openclaw 支持Azure OpenAI 密钥和 endpoint https://xxx.openai.azure.com

OpenClaw 支持这种格式的 Azure OpenAI 密钥和 endpoint如 https://xxx.openai.azure.com/但不是原生直接支持而是通过一些配置或代理方式实现兼容。当前2026年3月社区主流结论如下当前官方支持情况OpenClaw 的官方模型提供者providers主要包括OpenAI、Anthropic、Google、Groq、DeepSeek 等标准 OpenAI 兼容 API。Azure OpenAI包括你这种 https://xxx.openai.azure.com/ 格式的 endpoint没有内置的 “azure” 或 “azure-openai” provider。GitHub 上有多个 feature request issue如 #6056、#2280在讨论添加原生支持但截至 2026 年 3 月还没完全落地部分用户报告在最新版本中通过 hack 能用但不稳定。实际能用的几种方式社区验证有效最推荐用 LiteLLM 做代理丝滑、无需改 OpenClaw 源码LiteLLM 是 OpenAI 兼容的万能代理支持 Azure OpenAI 一键桥接。步骤简要安装 LiteLLMpip install litellm配置 litellm_config.yaml 或环境变量model_list: - model_name: gpt-4o litellm_params: model: azure/gpt-4o api_base: https://xxx.openai.azure.com/ api_key: your-azure-openai-key api_version: 2024-02-15-preview # 或最新版根据你的部署 deployment_name: gpt-4o-deployment # 你的实际 deployment 名启动代理litellm --config litellm_config.yaml在 OpenClaw 的 config~/.openclaw/openclaw.json 或 UI 设置把模型 provider 指向 LiteLLM 的本地地址models: { providers: { openai: { // 或自定义 provider 名 baseUrl: http://localhost:4000/v1, apiKey: sk-xxx // LiteLLM 可设虚拟 key 或留空 } } }这样 OpenClaw 以为自己在用普通 OpenAI但实际走你的 Azure endpoint。大量中文教程和 Medium 文章都用这个成功率很高。直接 hack base_url部分版本可行无需代理如果你的 OpenClaw 版本支持自定义 baseUrl OpenAI provider把 provider 设置为 “openai”baseUrl 改成https://xxx.openai.azure.com/openai/v1注意加 /openai/v1这是 Azure 的 v1 兼容路径apiKey 填你的 Azure OpenAI keydeployment 名通常需要在 model 名里指定如 model: “gpt-4o” 但实际走你的 deployment。社区有人在 issue 里说加/openai/v1后直接能用尤其是 Foundry 模型但稳定性因版本而异——如果报 404 或格式错误就切回 LiteLLM。其他变通用环境变量注入部分教程提到在 .env 加 AZURE_OPENAI_ENDPOINT、AZURE_OPENAI_API_KEY 等然后 onboard 时选 Azure但这更适用于某些 fork 或特定部署脚本。如果你是企业用户或有 MSDN 订阅Azure 社区有专门的 OpenClaw Azure 部署指南基本都绕不过 LiteLLM 或自定义 endpoint。是的以下是使用LiteLLM作为代理来桥接你的 Azure OpenAI endpointhttps://xxx.openai.azure.com/的完整配置示例。LiteLLM 的配置文件是 YAML 格式不是 Python 代码但你可以用 Python 方式启动代理通过命令行或脚本。步骤 1: 安装 LiteLLMpipinstalllitellm# 如果想支持代理服务器完整功能建议再装这些可选但推荐pipinstalllitellm[proxy]步骤 2: 创建配置文件 litellm_config.yaml在当前目录下新建文件litellm_config.yaml内容如下已针对你的 endpoint 调整model_list:-model_name:gpt-4o# 你在 OpenClaw 里想用的模型别名可以随便取OpenClaw 配置时就用这个名字litellm_params:model:azure/gpt-4o-deployment# 格式必须是 azure/ 你在 Azure 门户创建的实际 Deployment 名称api_base:https://xxx.openai.azure.com/# 你的 endpoint注意结尾不加 /openai/deployments/...api_key:your-azure-openai-api-key-here# 从 Azure 门户 Keys and Endpoint 复制的 KEYapi_version:2024-10-21# 推荐使用较新的版本根据你的部署支持情况可改成 2024-02-15-preview 或 2025-04-01-preview 等# 可选如果需要额外参数# temperature: 0.7# max_tokens: 4096-model_name:gpt-4o-mini# 可以加多个模型/Deploymentlitellm_params:model:azure/gpt-4o-mini-deploymentapi_base:https://xxx.openai.azure.com/api_key:your-azure-openai-api-key-hereapi_version:2024-10-21# 可选全局设置如果多个模型共用 api_key / api_version可以提到外面general_settings:master_key:sk-1234567890abcdef# 强烈推荐设置一个 master keyOpenClaw 连接时用这个作为 apiKey# 可选如果想用环境变量更安全不把 key 写死在 yaml 里# litellm_params:# api_key: os.environ/AZURE_OPENAI_KEY关键替换点把gpt-4o-deployment改成你在 Azure AI Studio / Azure OpenAI 里实际创建的Deployment Name不是模型名是你自己命名的 deployment例如 “my-gpt4o-2025”。把your-azure-openai-api-key-here替换成真实的 API Key。api_version去 Azure 门户看你的部署支持的版本或者用最新稳定版2026 年常用 2024-10-21 或更高。步骤 3: 启动 LiteLLM 代理两种方式方式 A直接命令行启动最简单litellm--configlitellm_config.yaml--port4000# 或加 --detailed_debug 看详细日志litellm--configlitellm_config.yaml--detailed_debug启动后它会在 http://0.0.0.0:4000 或 http://localhost:4000运行。方式 B用 Python 脚本启动更灵活可放进代码里自动化新建一个文件start_litellm_proxy.py# start_litellm_proxy.pyimportlitellmfromlitellm.proxyimportproxy_server# 加载配置文件相对路径或绝对路径config_pathlitellm_config.yaml# 启动 proxy 服务器proxy_server.run_server(configconfig_path,port4000,# 可改端口# host0.0.0.0, # 默认就是 0.0.0.0# detailed_debugTrue, # 调试日志)# 如果想在代码里直接运行不推荐生产环境# litellm.proxy.proxy_cli.run() # 但通常用上面方式然后执行python start_litellm_proxy.py步骤 4: 在 OpenClaw 中配置使用这个代理在 OpenClaw 的配置文件~/.openclaw/openclaw.json 或 UI 设置中把模型 provider 指向 LiteLLM{models:{providers:{openai:{baseUrl:http://localhost:4000/v1,// 注意 /v1 结尾apiKey:sk-1234567890abcdef// 如果你设了 master_key就用它没设可以留空或用任意值}}}}模型名用你在 yaml 里定义的model_name如 “gpt-4o” 或 “gpt-4o-mini”。测试让 OpenClaw 跑一个简单任务看是否能正常调用你的 Azure 模型。