مفتاح واحد متصل بثلاث نوافذ تطبيقات
شروحات

كيف تستخدم مفتاح API متوافقاً مع OpenAI في Open WebUI وContinue وLangChain وغيرها

إعدادات خطوة بخطوة لاستخدام أي API متوافق مع OpenAI (عنوان أساسي مخصص ومفتاح واسم نموذج) في Open WebUI وContinue وCline وLibreChat وAnythingLLM وJan ومكتبات OpenAI SDK وLangChain وLlamaIndex، مع الإعدادات التي تعطّله.

كثير من أدوات الذكاء الاصطناعي تسمح لك باستبدال OpenAI بمزوّد آخر، ما دام يدعم الـ API نفسه. وفي كل مرة تحتاج إلى الأشياء الثلاثة نفسها:

ما تحتاج إليهمثال
العنوان الأساسي (يُسمّى أيضاً API base أو endpoint أو host)https://gpuflow.app/v1
مفتاح APIgfk_...
اسم النموذجqwen2.5:7b

نستخدم استئجاراً على GPUFlow مثالاً في المقال كله، لكن الخطوات نفسها تنطبق على أي خادم متوافق مع OpenAI: Ollama أو llama.cpp محلياً، وvLLM، وOpenRouter وغيرها كثير. غيّر القيم الثلاث فقط.

على GPUFlow تجد القيم الثلاث في لوحة التحكم ← الإيجارات الحالية بعد أن تستأجر GPU:

صفحة الإيجارات الحالية مع إبراز مفتاح API ونقطة الاتصال وأزرار الاستئجار

قبل أن تبدأ: تحقق من نقطة الاتصال واسم النموذج

أمر واحد يخبرك بأن المفتاح يعمل وبالاسم الدقيق للنموذج:

curl https://gpuflow.app/v1/models \
  -H "Authorization: Bearer gfk_your_key"

تعرض الإجابة قائمة النماذج. انسخ قيمة id، مثل qwen2.5:7b، كما هي تماماً. الخطأ في اسم النموذج هو السبب الأكثر شيوعاً لرفض التطبيق العمل.

اعرف ما تدعمه نقطة الاتصال لديك. تقدّم نقطة اتصال GPUFlow المسارين /v1/models و/v1/chat/completions، مع البث المتدفق (streaming). ولا تقدّم embeddings ولا Responses API الأحدث ولا توليد الصور. بعض ميزات التطبيقات تحتاج إلى هذه الأشياء، وننبّه إليها أدناه.

تطبيقات المحادثة

Open WebUI

  1. افتح Settings → Admin → Connections.
  2. تحت Manage OpenAI API Connections، انقر على + (Add Connection).
  3. املأ الحقول:
    • URL: https://gpuflow.app/v1
    • API Key: مفتاحك
  4. انقر على Verify Connection لاختبار الاتصال (الحفظ وحده لا يختبره)، ثم على Save.

يقرأ Open WebUI قائمة النماذج من /models تلقائياً. إذا كنت تشغّله عبر Docker، يمكنك بدلاً من ذلك ضبط OPENAI_API_BASE_URL وOPENAI_API_KEY، لكنهما لا يُقرآن إلا عند أول تشغيل لـ Open WebUI. بعد ذلك غيّرهما من شاشة الإدارة.

رفع المستندات والبحث فيها في Open WebUI يعتمدان على نموذج embeddings صغير يعمل محلياً افتراضياً، لذلك يستمران في العمل. لا تغيّر محرك embeddings إلى OpenAI وتضع عنوان نقطة اتصال المحادثة عنواناً له.

LibreChat

أضف نقطة اتصال مخصصة إلى librechat.yaml:

endpoints:
  custom:
    - name: "GPUFlow"
      apiKey: "${GPUFLOW_API_KEY}"
      baseURL: "https://gpuflow.app/v1"
      models:
        default: ["qwen2.5:7b"]
        fetch: true
      titleConvo: true
      titleModel: "qwen2.5:7b"
      modelDisplayLabel: "GPUFlow"

ضع مفتاحك في .env بالصيغة GPUFLOW_API_KEY=gfk_.... واستخدم apiKey: "user_provided" إذا كان على كل مستخدم أن يُدخل مفتاحه الخاص. ومع fetch: true يقرأ LibreChat قائمة النماذج من نقطة الاتصال.

