参考了zed文档和moonshot文档，瞎鼓捣，给zed配置上kimi k2了。

在 Zed 的 config.json添加以下配置

"language_models": {
    "openai": {
      "api_url": "https://api.moonshot.cn/v1",
      "api_key": "sk-xxx",
      "available_models": [
        {
          "name": "kimi-k2-0711-preview",
          "display_name": "kimi-k2-0711-preview",
          "max_tokens": 0,
          "supports_tools": true
        }
      ]
    }
  }

kimi k2有时会一卡一卡的，因为刚出来，又免费的。 趁现在白嫖，体验一下。

zed的相关文档：Configuration - Zed

moonshot相关文档：https://platform.moonshot.cn/docs/guide/agent-support#%E9%85%8D%E7%BD%AE-openai-api

# 编辑器 # ide
Logo
智能体开发者社区

中国智能体开发者社区，聚焦智能体与大模型开发，提供前沿资讯、实用工具链、开源项目及行业案例。通过技术沙龙、开发者大赛等活动，促进经验交流与协作，助力开发者快速构建创新智能应用。

更多推荐

MCP协议开发实战：从零搭建AI Agent工具链

创建静态资源（如项目 README 文件）。创建动态资源（如实时系统状态）。在 Client 中请求并利用资源上下文。回顾 MCP 协议如何降低 AI Agent 开发门槛。当前生态的局限与未来的演进方向。鼓励读者基于此大纲进行实践，并参与开源贡献。

avatar 智能体开发者社区

AI Agent可观测性：破解多步推理黑盒

随着AI Agent在复杂任务中承担越来越多的决策角色，其内部的多步推理过程往往如同一个“黑盒”，难以理解、调试和信任。本文旨在探讨AI Agent可观测性（Observability）的核心概念、技术挑战与实践方案，为开发者提供一套系统的方法论和工具链，以“照亮”Agent的推理黑盒，实现对其行为、决策逻辑与内部状态的全面洞察。构建AI Agent的可观测性体系不再是“锦上添花”，而是保障其在大

avatar 智能体开发者社区

MCP协议开发实战：从零搭建AI Agent工具链

回顾：我们从协议概念到动手搭建了一个可用的MCP工具链。MCP的生态现状：官方与社区提供的Server示例（GitHub, Jira, Notion等）。未来方向：更复杂的工具编排、多模型协作、可视化工具开发平台。鼓励动手：鼓励读者基于此框架，开发解决自己实际问题的工具。

avatar 智能体开发者社区