Документация ApiClo

Подходит для автономных кодовых задач в VS Code. Можно подключить ApiClo двумя способами.

Вариант A: OpenAI Compatible

1. 1

   Установите Cline из VS Code Marketplace и откройте Settings / API Configuration.

2. 2

   API Provider выберите OpenAI Compatible.

3. 3

   Base URL укажите полностью с /v1: https://apiclo.com/v1.

4. 4

   API Key: ваш sk-hub ключ. Model ID: claude-sonnet-5 или claude-opus-4-8.

5. 5

   Сохраните профиль и сначала отправьте тест: Ответь только OK.

Вариант B: Anthropic Messages для native режима

1. 1

   Если ваша сборка Cline требует Anthropic provider, включите Use custom base URL.

2. 2

   Custom Base URL: https://apiclo.com . Здесь не добавляйте /v1, Cline сам идет в /v1/messages.

3. 3

   API Key: ваш sk-hub ключ. Model: claude-sonnet-5 или claude-opus-4-8.

4. 4

   Если Anthropic native режим нестабилен, вернитесь к варианту A OpenAI-compatible.

После сохранения сначала отправьте: Ответь только OK. Второй тест: Посмотри текущую папку и скажи, есть ли README.md, ничего не меняй.

Изображения: выберите vision-capable модель и включите Supports images/Vision, если этот переключатель есть в вашей версии Cline. После изменения создайте новую задачу и приложите PNG вместе с текстовым вопросом.

Roo Code использует почти такую же схему, как Cline, но профиль провайдера может называться иначе.

1. 1

   Установите Roo Code из VS Code Extensions и откройте панель Roo Code.

2. 2

   Создайте API key в ApiClo в разделе API Keys.

3. 3

   Откройте API Configuration / Provider / Profile.

4. 4

   По умолчанию выберите OpenAI-compatible профиль: Base URL https://apiclo.com/v1 и model id из списка ApiClo.

5. 5

   Anthropic + custom base URL https://apiclo.com без /v1 используйте только для native/advanced режима.

6. 6

   Сохраните профиль, проверьте OK и только потом запускайте задачу с файлами.

7. 7

   Второй тест: попросите Roo прочитать текущую папку и сказать, есть ли README.md, без изменений файлов.

Изображения: в профиле модели включите Vision/Supports images, если поле доступно. Если Roo скрывает attachment до запроса, проверьте ту же модель через OpenCode или Harness с явной capability.

Для Kilo используйте Custom Provider. В отличие от Cline/Roo, Base URL обычно указывается с /v1.

1. 1

   Установите Kilo Code из VS Code Extensions и откройте Settings / API Configuration.

2. 2

   Получите sk-hub API key в ApiClo -> API Keys.

3. 3

   Создайте Custom Provider: Provider ID apiclaude, Display Name ApiClo.

4. 4

   Для Claude-моделей по умолчанию выберите Provider API: OpenAI Compatible и Base URL https://apiclo.com/v1.

5. 5

   Provider API: Anthropic Messages используйте только если Kilo явно должен работать в native Messages режиме.

6. 6

   Model ID: claude-sonnet-5, claude-opus-4-8 или claude-fable-5-1.

7. 7

   Сохраните provider и выполните два теста: Ответь только OK; затем прочитай список файлов проекта без изменений.

Изображения: для custom model задайте attachment: true и modalities с input [text, image], output [text]. Без modalities неизвестная модель считается text-only.

"attachment": true,
"modalities": {
  "input": ["text", "image"],
  "output": ["text"]
}

Continue настраивается через config.yaml. Дайте модели роли chat, edit, apply и summarize.

1. 1

   Установите Continue и откройте конфигурацию: Continue -> Settings -> Open config.yaml.

2. 2

   Сохраните старый config.yaml перед заменой, если там уже есть свои модели.

3. 3

   Вставьте блок ниже, замените YOUR_API_KEY на sk-hub ключ.

