企业官网建设流程全解析

给 Dify 的 LLM 节点填 Base URL 时，最容易出现的不是模型不会推理，而是模型供应商保存后拉不到模型列表；Codex 更直接，config.toml 里模型名写错就提示 model_not_found。按接入配置这条线，先把这一步统一成 TaoToken：打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 注册并创建 Key，再把 Base URL 填 https://taotoken.net/api。这样 Dify、Codex、后续 Cline 或 CC Switch 都走同一个兼容通道，AI Agent + LLM + MCP 实战里后面的 MCP 技能池、工作流编排、可观测接入可以继续照做，不用为多家模型平台的地址和密钥来回切换。

1. 小白也能学会的 AI Agent + LLM + MCP 实战：接入配置为什么总卡在 Base URL 和 Key

构建 AI Agent 时，无论你是用 Dify 这类低代码方式拖工作流，还是用 Codex 这类编码 Agent 写配置，都绕不开同一个动作：给 LLM 节点或 Agent 节点填模型服务的 Base URL 与 API Key。

这一步在教程里通常只有一句话，但实际会卡住很多人：

• Dify 里选了 OpenAI-API-compatible，Key 填了，Base URL 也填了，保存后模型列表拉不出来；
• 工作流里的 LLM 节点能跑，但 Agent 节点还是走旧模型供应商；
• Codex 启动后一直报找不到模型，或者把请求发到了默认 OpenAI 地址；
• 多个工具各填一套地址和 Key，换模型时要在 Dify、Codex、Cline 之间反复改；
• Key 被写进前端、截图或 Git 仓库，后面只能重新生成。

本篇的接入配置视角很明确：把“模型服务地址 + Key”收敛到 TaoToken。你先在官网注册并创建 Key，然后在 Dify、Codex 等工具的模型配置里填同一个 Base URL：https://taotoken.net/api，Key 填刚创建的 TaoToken Key。AI Agent 调 LLM 的请求统一走 TaoToken 兼容通道，后续 MCP 工具、Agent 工作流、观测接入都沿用这套配置。

适用场景包括：

• 第一次在 Dify 里配置 LLM 节点和 Agent 节点；
• 在 Codex 的 config.toml 里接入非默认模型服务；
• 准备继续跟做 MCP 技能池、低代码工作流、Agent 可观测；
• 希望多个 AI 工具共用一份模型接入习惯，而不是每个工具记一套地址。

下面按“拿 Key、Dify 配置、Codex 配置、验证、排错”的顺序走。技术配置部分会写细一点，因为初学者真正卡住的就是这些字段。

2. 在 TaoToken 官网拿到 Key，并到模型广场确认模型 ID

先打开 TaoToken 官网：

https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

注册并进入控制台后，创建 API Key。创建完成后先复制出来，本文后续统一用占位符YOUR_API_KEY表示。不要把真实 Key 直接写进公开文章、截图或提交到 Git。

接着进入模型广场，确认你要用的模型 ID。这里有两个概念容易混：

• 展示名称：给人看的名称；
• 模型 ID：填进 Dify 或 Codex 的model字段，必须从模型广场复制。

本文不写死某个模型 ID，因为模型广场会更新。你在配置时把YOUR_MODEL_ID替换成模型广场里实际复制的 ID 即可。

拿到两个值后，后面所有工具都围绕它们展开：

• Base URL：https://taotoken.net/api
• API Key：YOUR_API_KEY
• 模型 ID：YOUR_MODEL_ID

3. Dify 的 LLM 节点和 Agent 节点：Base URL、Key、模型 ID 三件套

Dify 里最稳的接法是用 OpenAI-API-compatible 模型供应商。

进入 Dify 后：

1. 打开右上角头像，进入设置；
2. 找到模型供应商；
3. 选择 OpenAI-API-compatible；
4. 按下面表格填写。

保存后，Dify 可能会尝试拉取模型列表。如果它没有自动列出模型，不代表 Key 不可用，手动把YOUR_MODEL_ID填进模型名称即可。

接下来配置工作流：

• 在 LLM 节点里，模型选择刚添加的 TaoToken 供应商和对应模型；
• 在 Agent 节点里，同样选择这个模型供应商和模型；
• 如果 Agent 节点要调用工具，模型是否支持 function calling、工具调用或多模态，以模型广场标注能力为准；
• 不要一个节点用 TaoToken，另一个节点还指向旧平台，否则调试时很难判断是 Agent 逻辑问题还是模型接入问题。

这一步完成后，Dify 里所有 LLM 请求都会走https://taotoken.net/api，Key 也统一用 TaoToken 的 Key。

4. Codex 的 config.toml：把 TaoToken 写成 model_provider

Codex 使用config.toml管理模型供应商。文件位置通常是：

• macOS / Linux：~/.codex/config.toml
• Windows：%USERPROFILE%\.codex\config.toml

如果目录不存在，先创建.codex目录，再新建config.toml。

示例配置如下：

model = "YOUR_MODEL_ID" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "chat"

