 これは役割ごとのフィールドで、プリセットファイルでは api_base として保存されます。ガイドではこれを「チャットモデルの API エンドポイントの URL」と説明しています。
4. モデル ID は手動で入力し、ゲートウェイのカタログに記載されたとおり正確に入力してください。また、プレフィックスの規則を守ってください。ネイティブプロバイダーでは ID 単体を使い、ゲートウェイでは通常ベンダープレフィックスが必要です。

# One Model Preset, three independent blocks. Each carries its own
# provider, model name and api_base, so the three roles can point at
# three different endpoints — and its own rl_* rate-limit fields.
# Schema read from agent0ai/a0-presets
# on September 21, 2026; the values below are an illustration.
chat:
  provider: other        # the UI calls it 'Other OpenAI compatible'
  name: <the id your gateway's own catalog lists>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 200000
utility:
  provider: other
  name: <a cheaper id from the same catalog>
  api_base: "https://api.kunavo.com/v1"
  ctx_length: 128000
embedding:
  provider: huggingface  # shipped default: local, CPU, no HTTP call
  name: sentence-transformers/all-MiniLM-L6-v2
  api_base: ""

内部では、models.py が呼び出し直前にプロバイダーを書き換えます。ソース内のコメントは remap other to openai for litellm です。したがってカスタムエンドポイントは OpenAI Chat Completions の形式に対応する必要があり、カタログ内のすべてのチャットプロバイダーには a0_api_mode: chat が付いています。LiteLLM がそのすべての通信を担い、requirements.txt では「CVE-2026-42271 fix: patched floor is 1.83.7」というコメント付きで litellm==1.88.1 に固定されています。認証情報をインターフェースに入力したくない場合、環境変数の経路は次の順序で読み取られます。

# models.py get_api_key() reads these three spellings in this order,
# for provider id `other`. A comma-separated value is round-robined
# across calls. Read from main on September 21, 2026.
API_KEY_OTHER=your-key
# OTHER_API_KEY=your-key
# OTHER_API_TOKEN=your-key

インストールガイドにある、繰り返し強調しておきたい Docker の落とし穴が 1 つあります。コンテナ内では、API ベース URL の localhost と 127.0.0.1 はホストではなく Agent Zero コンテナを意味します。そのため、ホスト上のモデルサーバーには http://host.docker.internal:<port> またはブリッジアドレスが必要です。これはローカルランタイムに適用されるもので、公開 HTTPS エンドポイントには適用されません。

公式セットアップドキュメントには、文字どおり従う前に知っておくべき不備が 2 つあります。どちらも 2026 年 9 月 21 日に確認されました。1 つ目は、インストールガイドの A0 Launcher ダウンロードリンクが v0.9 にハードコードされ、本文も「the A0 Launcher v0.9 release」を指していることです。一方、ランチャー自身のリリースページには、2026 年 9 月 9 日公開の v1.7 が示されています。8 リリース新しい版です。固定されたダウンロード URL ではなく、リリースページを使用してください。2 つ目は、ガイドの「Model Naming by Provider」表で、OpenAI 行の例セルに Anthropic のモデル ID が入っていることです。周囲の説明文では区別が正しく示されています。一般則は表の行ではなく説明文から読み取ってください。ネイティブプロバイダーではモデル ID 単体を使い、ゲートウェイでは通常ベンダープレフィックスが必要です。

カスタムエンドポイントが突き当たる 4 つの制限

予算を変える可能性が最も高いのはキャッシュのゲートなので、ソースの内容を正確に示します。_supports_cache_control_markers は、api_base に openrouter.ai または anthropic.com が含まれる場合、または正規化されたプロバイダーが anthropic、bedrock、gemini、minimax、openrouter、vertex_ai を含む固定集合にある場合にのみ true を返します。other プロバイダーは openai に正規化されますが、これはその集合に含まれません。2 つ目の経路である _is_openai_prompt_cache_provider は、api_base が api.openai.com または openai.azure.com でない場合に false を返します。したがって、これら 4 つのホスト名のいずれも含まず、プロバイダーが openai に正規化されるベース URL では、Agent Zero は Anthropic 形式のブレークポイントも OpenAI のキャッシュキーも適用しません。範囲を慎重に捉えてください。これは Agent Zero が送信する内容についての記述であり、キャッシュ割引が利用できないという主張ではありません。

2 件のバグ報告については、その性質どおりに記述してください。Issue #1769 はユーザー報告で、2026 年 9 月 21 日時点でオープン状態です。タイトルは「model_cost 内のモデルに、プロバイダーの実際の litellm_provider マッピングと異なる litellm_provider がある場合、LiteLLM が exit(-9) を呼び出す」です。報告自身の範囲欄には「複数のオリジンからモデルを再販またはプロキシする任意のプロバイダー」に影響するとあり、これはゲートウェイを指します。このページのために再現した人はおらず、特定のモデル ID で発生するかも未検証です。PR #1437 は、LiteLLM 1.80.11 以降が未設定時に encoding_format: null を送信し、厳格なバリデーターがそれを 422 で拒否することに加え、切り詰められていないメモリ想起クエリが埋め込みモデルのコンテキストを超過する可能性を報告しています。これはオープン状態で未マージです。親 Issue #1436 はクローズされていますが、その Issue がどのように解決されたかは判断できなかったため、ここでは「修正済み」とも「現在も問題が残っている」とも主張しません。

役割ごとのコスト見積もり例

これは実測したタスクコストでも請求上限でもなく、トークン計算の例示です。1 週間、一定の利用を続けると仮定します。メイン役割では6 百万のキャッシュされない入力トークンと 300,000 出力トークン、ユーティリティ役割では1.5 百万の入力トークンと 150,000 出力トークンを使用するとします。この分割は説明のための仮定であり、このページのために Agent Zero のループを計測した人はいません。料金は、1 百万トークンあたりのKunavo カタログの最新価格です。

