Свой сервер ИИ-разработки за 15 минут: OpenCode, OpenAI API и никакой привязки к вендору

Автор оригинального материала на Хабре, разработчик Алексей, описывает свой путь от выбора инструмента до работающего сервера разработки. Статья продолжает его серию «ИИ: личный опыт без хайпа» и фокусируется на технической основе рабочего места. Ниже я пересобрал его опыт в пошаговую инструкцию для тех, кто хочет повторить.

Зачем вообще свой сервер разработки?

При агентной разработке (когда ИИ-агент выполняет задачи в фоне, а не просто отвечает на вопросы) многое происходит без вашего участия. У подписок на модели есть почасовые и суточные лимиты. Если агент работает на удалённом сервере или ноутбуке, потеря связи в дороге или на совещании не прерывает процесс.

OpenCode даёт четыре способа входа в одну среду: служба (сервер), десктоп-приложение, TUI (текстовый интерфейс для терминала) и плагин для VS Code. Настройки едины: интерфейс меняет только способ взаимодействия, а не политику работы агента.

Что понадобится

• Машина на Linux (автор использует, в частности, Arch Linux, но подойдёт любой дистрибутив)
• OpenCode версии 1.x (на момент написания оригинала, сентябрь 2026 года, версия 2.x вышла, но плагин Oh My OpenCode с ней несовместим из-за смены API)
• Ключ доступа к провайдеру моделей: подписка ChatGPT или Grok через OAuth, Zia coding plan, или OpenAI API key для подключения локальных инстансов, LiteLLM и других совместимых сервисов
• Базовые навыки работы с терминалом и systemd
• 15 минут на установку и первый запуск

Пошаговая инструкция

1. Установите OpenCode

Способов несколько: штатный скрипт, npm, пакеты под конкретные дистрибутивы. Полный список на странице OpenCode Download. Автор использует штатный скрипт для одних машин и пакетный менеджер yay на Arch.

Проверьте, что установка прошла:

command -v opencode
opencode --version

Десктоп-приложение само по себе не включает агента, только графический интерфейс. Агента нужно поставить отдельно.

2. Настройте службу для круглосуточной работы

Для режима serve (сервер, работающий в фоне) создайте пользовательскую службу systemd и включите linger, чтобы сервер запускался без входа пользователя.

Пример файла службы для доверенной сети:

cat ~/.config/systemd/user/opencode.service

[Unit]
Description=opencode headless server
After=network-online.target
Wants=network-online.target

[Service]
Type=simple
Environment=HOME=%h
Environment=XDG_CONFIG_HOME=%h/.config
Environment=XDG_DATA_HOME=%h/.local/share
EnvironmentFile=%h/.config/opencode/proxy.env
ExecStart=/home/user/.opencode/bin/opencode serve --hostname 0.0.0.0 --port 4096 --print-logs
Restart=on-failure
RestartSec=5

[Install]
WantedBy=default.target

Затем активируйте:

systemctl --user daemon-reload
systemctl --user enable --now opencode.service
loginctl enable-linger $USER

3. Подключите провайдера моделей

Провайдер (provider) предоставляет доступ к моделям, это не сама модель и не агент. Настроить подключение можно через файл opencode.json или команду /connect в интерфейсе. Автор предпочитает мастер настройки в Desktop или веб-интерфейсе.

Варианты провайдеров, которые автор проверил:

• Подписки ChatGPT и Grok (через OAuth)
• Zia coding plan
• OpenAI API (OpenAI-совместимый интерфейс) для локальных инстансов, LiteLLM или как альтернатива при проблемах с подписками

Если вы используете OpenAI API key, его нужно указать в env-файле, на который ссылается служба (proxy.env).

Полезные команды для работы с моделями:

opencode models --refresh       # обновить каталог моделей
opencode models                 # показать доступные модели
opencode models zai-coding-plan # отфильтровать по ID провайдера
opencode models --verbose       # показать метаданные и стоимость

4. Подключите MCP-серверы

MCP (Model Context Protocol, протокол контекста модели, способ подключать внешние источники данных к агенту) помогает, например, получать актуальную документацию. Пример раздела MCP в файле opencode.jsonc:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "context7": {
      "type": "remote",
      "url": "https://mcp.context7.com/mcp",
      "enabled": true
    }
  }
}

Проверить подключение:

opencode mcp list
opencode mcp auth ИМЯ
opencode mcp debug ИМЯ

5. Установите плагины и навыки

Плагин (plugin) меняет поведение агента. Автор выделяет Oh My OpenCode как надстройку для ролей и распределения задач. Плагин указывается в массиве plugin файла opencode.json:

{
  "$schema": "https://opencode.ai/config.json",
  "plugin": ["имя-проверенного-пакета"]
}

Навыки (skills) хранятся в папке .opencode/skills и описывают последовательность действий для типовых задач. Например, навык для ревью кода:

.opencode/skills/review-checklist/SKILL.md

Перед установкой любого плагина проверьте его исходный код и совместимость с вашей версией OpenCode.

Что с этого вам по ролям?

Разработчику или техническому автору. OpenCode с режимом serve превращает ноутбук в личный сервер разработки. Задачи выполняются в фоне, лимиты подписок расходуются без простоев, а результат доступен из любого интерфейса. Если вы работаете с OpenAI API через ключ, переключение между моделями занимает одну команду.

Автору Дзена или контент-маркетологу. Прямого применения для текстового контента здесь нет, это инструмент для кода. Но сам подход (одна среда, несколько провайдеров, навыки как шаблоны задач) переносится на любую работу с ИИ: вместо привязки к одному сервису вы собираете стек под себя.

Предпринимателю в РФ и СНГ. Подход критичен, если ваша команда зависит от зарубежных API-ключей: OpenCode через OpenAI-совместимый интерфейс позволяет подключить и локальные модели (например, через LiteLLM), и российские провайдеры, если они поддерживают совместимый API. Из российских аналогов для работы с кодом стоит следить за YandexGPT и GigaChat, но на момент публикации оригинала автор их в своём стеке не упоминает.

Главная мысль этой инструкции не в конкретных командах, а в архитектурном решении: сервер разработки, который не зависит от одного провайдера и не падает при потере связи. Если ваша команда пишет код с помощью ИИ и вы пока работаете только через веб-интерфейс ChatGPT или Copilot, попробуйте вынести агента на отдельную машину и дать ему работать в фоне. Разница ощущается в первый же день.