如何把小米 MiMo 接入 CodeBuddy，打造私有 Agent

把小米 MiMo 接入 VSCode：用 CodeBuddy 打造你的专属 AI 编程 Agent

关键词：VSCode, CodeBuddy, 小米 MiMo, 自定义模型, Agent, OpenAI 兼容, AI 编程

前言

最近拿到了小米 MiMo 的 API Key，本想直接在 VSCode 里写代码，却发现市面上的教程大多停留在"用 Python 调 API"的阶段，离真正的 IDE 集成还有距离。

我也尝试过直接修改 CodeBuddy 的 Enterprise Endpoint，结果发现那是腾讯云企业版的专属通道，根本无法指向第三方模型。

直到我翻到了腾讯云官方的这篇教程：《自定义大模型配置》，才找到了正解：通过修改 models.json 文件，配合 Agent 的 .md 配置文件，实现真正的"模型自由"。

本文将手把手教你如何将小米 MiMo 接入 CodeBuddy，并赋予它文件读写、命令行执行等"超能力"。

原理解析：为什么不能直接改 Endpoint？

在 CodeBuddy 的设置界面中，有一个 Codingcopilot: Enterprise Endpoint 选项。很多人的第一反应是修改这里。

这是一个误区。

• Enterprise Endpoint：仅供腾讯云企业客户连接内部私有化部署的模型网关，不接受外部 OpenAI 格式的 API Key。

• 正确的架构：CodeBuddy 采用了"配置驱动"的设计：

go 复制代码

◦   `models.json`：充当"模型注册表"，负责定义有哪些模型（API 地址、Key、参数）。

◦   `*.md` (Agent 文件)：充当"行为说明书"，负责定义怎么用模型（人设、工具权限、执行模式）。

我们要做的，就是在 models.json 中"注册" MiMo，然后在 Agent 文件中"引用"它。

实战步骤

环境准备

VSCode
安装插件：CodeBuddy
一个有效的小米 MiMo API Key（通常以 sk- 开头）

Step 1：配置 Models.json（核心）

这是最关键的一步。我们需要在用户目录下创建或修改 models.json 文件。

文件路径： • macOS / Linux: ~/.codebuddy/models.json

• Windows: C:\Users\<你的用户名>\.codebuddy\models.json

配置内容：

json 复制代码

{
  "models": [
    {
      "id": "mimo-v2.5-pro",
      "name": "Xiaomi MiMo",
      "vendor": "OpenAI-Compatible",
      "apiKey": "sk-你的MiMo_API_Key",
      "url": "https://api.xiaomimimo.com/v1/chat/completions",
      "maxInputTokens": 128000,
      "maxOutputTokens": 8192,
      "supportsToolCall": true,
      "supportsImages": false
    }
  ],
  "availableModels": ["mimo-v2.5-pro"]
}

参数详解： • id: 模型的唯一标识符，后续在 Agent 配置中会用到。

• url: 必须是完整的 OpenAI 兼容接口地址（注意末尾的 /chat/completions）。

• supportsToolCall: true: 极其重要。如果不开启此项，Agent 将无法调用读写文件等工具。

• availableModels: 声明默认加载的模型列表。

Step 2：创建 Agent 配置文件

接下来，我们需要定义 Agent 的行为。在 VSCode 中打开命令面板 (Ctrl+Shift+P)，输入 CodeBuddy: New Agent，或者在项目根目录的 .codebuddy/agents/ 文件夹下新建 mimo.md。

.codebuddy/agents/mimo.md 内容：

yaml 复制代码

---
name: mimo
description: 基于小米 MiMo 的编程助手，擅长代码重构与生成。
model: mimo-v2.5-pro
tools: list_dir, search_file, search_content, read_file, read_lines, replace_in_file, write_to_file, execute_command, delete_file, web_fetch, web_search, task
agentMode: agentic
enabled: true
enabledAutoRun: true
---

你是一个专业的全栈开发助手，基于小米 MiMo 模型运行。

## 行为准则
1.  **安全第一**：在执行 `execute_command` 前，必须向用户解释命令的作用。
2.  **代码规范**：生成的代码必须符合当前项目的 ESLint/Prettier 规范。
3.  **注释风格**：所有核心逻辑必须添加中文注释。
4.  **工具使用**：
    - 修改文件优先使用 `replace_in_file`，避免全量覆盖。
    - 阅读代码优先使用 `read_file` 或 `read_lines`。
    - 遇到不确定的 API，使用 `web_search` 搜索最新文档。

## 响应格式
- 代码块必须使用 Markdown 格式，并标明语言类型（如 ```typescript）。
• 关键步骤使用 ✅ 标记，潜在风险使用 ⚠️ 标记。

配置亮点： • model: mimo-v2.5-pro: 精准指向我们在 Step 1 中定义的模型。

• agentMode: agentic: 开启自主规划模式，AI 会自己思考步骤并调用工具。

• tools: 赋予了 AI 访问文件系统、网络和执行命令的能力。

Step 3：重启与验证

保存所有文件。
重启 VSCode（或执行 Developer: Reload Window）。
打开 CodeBuddy 侧边栏，你应该能看到一个名为 mimo 的 Agent。
输入测试指令： "分析当前项目的 package.json，告诉我使用了哪些依赖，并帮我升级到最新版本。"

如果 AI 开始调用 read_file 查看文件，并尝试运行 npm install，恭喜你，接入成功了！

避坑指南

401 Unauthorized：检查 models.json 中的 apiKey 是否正确，是否有多余的空格。
Model Not Found：检查 mimo.md 里的 model 字段是否与 models.json 里的 id 完全一致（大小写敏感）。
Tools not supported：确保 models.json 中设置了 "supportsToolCall": true。
Endpoint 误区：再次强调，不要试图修改设置界面里的 Enterprise Endpoint，那是给腾讯云内部用的。

总结

通过 models.json + Agent .md 文件的组合，我们不仅成功将小米 MiMo 接入了 VSCode，还实现了比单纯补全更高级的 Agentic Workflow（智能体工作流）。

这种方式的优势在于： • 可移植性：.codebuddy 文件夹可以提交到 Git，团队共享同一套 AI 标准。

• 灵活性：可以随时切换不同的模型（如 DeepSeek、Qwen 等），只需修改 models.json。

• 可编程性：AI 的行为由代码定义，可控性极强。

希望这篇教程能帮你打破工具壁垒，真正释放大模型的编码潜力。

参考文档：腾讯云 CodeBuddy 自定义大模型配置