4. 4

   Перезапустите Continue или выполните Reload Window в IDE.

5. 5

   Проверьте chat, edit и apply на маленьком файле до тяжелой задачи.

name: ApiClo
version: 1.0.0
schema: v1
models:
  - name: Claude Sonnet 5
    provider: openai
    model: claude-sonnet-5
    apiBase: https://apiclo.com/v1
    apiKey: YOUR_API_KEY
    capabilities:
      - tool_use
    roles:
      - chat
      - edit
      - apply
      - summarize
    defaultCompletionOptions:
      temperature: 0
context:
  - provider: code
  - provider: docs
  - provider: diff
  - provider: terminal
  - provider: problems
  - provider: folder
  - provider: codebase

ApiClo не задаёт в этом примере жёсткие contextLength или maxTokens. Continue использует возможности выбранной модели и показывает фактическую активную конфигурацию в Continue Console → Options.

В длинной Agent-сессии нажмите Compact conversation: значок со сходящимися стрелками под последним ответом. После заполнения 60% эта команда также доступна через индикатор контекста возле поля ввода. Continue сохранит техническую сводку и в следующих запросах отправит её вместе только с новыми сообщениями. Это сжатие истории, а не обрезка текущей задачи. После сжатия проверьте следующий запрос в Continue Console: в нём должна быть сводка и только новые ходы, а не сотни старых tool_result.

Если Continue ругается на provider: openai, используйте OpenAI-compatible/custom provider и те же apiBase/apiKey/model. Для model указывайте claude-sonnet-5 или claude-opus-4-8 без префикса apiclaude/.

Изображения: включите image input/vision в настройках выбранной custom-модели вашей версии Continue. Если такого поля нет, обновите Continue; текстовый запрос не проверяет передачу вложения.

Для встроенного Custom Endpoint в VS Code добавьте модели в пользовательский файл конфигурации.

1. 1

   Откройте папку User settings VS Code и создайте chatLanguageModels.json, если файла еще нет.

2. 2

   Вставьте JSON ниже и замените YOUR_API_KEY на sk-hub ключ.

3. 3

   Проверьте, что url заканчивается на /v1/chat/completions.

4. 4

   Выполните Developer: Reload Window.

5. 5

   В чате VS Code выберите Claude Sonnet 5 и отправьте тест Ответь только OK.

[
  {
    "name": "ApiClo",
    "vendor": "customendpoint",
    "apiKey": "YOUR_API_KEY",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "claude-sonnet-5",
        "name": "Claude Sonnet 5",
        "url": "https://apiclo.com/v1/chat/completions",
        "toolCalling": true,
        "vision": true,
        "maxInputTokens": 1000000,
        "maxOutputTokens": 64000,
        "streaming": true
      },
      {
        "id": "claude-opus-4-8",
        "name": "Claude Opus 4.8",
        "url": "https://apiclo.com/v1/chat/completions",
        "toolCalling": true,
        "vision": true,
        "maxInputTokens": 1000000,
        "maxOutputTokens": 64000,
        "streaming": true
      }
    ]
  }
]

Используйте Cursor-safe ID, чтобы Cursor не заменял их встроенными моделями.

1. 1

   Откройте Cursor Settings → Models → API Keys и сохраните ключ ApiClo sk-hub в поле OpenAI API Key.

2. 2

   Включите Override OpenAI Base URL и укажите точно https://apiclo.com/v1.

3. 3

   Добавьте один из точных custom ID ниже. Они видны в /v1/models и используют тот же routing, fallback и биллинг, что исходная модель.

4. 4

   Выберите точный пункт apiclo-*, а не встроенный GPT-5.6 Sol или Claude от Cursor.

5. 5

   На macOS и Windows настройка одинаковая. Cursor Tab и другие специальные функции могут продолжать использовать модели Cursor.

6. 6

   Отправьте «Ответь только OK». Если запрос не появился в ApiClo Logs, обновите Cursor и проверьте, что выбрана custom-модель apiclo-*.

