Deep Agents Code 支持任何 与 LangChain 兼容的 chat model provider，因此几乎可以使用任何支持 tool calling 的 LLM。任何暴露 OpenAI-compatible 或 Anthropic-compatible API 的服务也可开箱使用，请参阅 Compatible APIs。

​
快速开始

Deep Agents Code 会自动集成以下 model providers：除安装相关 provider package 外，无需额外配置。
  1. 安装 provider packages 每个 model provider 都需要对应的 LangChain integration package。这些 packages 以 optional extras 形式提供，以保持应用轻量。OpenAI、Anthropic 和 Gemini 默认包含。可以在 session 中用 /install 安装任何其他 extra，或在 shell 中用 dcode --install 安装： 
    /install groq
    不带 argument 运行 /install 可列出有效 extras。若要在初始 CLI install 期间预安装 extras，请设置 DEEPAGENTS_CODE_EXTRAS： 
    DEEPAGENTS_CODE_EXTRAS="baseten,groq" curl -LsSf https://langch.in/dcode | bash
  2. 设置 credentials 使用 /auth credential manager 为 provider 添加 API key： 
    /auth
    对于 non-interactive runs、CI/CD，或任何无法使用 TUI 的环境，请改为设置 provider 的 environment variable。完整 key resolution order 请参阅 Provider credentials；将 key 作用域限定到 Deep Agents Code 的方法请参阅 DEEPAGENTS_CODE_ prefix；每个 provider 的 environment variable 请参阅 Provider reference。 若要配置 model parameters，请参阅 Model parameters。

​
Provider reference

Deep Agents Code 使用 Python 构建，请使用 Python provider reference docs。

​
Model routers 和 proxies

OpenRouter 和 LiteLLM 等 model routers 通过单一 endpoint 提供对多个 providers 的 models 的访问。 请使用这些服务的专用 integration packages：
RouterPackage
OpenRouterlangchain-openrouter
OpenRouter 是 built-in provider，安装 extra 后即可直接使用： 
/install openrouter
LiteLLM 也是 built-in provider： 
/install litellm

​
切换 models

若要在 Deep Agents Code 中切换 models，可以：
  1. 使用 /model command 打开 interactive model switcher。这会显示来自每个已安装 LangChain provider package 的 model profiles 的 available models。
    并非所有 models 都会出现在这里。如果你的 model 缺失，请直接传入 model name（例如 /model gpt-5.5）。详情请参阅 Which models appear in the switcher。
  2. 将 model name 直接指定为 argument，例如 /model gpt-5.5。无论该 model 是否出现在选项 1 的列表中，你都可以使用所选 provider 支持的任何 model。Model name 会传递给 API request。
  3. 通过 --model 在启动时指定 model，例如： 
    dcode --model openai:gpt-5.5
Deep Agents Code 启动时会按以下顺序解析要使用的 model：
  1. 如果提供，--model flag 始终胜出。
  2. ~/.deepagents/config.toml 中的 [models].default，即 user 有意设置的 long-term preference。
  3. ~/.deepagents/config.toml 中的 [models].recent，即上次通过 /model 切换到的 model。它会自动写入，但绝不会覆盖 [models].default。
  4. Environment auto-detection：回退到第一个可用 startup credential，检查顺序为：OPENAI_API_KEY、ANTHROPIC_API_KEY、GOOGLE_API_KEY、GOOGLE_CLOUD_PROJECT（Vertex AI）。
此 startup fallback 有意只检查这四个 credentials。其他 supported providers（例如 Groq）仍可通过 --model、/model 和 saved defaults（[models].default / [models].recent）使用。

​
哪些 models 会出现在 switcher 中

/model selector 会从已安装 provider packages 动态构建列表。展开下方内容可查看完整 criteria 和 troubleshooting。
Interactive /model selector 会动态构建列表，它不是写死在 Deep Agents Code 中的 hardcoded list。当以下条件全部为真时，model 会出现在 switcher 中：
  1. Provider package 已安装。 每个 provider（例如 langchain-anthropic、langchain-openai）都必须与 deepagents-code 一起安装，可以作为 install extra 预安装，也可以稍后用 /install <extra> 添加（例如 /install ollama）。如果 package 缺失，switcher 中会缺少整个 provider section。
  2. Model 有启用 tool_calling 的 profile。 Deep Agents Code 需要 tool-calling support，因此 profile 中没有 tool_calling: true 的 models 会被排除。这是 model 缺失于列表的最常见原因。对于不内置 profiles 的 providers（请参阅 Provider reference table），你可以在 config.toml 中定义一个： 
    [models.providers.ollama.profile."qwen3:4b"]
tool_calling = true
max_input_tokens = 32768
max_output_tokens = 8192
    严格来说，这不是让 model 出现在 switcher 中的必要条件，将它添加到 models list 也可以，而且更简单。当你希望 Deep Agents Code 知道 model context window 和 capabilities，以支持 auto-summarization 等 features 时，profile 很有用。所有可覆盖 fields 请参阅 Profile overrides。
  3. Model 接受并生成文本。 Profile 中显式将 text_inputs 或 text_outputs 设置为 false 的 models（例如 embedding 或 image-generation models）会被排除。
在 config.toml 的 [models.providers.<name>].models 下定义的 models 会绕过 profile filter，无论 profile metadata 如何，它们始终出现在 switcher 中。这是添加列表中缺失 models 的推荐方式。
Credential status 不影响 model 是否列出。Switcher 会显示所有符合条件的 models，并在每个 provider header 旁显示 credential indicator：确认 credentials 时显示 checkmark，缺少 credentials 时显示 warning，credential status unknown 时显示 question mark。即使 credentials 缺失，你仍然可以选择 model，provider 会在 request time 报告 authentication error。