يستخدم البحث في المستندات في LibreChat (أي RAG API) نماذج embeddings من OpenAI افتراضياً. أبقِه على OpenAI أو Ollama أو Hugging Face، ولا توجّه RAG_OPENAI_BASEURL إلى نقطة اتصال للمحادثة فقط.

AnythingLLM

  1. افتح إعدادات LLM واختر Generic OpenAI.
  2. املأ Base URL (https://gpuflow.app/v1) وAPI Key وChat Model Name (qwen2.5:7b) وToken context window وMax Tokens.

مع Docker، الإعدادات نفسها متاحة كمتغيرات بيئة:

LLM_PROVIDER='generic-openai'
GENERIC_OPEN_AI_BASE_PATH='https://gpuflow.app/v1'
GENERIC_OPEN_AI_MODEL_PREF='qwen2.5:7b'
GENERIC_OPEN_AI_MODEL_TOKEN_LIMIT=32768
GENERIC_OPEN_AI_API_KEY=gfk_your_key

اترك أداة embeddings على AnythingLLM Default.

Jan

  1. افتح Settings → Model Providers وانقر على Add Provider.
  2. اختر OpenAI-compatible.
  3. أدخل اسماً، وBase URL مع /v1 في آخره، وAPI key الخاص بك. انقر على Create.

يحمّل Jan قائمة النماذج عند الحفظ. إذا لم يفعل، أضف اسم النموذج يدوياً بالزر + في قائمة نماذج المزوّد.

مساعدو البرمجة

Continue (في VS Code وJetBrains)

أضف نموذجاً إلى ملف config.yaml:

models:
  - name: GPUFlow Qwen 2.5 7B
    provider: openai
    model: qwen2.5:7b
    apiBase: https://gpuflow.app/v1
    apiKey: ${{ secrets.GPUFLOW_API_KEY }}
    roles:
      - chat
      - edit
      - apply

لا تمنحه الدورين autocomplete وembed: فنقطة الاتصال هذه لا تقدّم إلا المحادثة، والـ embeddings تحتاج إلى /v1/embeddings. في VS Code، لدى Continue أداة embeddings مدمجة للبحث في قاعدة الكود. أما في JetBrains فلا توجد، لذا اضبط هناك نموذج embeddings منفصلاً.

يحتاج وضع Agent في Continue إلى نموذج يتعامل مع استدعاء الأدوات (tool calls). لا تضف capabilities: [tool_use] إلا إذا كنت تعرف أن نموذجك يدعم ذلك.

Cline

  1. افتح إعدادات Cline.
  2. اضبط API Provider على OpenAI Compatible.
  3. املأ Base URL وAPI Key وModel (qwen2.5:7b).
  4. تحت Model Configuration، اضبط نافذة السياق بما يطابق نموذجك.

ملاحظة عن Roo Code: تقول وثائقه إنه لا يعمل إلا مع النماذج التي تدعم استدعاء الأدوات الأصلي (native tool calling)، دون بديل احتياطي. لذلك قد لا تعمل معه نقطة اتصال محادثة عادية.

الكود

مكتبات OpenAI للغتي Python وNode

Python (pip install openai):

from openai import OpenAI

client = OpenAI(base_url="https://gpuflow.app/v1", api_key="gfk_your_key")

reply = client.chat.completions.create(
    model="qwen2.5:7b",
    messages=[{"role": "user", "content": "Say hello in five languages."}],
)
print(reply.choices[0].message.content)

Node (npm install openai):

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://gpuflow.app/v1", apiKey: "gfk_your_key" });

const reply = await client.chat.completions.create({
  model: "qwen2.5:7b",
  messages: [{ role: "user", content: "Say hello in five languages." }],
});
console.log(reply.choices[0].message.content);

تقرأ المكتبتان أيضاً OPENAI_BASE_URL وOPENAI_API_KEY من البيئة. لاحظ أن ملفات README الخاصة بهما تبدأ الآن بـ client.responses.create(...). هذا هو Responses API؛ استخدم client.chat.completions.create(...) كما في المثال أعلاه.