ApiClo поддерживает /v1/chat/completions и /v1/responses для этих ID. Если ошибка сохранится, отправьте поддержке новый Cursor Request ID и точное время UTC.

Trae подключается через Settings -> Models -> Add Model -> Custom Config.

1. 1

   Установите Trae и войдите в аккаунт, иначе раздел Models может быть скрыт.

2. 2

   Откройте Settings -> Models -> Add Model -> Custom Config.

3. 3

   Для Claude выбирайте API Format Anthropic Messages, URL https://apiclo.com или https://apiclo.com/v1 если Trae просит полный /v1 endpoint.

4. 4

   Для OpenAI Completions используйте https://apiclo.com/v1 и model id claude-sonnet-5.

5. 5

   Вставьте API Key, сохраните модель и сделайте тест Ответь только OK.

6. 6

   Если Trae показывает пустой ответ, уменьшите max output и проверьте точный формат API Format.

Изображения: выберите vision-capable модель и включите multimodal/vision/attachments в Custom Config, если Trae показывает этот параметр. После сохранения обязательно отправьте отдельный image + text тест.

Подключайте ApiClo как OpenAI-compatible provider.

1. 1

   Откройте админ-настройки providers или env-конфигурацию вашего self-hosted UI.

2. 2

   Выберите OpenAI-compatible provider.

3. 3

   Укажите OPENAI_API_BASE_URL=https://apiclo.com/v1 и OPENAI_API_KEY=sk-hub-...

4. 4

   Добавьте DEFAULT_MODEL=claude-sonnet-5 или выберите модель в UI.

5. 5

   Перезапустите контейнер/процесс UI и отправьте короткий тест.

Изображения: в Open WebUI или LibreChat включите vision capability у custom-модели/connection. Наличие API-маршрута само по себе не заставляет UI прикреплять файл.

Если интерфейс сам добавляет /v1, укажите root https://apiclo.com или уберите лишний /v1 в настройке.

Рекомендуемый быстрый путь: custom provider хранится в opencode.json, а vision указывается в capabilities модели.

1. 1

   Установите OpenCode v2 по официальной инструкции: macOS/Linux — npm install -g @opencode/cli; Windows — standalone CLI binary с сайта OpenCode.

2. 2

   Создайте opencode.json в корне проекта и вставьте конфигурацию ниже.

3. 3

   Задайте APICLO_API_KEY в окружении процесса OpenCode; не записывайте ключ в конфиг проекта.

4. 4

   Объявите реальные capabilities каждой модели. OpenCode v2 предполагает text+image для неизвестной модели, но это допущение, а не проверка API.

5. 5

   Запустите opencode, проверьте короткий текстовый ответ, затем прикрепите маленький PNG/JPEG и попросите прочитать видимый текст.

macOS / Linux:

{
  "$schema": "https://opencode.ai/config.json",
  "providers": {
    "apiclaude": {
      "name": "ApiClo",
      "env": ["APICLO_API_KEY"],
      "package": "@opencode/ai/providers/openai-compatible",
      "settings": {
        "baseURL": "https://apiclo.com/v1"
      },
      "models": {
        "gpt-6-astra": {
          "name": "GPT 6 Astra",
          "capabilities": {
            "tools": true,
            "input": ["text", "image"],
            "output": ["text"]
          },
          "limit": {
            "context": 200000,
            "output": 128000
          }
        },
        "claude-fable-5-1": {
          "name": "Claude Fable 5.1",
          "capabilities": {
            "tools": true,
            "input": ["text", "image"],
            "output": ["text"]
          },
          "limit": {
            "context": 1000000,
            "output": 128000
          }
        }
      }
    }
  },
  "model": "apiclaude/gpt-6-astra"
}

Пример относится к OpenCode v2. Для других моделей укажите их фактические capabilities; конфигурация v1 несовместима с этим примером. Windows: скачайте standalone binary по ссылке ниже. OpenCode v2

Harness поддерживает ApiClo как custom OpenAI-compatible provider. Image input включается отдельно у каждой модели.

