LLM providers
Connectez PentAGI à des providers intégrés tels que OpenAI, Anthropic, Gemini, Bedrock et Ollama, ou à n’importe quel point de terminaison compatible OpenAI, avec basculement.
PentAGI nécessite au moins un providerprovider — fournisseurUn service ou un serveur qui fournit ses modèles de langage à PentAGI, comme OpenAI, Anthropic ou un Ollama local. de modèles de langage. Les identifiants sont configurés sur le serveur dans .env ; chaque flowflowUn flow de PentAGI : un objectif, les tâches créées à partir de vos messages et tout ce que les agents ont fait en cours de route. sélectionne ensuite le provider sur lequel il s'exécute, et chaque agent typeagent type — type d'agentLe rôle joué par un agent, tel que pentester, coder ou searcher. Les paramètres du modèle sont choisis par type d'agent. peut utiliser ses propres paramètres de modèle.
Providers intégrés
| Provider | Variable | Surcharge du point de terminaison |
|---|---|---|
| OpenAI | OPEN_ | OPEN_ |
| Anthropic | ANTHROPIC_ | ANTHROPIC_ |
| Google AI (Gemini) | GEMINI_ | GEMINI_ |
| AWS Bedrock | BEDROCK_ + une méthode d'authentification | BEDROCK_ |
| Ollama | OLLAMA_ (OLLAMA_ pour Ollama Cloud) | — |
| DeepSeek | DEEPSEEK_ | DEEPSEEK_ |
| GLM (Zhipu AI) | GLM_ | GLM_ |
| Kimi (Moonshot AI) | KIMI_ | KIMI_ |
| Qwen (Alibaba Cloud) | QWEN_ | QWEN_ |
| MiniMax | MINIMAX_ | MINIMAX_ |
| Mistral | MISTRAL_ | MISTRAL_ |
| xAI (Grok) | XAI_ | XAI_ |
Authentification AWS Bedrock
Définissez BEDROCK_ et choisissez une méthode :
BEDROCK_DEFAULT_AUTH=true # AWS SDK default credential chain (EC2/ECS roles)
# BEDROCK_BEARER_TOKEN=... # bearer token
# BEDROCK_ACCESS_KEY_ID=... # static credentials
# BEDROCK_SECRET_ACCESS_KEY=...Anthropic sans clé à longue durée de vie
Au lieu de ANTHROPIC_, Anthropic peut être utilisé avec la fédération d'identité de charge de travail via ANTHROPIC_, ANTHROPIC_, ANTHROPIC_ et un jeton d'identité (ANTHROPIC_ ou ANTHROPIC_).
Points de terminaison personnalisés et compatibles OpenAI
Toute API compatible avec OpenAI — vLLM, LiteLLM, OpenRouter, DeepInfra, Atlas Cloud, le plan Go OpenCode ou un déploiement Azure OpenAI — se connecte en tant que provider personnalisé :
LLM_SERVER_URL=https://your-endpoint/v1
LLM_SERVER_KEY=your_key
LLM_SERVER_MODEL=model-name
LLM_SERVER_CONFIG_PATH=/opt/pentagi/conf/custom.provider.ymlLLM_ est requis : pour un serveur sans authentification, tel que vLLM par défaut, définissez n’importe quelle valeur non vide — avec une clé vide, le provider personnalisé est désactivé. LLM_ bascule le provider personnalisé vers Azure OpenAI. Un fichier de configuration de provider permet d’attribuer un modèle et des paramètres par agent type ; prenez comme point de départ examples/ dans le dépôt et remplacez son o3-mini, qu’OpenAI retire le 23 octobre 2026.

Basculement
LLM_ désigne un second provider : un provider intégré avec des identifiants dans .env, tels que anthropic, ou un provider que le propriétaire du flow a enregistré dans Settings → Providers. Un appel de modèle qui échoue est répété une fois sur celui-ci et la bascule est enregistrée dans la trace ; l’appel suivant reprend sur le provider propre au flow.
Choix des modèles
- Utilisez votre modèle le plus performant pour
primary_,agent pentesteretadviser; des modèles plus légers suffisent poursearcher,enricheret la synthèse. - Pour les modèles ouverts de moins de 32 milliards de paramètres, activez la surveillance de l'exécution et la planification de task.
- Settings → Providers contient les profils de provider que vous créez en plus des types configurés — Create Provider ne propose que les types dont les identifiants figurent dans
.env— et le formulaire de profil teste une configuration avant que vous ne l'enregistriez.
Dernière mise à jour le
Gestion du contexte
Comment PentAGI maintient les longs flows dans la fenêtre de contexte du modèle en résumant les parties plus anciennes de la chaîne de chaque agent, et les paramètres qui l'ajustent.
Embeddings
Choisissez le modèle d'embedding utilisé pour la memory et la recherche de connaissances de PentAGI.