Use `OPENAI_API_KEY`, `OPENAI_CHAT_MODEL`, `OPENAI_EMBEDDING_MODEL` e `OPENAI_OCR_MODEL`. É o caminho mais direto para chat, embeddings e OCR.
Provedores LLM suportados
O Canvas Flow resolve o provedor efetivo a partir da configuração salva no agente, da configuração global ou das variáveis de ambiente. O mesmo agente pode usar o provedor padrão ou selecionar modelo específico em nodes como Agente, RAG, MCP, Arquivos e Dashboard.
Use endpoint, chave, versão da API e nomes de deployment para chat, embeddings e OCR. Defina `OPENAI_PROVIDER=azure` ou habilite Azure no painel.
Use `GEMINI_API_KEY` ou `GOOGLE_AI_API_KEY` e defina o modelo por `GEMINI_CHAT_MODEL` quando quiser rodar geração pelo Google AI.
Use `ANTHROPIC_API_KEY` ou `CLAUDE_API_KEY` e escolha o modelo com `CLAUDE_CHAT_MODEL` ou `ANTHROPIC_MODEL`.
Use `XAI_API_KEY` ou `GROK_API_KEY`, além de `XAI_BASE_URL`/`GROK_BASE_URL` quando precisar apontar para outro endpoint compatível.
Use `BEDROCK_API_KEY`, `BEDROCK_BASE_URL`, `AWS_REGION` ou `BEDROCK_REGION`. O node envia chamadas para o modelo configurado no runtime.
Configuração pelo painel
No editor, abra a área de provedores e salve configurações globais ou específicas do agente. Segredos ficam mascarados na leitura e preservados quando você edita campos não sensíveis.
Escolha o escopo
Use configuração global para defaults do workspace ou configuração por agente quando um agente precisar de chave/modelo isolado.
Preencha o provedor
Informe chave, modelo e endpoints. Para Azure OpenAI, lembre que deployment e modelo podem ser nomes diferentes.
Teste no fluxo
Adicione um node Agente ou RAG, envie uma mensagem pelo painel de teste e confira trace, slots e mensagens geradas.
RAG, storage e bancos
Além do LLM, os componentes de dados usam provedores próprios. Configure só o que o seu fluxo realmente usa.
Use `MILVUS_ADDRESS`, token ou usuário/senha e `COLLECTION_NAME`. Serve para busca vetorial e híbrida nos componentes RAG e Milvus.
Use endpoint, API key, índice e versão da API. Pode ser fonte de busca em RAG e dashboards.
Use connection string e container para guardar documentos, payloads e artefatos gerados por flows.
Use `MONGO_COMPONENT_CONNECTION_STRING` e `MONGO_COMPONENT_DB_NAME` para operações CRUD do node MongoDB sem misturar com o banco interno do Canvas Flow.
Exemplo de configuração local
Depois do primeiro start, abra `~/.canvas-flow/config.json` pelo comando global ou edite variáveis equivalentes no ambiente de deploy.
OPENAI_PROVIDER=openai
OPENAI_API_KEY=sk-...
OPENAI_CHAT_MODEL=gpt-4o
OPENAI_EMBEDDING_MODEL=text-embedding-3-large
MILVUS_ADDRESS=http://localhost:19530
COLLECTION_NAME=canvas_flow_docs
MONGO_COMPONENT_CONNECTION_STRING=mongodb://localhost:27017
MONGO_COMPONENT_DB_NAME=canvas_flow_componentsPara produção, prefira variáveis de ambiente ou secret manager. API keys e tokens não devem ser versionados no repositório.