1. 1

   Установите DeepSeek Harness по официальной инструкции. В Settings → Models выберите Add model provider → Custom model API.

2. 2

   Provider ID: apiclo; Display name: ApiClo; Base URL: https://apiclo.com/v1; API protocol: openai-completions.

3. 3

   Укажите переменную APICLO_API_KEY. Если Fetch available models не показывает нужный ID, добавьте модель вручную; типы входа задаются отдельно.

4. 4

   В Model options включите Text и Image. В профиле это поле input: [text, image] у конкретной модели.

5. 5

   Изменение действует со следующего запроса без перезапуска. Если в истории уже осталось проблемное изображение, создайте новую сессию.

6. 6

   Проверьте сначала текст, затем PNG/JPEG. Если Harness пишет model does not support images до запроса, capability всё ещё не сохранён у выбранной модели.

Для стандартного dsh web файл находится в $DSH_HOME/profiles/web/cordis.patch.yml; у другого профиля замените web на его имя. При ручном редактировании существующего файла сохраните остальные записи.

- id: llm-pi-ai
  config:
    providers:
      apiclo:
        apiKeyEnv: APICLO_API_KEY
        api: openai-completions
        baseURL: https://apiclo.com/v1
        models:
          - id: gpt-6-astra
            input: [text, image]
          - id: claude-fable-5-1
            input: [text, image]

# macOS / Linux
export APICLO_API_KEY="sk-hub-..."
dsh web

# Windows PowerShell
$env:APICLO_API_KEY="sk-hub-..."
dsh web

Claude Code обычно ожидает Anthropic-compatible base URL без /v1.

1. 1

   Проверьте Node.js 18+: node --version.

2. 2

   Установите Claude Code: npm install -g @anthropic-ai/claude-code@latest.

3. 3

   Проверьте установку: claude --version.

4. 4

   Для ApiClo используйте ANTHROPIC_AUTH_TOKEN + ANTHROPIC_BASE_URL; ANTHROPIC_API_KEY нужен только клиентам, которые требуют x-api-key.

5. 5

   Задайте CLAUDE_CODE_AUTO_COMPACT_WINDOW=180000: Claude Code заранее сохранит summary длинной сессии перед 200k boundary. Это не ограничивает размер ответа.

6. 6

   Сначала проверьте gateway прямым запросом /v1/messages, потом запускайте claude из той же shell-сессии.

7. 7

   В Claude Code выполните /status и убедитесь, что показан ApiClo base URL и активный token source.

# macOS / Linux
export ANTHROPIC_AUTH_TOKEN="sk-hub-..."
export ANTHROPIC_BASE_URL="https://apiclo.com"
export ANTHROPIC_MODEL="claude-sonnet-5"
export CLAUDE_CODE_AUTO_COMPACT_WINDOW="180000"
claude

# Windows PowerShell
$env:ANTHROPIC_AUTH_TOKEN="sk-hub-..."
$env:ANTHROPIC_BASE_URL="https://apiclo.com"
$env:ANTHROPIC_MODEL="claude-sonnet-5"
$env:CLAUDE_CODE_AUTO_COMPACT_WINDOW="180000"
claude

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://apiclo.com",
    "ANTHROPIC_AUTH_TOKEN": "sk-hub-...",
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "180000"
  }
}

# macOS / Linux
curl -X POST "$ANTHROPIC_BASE_URL/v1/messages" \
  -H "Authorization: Bearer $ANTHROPIC_AUTH_TOKEN" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d "{\"model\":\"$ANTHROPIC_MODEL\",\"max_tokens\":1,\"messages\":[{\"role\":\"user\",\"content\":\".\"}]}"

