GPTs 的 Action 接入模型聚合平台要填哪些参数,Base URL、API Key 和模型名怎么对应?

GPTs 通过 Action 调用模型聚合平台时,真正必须填对的是四组参数:写在 OpenAPI schema 的 servers 里的 Base URL、在认证配置里单独填的 API Key、与平台模型清单一致的 model 标识,以及包含 messages 的请求体字段。平台若不兼容 OpenAI 的 chat completions 协议,这套填法就不成立。

GPTs 接入模型聚合平台,需要填对的是四组参数:OpenAPI schema 里的 Base URL、Action 认证配置里的 API Key、请求体里与平台模型清单一致的 model 标识,以及包含 messages 的请求字段;平台若不兼容 OpenAI 的 chat completions 协议,这套填法不成立。这四组参数任何一项错位,Action 测试阶段就会直接报错,而不是等到发布后才发现。 GPTs 的 Action 是通过 OpenAPI schema 描述的 HTTP 调用,并非 SDK 集成,所以聚合平台必须暴露一个 RESTful 的对话补全端点。原因是 GPTs 侧只认 schema 里的 servers、paths、requestBody 和 responses,它不执行任何客户端代码,也无法引入第三方库。做法是把平台的对话接口按 OpenAPI 3.1.0 结构声明出来,路径写清楚,请求体用 JSON schema 描述字段类型,响应只保留后续要读取的字段。 Base URL 填在 schema 的 servers.url 里,它和 paths 是拼接关系,重复写版本号会产生双斜杠或双重路径而返回 404。常见错法是 servers.url 已经写到 /v1,paths 里又写 /v1/chat/completions,最终请求变成 /v1/v1/chat/completions。稳妥的做法是让 servers.url 只保留协议加域名,版本段和资源路径统一放在 paths 里,改平台时只动一处。 API Key 不写在 schema 正文里,而是填在 Action 的认证配置中,类型通常选 API Key 认证,位置选 Header,名称填 Authorization,值前缀填 Bearer 加一个空格。这样做的好处是密钥由平台托管、不进入模型上下文,模型无法把密钥回显给用户。如果用自定义 Header,名称必须和聚合平台文档里要求的一致,大小写和连字符都不能改,否则会得到 401 而不是 403,容易误判为密钥失效。 model 字段必须填聚合平台模型清单里的标识,不能用记忆中的官方模型名代替。聚合平台常做别名映射,同一个底层模型可能有平台自有命名,填错的表现是 400 参数错误或 404 模型不存在,而不是鉴权失败。做法是先查平台控制台的可用模型列表,复制精确字符串,注意版本后缀和大小写;同时确认选的是对话模型而不是向量或重排模型,后者接口路径不同。 请求体里必须显式给出的字段是 model 和 messages,messages 是包含 role 与 content 的对象数组,system 提示也放在这个数组里而不是单独字段。temperature、top_p、max_tokens 属于可选但建议固定,固定后输出风格稳定、便于排查。原因在于 GPTs 每轮都会把完整对话历史重新发一遍,字段不固定会让同一提示词在不同轮次产生差异,难以判断问题出在提示词还是参数。 stream 参数应显式设为 false,因为 GPTs 的 Action 按完整 JSON 响应解析,不消费 SSE 分块流。打开流式后,平台的返回会变成逐块文本,Action 侧要么解析失败,要么等到超时返回空结果,表现为“调用成功但没有内容”。同样的原因,单次返回内容不宜过长,需要长文时应拆成多次调用,而不是把 max_tokens 调到极大后指望一次拿完。 OpenAPI schema 里还有几项容易被漏掉的必填内容:每个操作要有唯一的 operationId,summary 与 description 要写清用途帮助模型判断何时调用,requestBody 要标注哪些字段必填,responses 至少要给出成功状态的结构。此外,GPTs 在配置 Action 时要求提供隐私政策链接,这是发布环节的硬性项,缺失会导致无法公开,与接口参数是否正确无关,但常常和参数问题一起被误报。 排查参数问题时按状态码顺序走,效率最高:401 看认证类型、Header 名称和 Bearer 前缀;404 看 servers.url 与 paths 的拼接是否重复;400 看 model 标识和 messages 结构;429 看平台侧的调用频率限制;5xx 才是平台或上游模型的问题。按这个顺序定位,多数配置问题在两三轮内就能收敛,不需要反复重写 schema。 模型聚合平台按 token 用量计费,参数层面没有额外的计费开关,成本由所选模型单价和实际 token 数决定。由于 GPTs 每轮重发全部历史,对话越长单轮消耗越大,这个成本结构在接入前就该算清楚。平台侧一般是无状态的,不保存会话,上下文完全由 messages 数组承载,因此不要在请求里期待平台记住上一轮。 适用边界要说清:只有兼容 OpenAI 对话补全协议的聚合平台,才能用上面这套参数直接接入;如果平台只提供自有协议或需要私有签名,就得先在中间加一层适配服务,把请求转换成标准格式,再让 GPTs 指向这层适配。另外,涉及敏感数据的场景不适合把整段对话发往第三方聚合平台,参数填得再对也不解决数据流向问题。