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 LiteLLM（pip install litellm）
  - 配置 litellm_config.yaml 或环境变量：
    复制代码
```
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：
    复制代码
```
"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 key
  - deployment 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 endpoint（https://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 LiteLLM

bash 复制代码

pip install litellm
# 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）
pip install 'litellm[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）：

yaml 复制代码

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 KEY
      api_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/Deployment
    litellm_params:
      model: azure/gpt-4o-mini-deployment
      api_base: https://xxx.openai.azure.com/
      api_key: "your-azure-openai-api-key-here"
      api_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 key，OpenClaw 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）

bash 复制代码

litellm --config litellm_config.yaml --port 4000
# 或加 --detailed_debug 看详细日志
litellm --config litellm_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：

python 复制代码

# start_litellm_proxy.py
import litellm
from litellm.proxy import proxy_server

# 加载配置文件（相对路径或绝对路径）
config_path = "litellm_config.yaml"

# 启动 proxy 服务器
proxy_server.run_server(
    config=config_path,
    port=4000,                  # 可改端口
    # host="0.0.0.0",           # 默认就是 0.0.0.0
    # detailed_debug=True,      # 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：

bash 复制代码

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：

json 复制代码

{
  "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。