# Windows PowerShell
Invoke-RestMethod -Method Post -Uri "$($env:ANTHROPIC_BASE_URL)/v1/messages" `
  -Headers @{ "Authorization" = "Bearer $env:ANTHROPIC_AUTH_TOKEN"; "anthropic-version" = "2023-06-01" } `
  -ContentType "application/json" `
  -Body (@{ model = $env:ANTHROPIC_MODEL; max_tokens = 1; messages = @(@{ role = "user"; content = "." }) } | ConvertTo-Json -Depth 4)

Если smoke отвечает JSON с msg_ — URL и ключ рабочие. Если 401 — клиент отправил ключ не тем header; используйте ANTHROPIC_API_KEY только для x-api-key сценария.

Изображения: в Claude Code прикрепляйте локальный файл штатной командой/кнопкой и выбирайте vision-capable модель. Отдельный provider-флаг обычно не нужен, но image + text smoke обязателен после смены endpoint.

Codex CLI и IDE-расширение можно направить в ApiClo через custom provider в config.toml.

1. 1

   В Codex IDE-расширении откройте Codex Settings → Open config.toml; CLI использует тот же ~/.codex/config.toml.

2. 2

   Добавьте provider в user-level config, потому что project .codex/config.toml не должен задавать provider/auth.

3. 3

   Задайте переменную APICLAUDE_API_KEY со значением sk-hub ключа. Это имя выбрано в env_key ниже.

4. 4

   Оставьте wire_api = responses: в актуальном Codex это поддерживаемый protocol для provider.

5. 5

   Запустите codex в тестовой папке и проверьте Ответь только OK.

model = "claude-sonnet-5"
model_provider = "apiclaude"

[model_providers.apiclaude]
name = "ApiClo"
base_url = "https://apiclo.com/v1"
env_key = "APICLAUDE_API_KEY"
wire_api = "responses"

# macOS / Linux
export APICLAUDE_API_KEY="sk-hub-..."
codex

# Windows PowerShell
$env:APICLAUDE_API_KEY="sk-hub-..."
codex

Если Codex не принимает provider config, сначала обновите Codex. Не переключайте wire_api на Chat Completions: текущая документация Codex описывает responses как поддерживаемый provider protocol.

Изображения: в IDE-расширении прикрепите изображение через composer; в CLI укажите локальный путь штатным способом. Проверьте image + text запрос отдельно: настройка provider сама по себе не доказывает доставку вложения.

OpenClaw можно подключить через models.json с двумя provider-режимами.

1. 1

   Установите OpenClaw по инструкции вашей платформы и проверьте openclaw --version.

2. 2

   Найдите файл моделей OpenClaw или создайте models.json в папке конфигурации.

3. 3

   Если нужен Claude Messages режим, используйте provider apiclaude-messages с baseUrl https://apiclo.com.

4. 4

   Если нужен OpenAI Completions режим, используйте provider apiclaude-openai с baseUrl https://apiclo.com/v1.

5. 5

   У каждой vision-модели добавьте input: [text, image], иначе OpenClaw передаст только текстовую media-ссылку или не вложит изображение.

6. 6

   Замените apiKey на sk-hub ключ и запустите отдельные text/tool/image тесты в проекте.

{
  "models": {
    "mode": "merge",
    "providers": {
      "apiclaude-messages": {
        "baseUrl": "https://apiclo.com",
        "apiKey": "sk-hub-...",
        "auth": "token",
        "api": "anthropic-messages",
        "models": [
          {
            "id": "claude-sonnet-5",
            "name": "claude-sonnet-5",
            "input": ["text", "image"],
            "contextWindow": 1000000,
            "maxTokens": 64000
          }
        ]
      },
      "apiclaude-openai": {
        "baseUrl": "https://apiclo.com/v1",
        "apiKey": "sk-hub-...",
        "auth": "token",
        "api": "openai-completions",
        "models": [
          { "id": "claude-opus-4-8", "name": "claude-opus-4-8", "input": ["text", "image"] }
        ]
      }
    }
  }
}

Если Qwen Code установлен как OpenAI-compatible клиент, достаточно OPENAI_* переменных.