​
Troubleshooting missing models

症状可能原因修复方式
Switcher 中缺少整个 providerProvider package 未安装安装 extra（例如 /install groq）
显示 provider 但缺少特定 modelModel profile 中 tool_calling: false，或不存在 profile在 config.toml 中将 model 添加到 [models.providers.<name>].models，或直接使用 /model <provider>:<model>
Provider 显示 ⚠ “missing credentials”API key env var 未设置按 Provider reference table 设置 credential env var
Provider 显示 ? “credentials unknown”Provider 使用 Deep Agents Code 无法验证的 non-standard authCredentials 可能仍然可用，请尝试切换到该 model。如果 auth 失败，请检查 provider docs

​
设置 default model

你可以设置一个 persistent default model，供后续所有 CLI launches 使用：
  • 通过 model selector： 打开 /model，导航到想要的 model，并按 Ctrl+S 将其 pin 为 default。在当前 default 上再次按 Ctrl+S 会清除它。
  • 通过 command： /model --default provider:model（例如 /model --default anthropic:claude-opus-4-7）
  • 通过 config file： 在 ~/.deepagents/config.toml 中设置 [models].default（请参阅 Configuration）。
  • 从 shell： 
    dcode --default-model anthropic:claude-opus-4-7
查看当前 default： 
dcode --default-model
清除 default：
  • 从 shell： 
    dcode --clear-default-model
  • 通过 command： /model --default --clear
  • 通过 model selector： 在当前 pinned default model 上按 Ctrl+S。
没有 default 时，Deep Agents Code 会默认使用最近使用过的 model。

​
Model parameters

向 model 传递额外 constructor kwargs，包括 sampling controls、reasoning/thinking budgets、context window sizes、request timeouts，以及底层 chat-model class 接受的任何其他参数。可在三个位置设置，按优先级从高到低：
  1. 启动时用 --model-params 一次性设置。 JSON string，仅限 session： 
    # OpenAI reasoning effort
dcode --model openai:gpt-5.5 --model-params '{"reasoning": {"effort": "high"}}'

# Anthropic extended thinking
dcode --model anthropic:claude-opus-4-7 --model-params '{"thinking": {"type": "enabled", "budget_tokens": 10000}, "max_tokens": 16000}'
  2. Session 中通过 /model --model-params 设置。 使用相同 JSON syntax，无需重启即可替换 params（并可选择替换 model）： 
    /model --model-params '{"temperature": 0.7}' anthropic:claude-opus-4-7
/model --model-params '{"num_ctx": 16384}'           # opens selector, applies params to choice
  3. 持久保存在 config.toml 中。 每次启动都应用的 provider-level defaults（可带 optional per-model sub-tables）： 
    [models.providers.anthropic.params]
thinking = { type = "enabled", budget_tokens = 10000 }
max_tokens = 16000

[models.providers.openai.params]
reasoning = { effort = "high", summary = "auto" }
output_version = "responses/v1"

[models.providers.ollama.params]
num_ctx = 16384
temperature = 0

# Per-model override—wins over provider-level keys
[models.providers.ollama.params."qwen3:4b"]
temperature = 0.5
CLI flags 会覆盖 config-file params，且仅限当前 session（session 中途的更改不会持久化）。config.toml 中的 per-model sub-tables 会覆盖 provider-level keys（浅层 merge，完整语义请参阅 Model constructor params）。--model-params 不能与 --default 组合使用。
底层 chat-model constructor 接受的任何 kwarg 都有效。完整列表请参阅 provider reference docs，例如 ChatAnthropic、ChatOpenAI、ChatOllama。Unknown kwargs 会转发给 upstream API request，因此新发布的 parameters 无需 CLI update 即可使用。
不要将 credentials（api_key）放入 params，请改用 api_key_env 指向 environment variable。
若要覆盖 model runtime profile 上的 fields（max_input_tokens、tool_calling、capability flags），这不同于 constructor params，请参阅 Profile overrides。

​
Advanced configuration

有关 provider params、profile overrides、custom base URLs、compatible APIs、arbitrary providers 和 lifecycle hooks 的详细配置，请参阅 Configuration。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.