这里的关键点：

• model填 TaoToken 模型广场里的模型 ID；
• model_provider填taotoken，与下面的[model_providers.taotoken]对应；
• base_url填https://taotoken.net/api；
• env_key填环境变量名，不是 Key 本身；
• wire_api按 Codex 当前版本支持填写，示例用chat。

然后设置环境变量。

macOS / Linux：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

Windows PowerShell：

$env:TAOTOKEN_API_KEY="YOUR_API_KEY"

如果你希望每次打开终端都生效，把 export 或$env:写入对应的 shell 配置文件或系统环境变量。注意：Codex 配置里不要用ANTHROPIC_*变量套 Codex，Codex 读取的是你env_key指定的变量名。

配置完成后，在终端进入一个项目目录，运行：

codex

然后输入一句简单请求，例如“只回复 OK”。如果 Codex 能返回内容，说明config.toml里的base_url、env_key和模型 ID 已经连通。

5. 验证请求：一次 Dify 测试和一次 Codex 对话

配置不要只看保存成功，要各做一次最小验证。

Dify 侧：

1. 回到模型供应商页面，点测试；
2. 如果测试按钮不可用，创建一个聊天助手应用；
3. 模型选择 TaoToken 下刚配置的模型；
4. 发送“请只回复 OK”。

成功结果：模型返回OK或类似短回复，Dify 日志里能看到本轮模型调用。若返回模型不存在，回到模型广场重新复制模型 ID。

Codex 侧：

1. 确认终端已经设置TAOTOKEN_API_KEY；
2. 运行codex；
3. 输入“只回复 OK”。

成功结果：Codex 不再提示model_not_found，也没有把请求发到默认 OpenAI 地址。如果能看到回复，说明 Codex 已经通过 TaoToken 调用 LLM。

Dify 和 Codex 两个入口都通了，后面的 Agent 工作流、MCP 工具接入、可观测配置就有稳定的模型底座。

6. 接入配置常见错误与排查：Dify 拉不到模型、Codex model_not_found、环境变量未生效

这一节只列本篇相关的接入错误。

6.1 Dify 保存成功但拉不到模型列表

先检查 Base URL 是否写成了：

https://taotoken.net/api/v1

或者末尾多了/。按本文约定，Dify 的 Base URL 填：

https://taotoken.net/api

末尾不要带/v1。如果 Dify 插件内部还会拼一次路径，重复的/v1会导致模型列表请求失败。

6.2 Dify 模型名称填成了展示名

模型名称必须填模型 ID。展示名里可能有空格、大小写差异或中文描述，这些都不适合作为model字段。回到模型广场复制模型 ID，替换YOUR_MODEL_ID。

6.3 Dify 工作流里 Agent 节点仍走旧供应商

LLM 节点配置好了，不代表 Agent 节点自动切换。打开 Agent 节点，确认模型供应商选择的是 TaoToken 那一项，模型也选择 TaoToken 下的模型。否则会出现“聊天助手能用，工作流一跑就失败”的情况。

6.4 Codex 报 model_not_found

按顺序检查：

• config.toml里的model是否等于模型广场的模型 ID；
• model_provider是否与[model_providers.taotoken]一致；
• base_url是否为https://taotoken.net/api；
• 修改配置后是否重新打开 Codex。

模型 ID 里多一个空格、少一个字符，都会导致找不到模型。

6.5 环境变量没有生效

env_key = "TAOTOKEN_API_KEY"只告诉 Codex 去读哪个环境变量，它不会自动帮你设置值。你需要在当前终端执行：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

然后确认当前终端能读到：

echo $TAOTOKEN_API_KEY

如果是 Windows PowerShell，用$env:TAOTOKEN_API_KEY。设置后新开终端再运行 Codex，避免旧终端没有继承变量。

6.6 Key 被写进公开位置

不要把YOUR_API_KEY换成真实 Key 后提交到 Git，也不要写进前端代码、截图或公开文档。Dify 和 Codex 需要 Key，但 Key 应保存在控制台可管理的位置和本地环境变量中。一旦泄露，去 TaoToken 控制台重新生成。

7. 下一步：把同一把 TaoToken Key 继续用到 Claude Code / CC Switch

你现在已经完成 Dify 的 LLM 节点、Agent 节点，以及 Codexconfig.toml的模型接入：Base URL 都是https://taotoken.net/api，Key 都来自 TaoToken，模型 ID 都从模型广场复制。接下来最顺手的动作，是把同一套接入习惯迁移到 Claude Code 或 CC Switch。

先去 TaoToken 控制台创建或复制 API Key：

https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite

然后对照 Claude Code 接入文档，把settings.json或相关环境变量改成 TaoToken 的 Key 与 API 基址：

https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude_code_doc&utm_campaign=rewrite

如果你准备长期用 Agent 跑编码任务、MCP 工具链或自动化工作流，再看 Coding Plan 的配置方式：

https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite

先把接入配置固定下来，再继续 AI Agent + LLM + MCP 实战里的技能池、工作流和可观测部分，后面每加一个工具，只需要沿用同一把 TaoToken Key 和同一个 Base URL。