1. 1

   Проверьте Node.js: node --version.

2. 2

   Установите Qwen Code: npm install -g @qwen-code/qwen-code@latest.

3. 3

   Проверьте qwen --version и qwen --help.

4. 4

   Для OpenAI-compatible режима задайте OPENAI_API_KEY, OPENAI_BASE_URL и OPENAI_MODEL.

5. 5

   Если ваша сборка Qwen Code поддерживает Anthropic env, можно использовать ANTHROPIC_AUTH_TOKEN + https://apiclo.com для Claude models.

6. 6

   Изображения используйте только если установленная версия Qwen Code показывает attachment/image input для custom endpoint; иначе клиент может отправить только текст.

7. 7

   Запустите qwen и выполните OK/read-only тест.

export OPENAI_API_KEY="sk-hub-..."
export OPENAI_BASE_URL="https://apiclo.com/v1"
export OPENAI_MODEL="claude-sonnet-5"
qwen

$env:OPENAI_API_KEY="sk-hub-..."
$env:OPENAI_BASE_URL="https://apiclo.com/v1"
$env:OPENAI_MODEL="claude-sonnet-5"
qwen

Aider работает через OpenAI-compatible переменные.

1. 1

   Установите Aider: python -m pip install -U aider-chat.

2. 2

   Откройте терминал в git-проекте, где можно безопасно тестировать изменения.

3. 3

   Задайте OPENAI_API_BASE и OPENAI_API_KEY.

4. 4

   Запустите aider --model openai/claude-sonnet-5.

5. 5

   Для изображения выполните /add image.png или /paste, затем задайте текстовый вопрос; выбранная модель должна поддерживать vision.

6. 6

   Сначала попросите объяснить файл, затем только после проверки разрешайте правки.

OMP подключается через ~/.omp/agent/models.yml. Для vision capability задаётся полем input у модели.

1. 1

   Установите OMP: curl -fsSL https://omp.sh/install | sh; в Windows PowerShell: irm https://omp.sh/install.ps1 | iex.

2. 2

   Создайте ~/.omp/agent/models.yml и добавьте custom provider apiclo.

3. 3

   Укажите apiKey как имя переменной APICLO_API_KEY, а не сам ключ в репозитории.

4. 4

   Оставьте input: [text, image] у vision-моделей: OMP проверяет это поле до отправки вложения.

5. 5

   Запустите omp models find apiclo, затем omp и проверьте текст, tools и отдельное изображение.

providers:
  apiclo:
    baseUrl: https://apiclo.com/v1
    api: openai-completions
    apiKey: APICLO_API_KEY
    models:
      - id: gpt-6-astra
        name: GPT 6 Astra
        input: [text, image]
        contextWindow: 200000
        maxTokens: 128000
      - id: claude-fable-5-1
        name: Claude Fable 5.1
        input: [text, image]
        contextWindow: 1000000
        maxTokens: 128000

Pi поддерживает custom OpenAI-compatible модели через models.json; укажите image capability явно.

1. 1

   Установите Pi по официальной инструкции и создайте ~/.pi/agent/models.json.

2. 2

   Задайте APICLO_API_KEY в окружении; не сохраняйте ключ в файле проекта.

3. 3

   В /model выберите apiclo/gpt-6-astra или apiclo/claude-fable-5-1.

4. 4

   Проверьте короткий текстовый запрос, tool call и отдельное изображение с текстовым вопросом. Наличие input: image само по себе не доказывает доставку изображения.

{
  "providers": {
    "apiclo": {
      "baseUrl": "https://apiclo.com/v1",
      "api": "openai-completions",
      "apiKey": "$APICLO_API_KEY",
      "models": [
        { "id": "gpt-6-astra", "input": ["text", "image"], "contextWindow": 200000 },
        { "id": "claude-fable-5-1", "input": ["text", "image"], "contextWindow": 1000000 }
      ]
    }
  }
}

Kimi Code допускает custom OpenAI-compatible provider; совместимость с ApiClo ещё проходит матрицу тестов.

