为Hermes Agent自定义配置Taotoken作为模型供应商-洪萨配资

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

为Hermes Agent自定义配置Taotoken作为模型供应商

Hermes Agent 是一款功能强大的AI智能体开发框架，它支持通过自定义供应商（custom provider）的方式接入多种大模型服务。本文将指导你如何将 Taotoken 平台配置为 Hermes Agent 的 custom 供应商，从而在 Agent 项目中便捷地使用 Taotoken 聚合的丰富模型。

1. 准备工作：获取 Taotoken 凭证与模型 ID

在开始配置之前，你需要准备好 Taotoken 的访问凭证和想要使用的模型。

首先，访问 Taotoken 控制台，创建一个新的 API Key。这个 Key 将用于 Hermes Agent 向 Taotoken 发起请求时的身份验证。请妥善保管此 Key。

其次，在 Taotoken 的模型广场中，找到你计划使用的模型，并记录其对应的模型 ID。例如，claude-sonnet-4-6或gpt-4o-mini。这个 ID 将在后续的 Agent 配置或代码中指定。

2. 理解 Hermes Agent 的 Custom Provider 配置

Hermes Agent 允许开发者通过providers配置项来定义模型供应商。当选择custom类型时，你需要明确指定 API 的基础地址（base_url）和认证方式。对于 Taotoken 平台，其提供的 OpenAI 兼容 API 是配置的关键。

一个常见的配置结构如下，它定义了供应商的名称、类型和端点信息：

# 示例：hermes_agent_config.yaml 的部分内容 providers: taotoken: type: custom config: base_url: https://taotoken.net/api/v1 api_key: ${TAOTOKEN_API_KEY}

请注意，base_url的末尾必须包含/v1路径，这是 Taotoken OpenAI 兼容接口的正确格式。api_key字段通常通过环境变量注入，以避免将敏感信息硬编码在配置文件中。

3. 详细配置步骤

接下来，我们分步完成配置。假设你的 Hermes Agent 项目使用 YAML 文件进行配置。

步骤一：设置环境变量推荐将 Taotoken API Key 存储在项目根目录下的.env文件中。Hermes Agent 常用的环境变量名是OPENAI_API_KEY，为了清晰起见，你也可以使用自定义名称，只要在配置中正确引用即可。

在.env文件中添加：

TAOTOKEN_API_KEY=你的_Taotoken_API_Key

步骤二：修改 Hermes Agent 配置文件在你的主配置文件（例如config.yaml或agent.yaml）中，找到或添加providers配置段。按照以下示例进行修改：

model: provider: taotoken # 指定使用我们定义的 taotoken 供应商 name: claude-sonnet-4-6 # 指定要使用的具体模型 ID providers: taotoken: type: custom config: base_url: https://taotoken.net/api/v1 api_key: ${TAOTOKEN_API_KEY} # 引用 .env 文件中的环境变量 # 可以在此处保留或添加其他供应商配置，如 openai、anthropic 等

关键点说明：

base_url必须设置为https://taotoken.net/api/v1。这是与 Taotoken 平台对接的固定地址。
api_key的值${TAOTOKEN_API_KEY}是一种变量插值语法，意味着程序会从环境变量中读取TAOTOKEN_API_KEY的值。
在model部分，provider字段的值taotoken必须与providers下定义的供应商名称一致。name字段则填入你在 Taotoken 模型广场选定的模型 ID。

步骤三：在代码中调用配置完成后，你在代码中初始化 Hermes Agent 时，通常只需指定配置文件的路径。Agent 框架会自动根据配置文件加载taotoken供应商并使用对应的模型。

一个简单的 Python 示例可能如下所示：

from hermes_agent import HermesAgent # 假设你的配置文件名为 config.yaml，且已按上述步骤配置好 agent = HermesAgent(config_path="./config.yaml") # 之后即可使用 agent 进行对话或任务处理 response = agent.run("你好，请介绍一下你自己。") print(response)