2 つの見方があり、互いに逆方向を示します。まず、これらの仮定では、メイン役割の選択による差額は上の行の最高額と最低額の間で 1 週間あたり $10.14、ユーティリティ役割では $0.10 です。ワークロードが極端にバックグラウンド中心でない限り、2 つ目のスロットの最適化で大きな節約は見込めません。インストールガイドも、非常に小さいモデル（4B を例に挙げています）は信頼できるメモリ抽出に失敗しやすいため、そこを小さくしすぎないよう警告しています。次に、2 つの役割は独立して組み合わせられます。GPT-5.6 Terra と Claude Haiku 4.5 の組み合わせの推定費用は 1 週間あたり $7.03 であるのに対し、GPT-5.6 Sol と GPT-5.6 Terra の組み合わせでは $17.28 です。3 つ目の役割は、ローカル CPU のデフォルトにとどまる限り、API 料金をまったく追加しません。

プロジェクト独自の選択と照合するために、Agent Zero は保存済みコレクションが存在しない場合、初回起動時に 3 つの厳選プリセットをダウンロードします。Default は GPT-5.6 Terra のチャットモデルと Google flash-lite のユーティリティモデルを組み合わせます。Power は GPT-5.6 Sol と GPT-5.6 Luna を組み合わせます。Efficiency は GLM のチャットモデルと DeepSeek のユーティリティモデルを組み合わせます。埋め込み役割を明示しているのは Default だけで、ローカル CPU モデルに固定しています。同じファイル内の Efficiency と Power には埋め込みブロックがまったくありません。これらの参照は同ファイルで使われている OpenRouter 形式で記述されているため、そのままではいずれも Kunavo の ID ではありません。Kunavo 自身のカタログに記載された ID を使用してください。このファイルが最後にプッシュされたのは 2026 年 7 月 17 日なので、モデルの選択は市場に遅れている可能性があります。

これらを予算として扱う前に、自分の利用週数に合わせて拡大してください。Kunavo のカタログ金額は上限ではなく請求下限です。上流が料金を報告した場合、請求額はカタログコストと上流コストに該当するマークアップを掛けた額の大きい方になります。キャッシュ料金と外部ツールの料金はこの例の対象外です。Kunavo の最低チャージ額は、前払いクレジット $10 です。これは資金補充の最低額であり、タスク料金でもサブスクリプションでもありません。請求の詳細を参照してください。

Agent Zero に最適な API：どの経路がいつ勝つか

第一者提供の 1 つの詳細が、役割ごとの議論を理論ではなく具体的なものにします。Cline Pass プラグインが存在する理由の一部は、ストリーミングだけを行うサブスクリプション API では、特にユーティリティ呼び出しが壊れるためです。このプラグインは no-op のストリーミングコールバックを注入し、チャットの名前付け、圧縮、メモリ統合などのバックグラウンド処理を継続できるようにします。役割は個別に失敗します。これが、チャットの返信が 1 件成功しただけでは統合テストにならない理由です。Agent Zero にはLLM Cost Tracker プラグインもあり、メインチャット、下位エージェント、ユーティリティなど、呼び出しクラス別に使用量をグループ化します。ただし価格は一切含まれず、「プロバイダーの公式料金ページから料金を入力してください」と案内しています。役割ごとに入力しないと、ダッシュボードは入力した 1 つの料金で全クラスを課金します。

セットアップして、3 つの役割すべてを検証する

Kunavo は Agent Zero を自社エンドポイントに対してランタイムテストしておらず、Agent Zero 統合ページも公開していません。上記はすべて、2026 年 9 月 21 日に Agent Zero 自身のソースとドキュメントから読み取ったものです。そのため、最初の返信ではなく役割ごとに検証してください。メイン役割でチャットメッセージを 1 件送信し、次にバックグラウンド処理を起動します。自動的な名前付けが発生するよう新しい会話を開始するか、セッションが圧縮されるほど長く実行し、ユーティリティモデルが応答したことを確認します。移行を決めていない限り、埋め込み役割はローカルのデフォルトに残してください。この変更によりメモリが再インデックスされます。動作する経路を常に利用できる状態にし、範囲を限定したタスクを 1 件実行して、アカウントに記録された料金をコストトラッカー自身の見積もりと比較してください。

有料の 2 つの役割を 1 つのエンドポイントにルーティングする場合、クイックスタートにベース URL と最初のリクエストが記載されています。また、Kunavo アカウントの作成には、サブスクリプションなしで最低前払い額 $10 が必要です。より広い判断については、OpenAI 互換 API リファレンスが Agent Zero の使用するエンドポイント形式を説明し、Agent Zero vs OpenClawが実行とメモリの観点から 2 つのハーネスを比較しています。LiteLLM の代替は Agent Zero のすべての呼び出しが通過する通信層を、AI コスト最適化は料金表ではなく実際のタスクを測定する方法を説明しています。

よくある質問

Agent Zero リポジトリの状態、最新リリース、Issue とプルリクエストの状態、プロバイダーカタログ、models.py、LiteLLM 通信層、requirements、厳選プリセットファイル、インストールガイドとトラブルシューティングガイド、LLM API 利用規約、PyPI の名前衝突は、すべて 2026 年 9 月 21 日に確認しました。検索結果の順位は 2026 年 9 月 17 日に記録された 1 回の結果に基づくもので、ランキングではありません。Kunavo のトークン料金は最新カタログから読み取っています。このページのすべてのドル金額は、実測したタスクコストではなく、明示した仮定に基づくトークン計算の例です。