1. 1

   Установите Kimi Code и откройте ~/.kimi-code/config.toml; сохраните существующие настройки.

2. 2

   Задайте APICLO_API_KEY в окружении и добавьте provider типа openai с base_url /v1.

3. 3

   Зарегистрируйте нужную модель с image_in и tool_use, затем выберите её в клиенте.

4. 4

   Проверьте текст, tools, reasoning и изображение отдельно. До прохождения тестов не считайте эту интеграцию проверенной для автономных задач.

[providers.apiclo]
type = "openai"
base_url = "https://apiclo.com/v1"
api_key_env = "APICLO_API_KEY"

[models."apiclo/gpt-6-astra"]
provider = "apiclo"
model = "gpt-6-astra"
max_context_size = 200000
capabilities = ["image_in", "tool_use"]

Orca управляет несколькими CLI-агентами и изолированными git worktree. Он не заменяет provider-конфиг дочернего агента.

1. 1

   Сначала настройте один рабочий исполнитель с ApiClo: Codex, Claude Code, OpenCode или OMP, включая отдельный vision-тест.

2. 2

   Установите Orca Desktop/ADE по официальному release для вашей ОС и откройте нужный git-репозиторий.

3. 3

   Добавьте уже настроенный CLI как agent runtime. ApiClo key остаётся в безопасном хранилище или env самого CLI, а не в Orca project files.

4. 4

   Для параллельной работы включайте отдельный worktree на каждого агента и ограничивайте число одновременных workers.

5. 5

   Изображения передавайте в конкретную сессию дочернего CLI. Поддержка определяется его model capability: OpenCode modalities, Harness/OMP input или Crush supports-images.

Crush поддерживает OpenAI-compatible providers и отдельный supports-images флаг для каждой custom-модели.

1. 1

   Установите актуальный Crush и откройте глобальный crushrc: ~/.config/crush/crushrc или %USERPROFILE%\.config\crush\crushrc.

2. 2

   Добавьте provider apiclo типа openai-compat и отключите автодобавление неизвестных моделей.

3. 3

   Зарегистрируйте каждую модель через model add и обязательно задайте --supports-images true только для vision-моделей.

4. 4

   Выберите большую модель командой model large и запустите Crush из тестового проекта.

5. 5

   На Windows к изображению добавляйте текстовый вопрос: некоторые версии Crush отклоняют image-only prompt.

provider add apiclo \
  --name "ApiClo" \
  --type openai-compat \
  --base-url "https://apiclo.com/v1" \
  --api-key "$APICLO_API_KEY" \
  --discover-models false

model add apiclo/gpt-6-astra \
  --name "GPT 6 Astra" \
  --context-window 200000 \
  --default-max-tokens 128000 \
  --can-reason true \
  --supports-images true

model large apiclo/gpt-6-astra

Goose умеет custom OpenAI-compatible providers в Desktop и CLI. Для картинок проверяйте capability выбранной версии отдельным тестом.

1. 1

   Откройте Settings → Models → Configure providers → Add Custom Provider.

2. 2

   Provider Type: OpenAI Compatible; Display Name: ApiClo; API URL: https://apiclo.com/v1/chat/completions.

3. 3

   Включите Authentication, сохраните sk-hub key и добавьте модели gpt-6-astra и claude-fable-5-1.

4. 4

   Включите Streaming Support и проверьте короткий текстовый запрос.

5. 5

   Текущий custom-provider экран Goose не задаёт универсальный per-model vision-флаг. Если кнопка вложения скрыта или файл удаляется до запроса, используйте OpenCode, Harness, OMP или Crush, где capability задаётся явно.