LangChain

Python (pip install -U langchain-openai):

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="qwen2.5:7b",
    base_url="https://gpuflow.app/v1",
    api_key="gfk_your_key",
    use_responses_api=False,
)
print(llm.invoke("Name three uses for a GPU.").content)

JavaScript (npm install @langchain/openai @langchain/core). اضبط مفتاحك في البيئة أولاً، export OPENAI_API_KEY=gfk_your_key، ثم:

import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  model: "qwen2.5:7b",
  configuration: { baseURL: "https://gpuflow.app/v1" },
});

ينتقل LangChain إلى Responses API عندما تستخدم ميزات معيّنة، مثل الأدوات المدمجة أو مخرجات الاستدلال (reasoning). الخيار use_responses_api=False يبقيه على Chat Completions.

LlamaIndex

استخدم OpenAILike (pip install llama-index-llms-openai-like):

from llama_index.llms.openai_like import OpenAILike

llm = OpenAILike(
    model="qwen2.5:7b",
    api_base="https://gpuflow.app/v1",
    api_key="gfk_your_key",
    context_window=32768,
    is_chat_model=True,
    is_function_calling_model=False,
)

اضبط is_chat_model=True. قيمته الافتراضية False، وهي ترسل الطلبات إلى /v1/completions بدلاً من /v1/chat/completions. ولفهرسة المستندات، اضبط Settings.embed_model على نموذج embeddings حقيقي؛ إذ يستخدم LlamaIndex نماذج embeddings من OpenAI افتراضياً.

أدوات لن تعمل مع نقطة اتصال للمحادثة فقط

  • Codex CLI. أوقف دعم Chat Completions في أوائل 2026، وأصبح لا يقبل إلا Responses API.
  • OpenAI Agents SDK. يستخدم Responses API افتراضياً. استدعِ set_default_openai_api("chat_completions")، أو غلّف العميل في OpenAIChatCompletionsModel، وأوقف التتبّع بـ set_tracing_disabled(True)، لأن التتبّع يحتاج إلى مفتاح OpenAI.
  • أي شيء يحتاج إلى embeddings من نقطة الاتصال نفسها: البحث في المستندات، و”المحادثة مع ملفاتك”، والبحث الدلالي في الكود. استخدم أداة embeddings المدمجة في التطبيق أو مزوّد embeddings منفصلاً.

إذا استمرت المشكلة

ما تراهالسبب المعتاد
404 أو “not found”العنوان الأساسي ينقصه /v1، أو أن التطبيق يضيف /v1 بنفسه فأضفته أنت مرتين.
401 أو invalid_api_keyالمفتاح خاطئ، أو انتهى الاستئجار. على GPUFlow، انقر على مفتاح جديد في الإيجارات الحالية إذا أضعت المفتاح.
”Model not found”اسم النموذج لا يطابق /v1/models تماماً.
الطلبات إلى /v1/completions أو /v1/responses تفشلالتطبيق يستخدم API مختلفاً. ابحث عن إعداد باسم “chat model” أو “chat completions”.

مقالات ذات صلة

المصادر

راجعناها كلها في سبتمبر 2026.

الأسئلة الشائعة

ما هو API المتوافق مع OpenAI؟

هو API يقبل الطلبات نفسها التي يقبلها API الخاص بـ OpenAI، مثل POST /v1/chat/completions، فتعمل معه الأدوات المصممة لـ OpenAI. كل ما تغيّره هو العنوان الأساسي والمفتاح واسم النموذج.

لماذا يقول تطبيقي إن النموذج غير موجود؟

يجب أن يطابق اسم النموذج تماماً ما يقدّمه الخادم. استدعِ GET /v1/models بمفتاحك لترى الاسم الدقيق، مثل qwen2.5:7b، والصقه في التطبيق.

هل أستطيع استخدام نقطة اتصال متوافقة مع OpenAI مع Codex CLI؟

ليس إذا كانت نقطة الاتصال لا تقدّم إلا Chat Completions. أزال Codex دعم Chat Completions في أوائل 2026، وأصبح لا يقبل إلا Responses API.

لماذا يفشل RAG أو رفع المستندات مع نقطة اتصال مخصصة؟

البحث في المستندات يحتاج إلى نموذج embeddings. وكثير من نقاط الاتصال، ومنها نقطة اتصال GPUFlow، لا تقدّم إلا المحادثة. أبقِ على أداة embeddings المدمجة في التطبيق (موجودة في Open WebUI وAnythingLLM وفي Continue على VS Code) بدلاً من توجيه embeddings إلى نقطة اتصال المحادثة.