VS Code GitHub Copilot：用 BYOK 接入自訂模型

前言

#

前一篇已經用 LiteLLM 集中管理 AI API ，將不同模型統一整理到同一個入口，並建立可限制模型與預算的 Virtual Key。接著就可以把這組 Key 接到 VS Code，繼續使用熟悉的 GitHub Copilot Chat 與 Agent 介面，同時讓模型請求改由自己的 LiteLLM 來處理。

這種做法就是 BYOK（Bring Your Own Key），而不是 GitHub Copilot 內建模型的額度。這裡以 LiteLLM 為例，但 BYOK 並不僅限於 LiteLLM，也能串接 OpenAI、Claude、Gemini 服務商提供的 Token 計價 API，甚至上一篇提到的 CLIProxyAPI。

在 VS Code 新增 BYOK 設定步驟

#

首先打開 VS Code 設定，搜尋 Manage Language Models，接著依照下面步驟：

1. 點選 Add Models，選擇 Custom Endpoint。

   

2. 輸入 Group Name，例如 LiteLLM。

   

3. 輸入模型的 API Key，系統會自動進行加密處理。

   

4. 將 API Type 選擇為 Chat Completions。

   

5. VS Code 開啟 chatLanguageModels.json 後，填入模型資訊並儲存。

   

chatLanguageModels.json 可參考以下設定：

[
  {
    "name": "LiteLLM",
    "vendor": "customendpoint",
    "apiKey": "${input:API_KEY}",
    "apiType": "chat-completions",
    "models": [
      {
        "id": "gpt-5.6-luna",
        "name": "gpt 5.6 luna",
        "url": "http://localhost:4000/v1/chat/completions",
        "toolCalling": true,
        "vision": true,
        "maxInputTokens": 128000,
        "maxOutputTokens": 16000
      }
    ]
  }
]

6. 儲存後回到 Chat 視窗，即可開始使用自訂模型。輸入 Hi 來測試是否有回應。

   

接著測試 GitHub Copilot 的功能，確認專案分析是否能正常使用。

結語

#

透過 BYOK 使用自己的 AI API，不再受限於只能使用 GitHub Copilot 內建提供的模型。

這樣一來，不僅能保留熟悉的 VS Code 介面，還能透過 LiteLLM 統一管理模型與用量，讓預算掌控更精準。

尤其在公司環境中，常見的案例是企業版帳號、Azure OpenAI，或自訓練模型，往往都需要嚴格控管預算。這時候就很適合透過 LiteLLM 的 Virtual Key 來限制不同使用者的用量。

我個人覺得 GitHub Copilot 改版後的 Harness 也還不錯用，雖然改成 Token 計費，但透過 BYOK 還是可以直接接自己的模型，這樣就不會被 GitHub Copilot 的點數機制綁住。