Gemini CLI сейчас не является хорошим прямым вариантом для ApiClo, если сборка не дает задать custom OpenAI/Anthropic endpoint.

1. 1

   Сначала проверьте, есть ли в вашей версии Gemini CLI настройка custom base URL.

2. 2

   Если custom endpoint недоступен, не пытайтесь подменять системные Google переменные: используйте Cline, Roo, Kilo или Qwen Code.

3. 3

   Если custom OpenAI-compatible endpoint есть, используйте Base URL https://apiclo.com/v1, API key sk-hub и model claude-sonnet-5.

4. 4

   Изображения проверяйте отдельным тестом: custom endpoint должен получать image part, а не только локальный путь. Если версия Gemini CLI этого не умеет, выберите OpenCode, Harness, OMP или Crush.

5. 5

   После настройки выполните только read-only тест. Если клиент продолжает обращаться к Google endpoint, переключитесь на поддерживаемый CLI.

Встроенный Hermes живет внутри ApiClo: баланс, модель, память и история управляются из раздела Agents.

1. 1

   Откройте Agents и выберите Hermes.

2. 2

   Выберите модель из платного списка: claude-sonnet-5, claude-opus-4-8, claude-sonnet-4-6.

3. 3

   Для веб-страниц включайте web context в чате; URL будет прочитан через ApiClo reader/browser fallback.

4. 4

   Для изображения используйте attachment в composer и vision-capable модель; после загрузки задайте текстовый вопрос, чтобы отличить реальное image input от имени файла.

5. 5

   Чтобы Hermes работал с вашим компьютером, скачайте Desktop Bridge, создайте pairing code и выдайте только нужные разрешения на файлы или папки.

6. 6

   Для длинных задач не меняйте модель в середине цепочки без причины: это помогает кэшу и контексту.

Локальный router нужен, когда клиент умеет говорить только с localhost или когда вы хотите централизовать ключ на машине.

1. 1

   Скачайте ApiClo Desktop Bridge и запустите его на той же машине, где работает IDE/CLI.

2. 2

   Вставьте upstream sk-hub ключ в Desktop Bridge.

3. 3

   Нажмите Fetch models и убедитесь, что список моделей загрузился.

4. 4

   Нажмите Start router.

5. 5

   В IDE/CLI укажите Local Base URL http://127.0.0.1:18441/v1 и любой непустой client API key.

6. 6

   Для изображений включите capability в самой IDE/CLI: Desktop Router прозрачно передаёт multipart/base64 image content, но не создаёт кнопку вложения и не объявляет vision за клиента.

7. 7

   Проверьте Ответь только OK; если не отвечает, проверьте, что локальный router запущен и порт 18441 свободен.

Сначала нажмите Fetch models, затем Start router. В IDE указывайте local Base URL, а не публичный.

Главный route для IDE, SDK и большинства self-hosted интерфейсов.

curl https://apiclo.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "messages": [{"role": "user", "content": "Hi"}],
    "max_tokens": 512,
    "stream": true
  }'

Используйте для клиентов, которые ожидают Claude Messages API.

curl https://apiclo.com/v1/messages \
  -H "x-api-key: YOUR_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "max_tokens": 512,
    "messages": [{"role": "user", "content": "Hi"}]
  }'

Используйте для клиентов, где нужен Responses wire API.

curl https://apiclo.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "input": "Write a short checklist for release QA."
  }'

Подходит для скриптов, backend jobs и тестов.

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://apiclo.com/v1",
)

response = client.chat.completions.create(
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": "Hi"}],
    max_tokens=512,
)

print(response.choices[0].message.content)

Подходит для frontend-backed API routes и Node.js сервисов.

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.APICLAUDE_API_KEY,
  baseURL: "https://apiclo.com/v1",
});

const response = await client.chat.completions.create({
  model: "claude-sonnet-5",
  messages: [{ role: "user", content: "Hi" }],
  max_tokens: 512,
});

console.log(response.choices[0].message.content);