OpenCode a explosé à plus de 120 000 étoiles GitHub et 7,5 millions de développeurs actifs mensuels, devenant ainsi l'agent de coding IA open source le plus adopté de l'histoire. Contrairement aux outils propriétaires, il fonctionne entièrement dans votre terminal, supporte plus de 75 fournisseurs de modèles, fonctionne avec des modèles locaux pour la confidentialité des données, et peut être étendu avec des plugins TypeScript.

Ce guide vous accompagne pas à pas : installation, configuration des fournisseurs, initialisation de projet, intégration de serveurs MCP et écriture de vos propres plugins — pour un workflow de coding IA entièrement personnalisé.

Prérequis

Avant de commencer, assurez-vous d'avoir :

Node.js 18+ ou Bun installé
À l'aise avec le terminal
Une clé API pour un fournisseur de modèles (Google Gemini, OpenAI ou Mistral) ou Ollama installé pour les modèles locaux
Une connaissance de base des fichiers de configuration JSON

Ce que vous allez apprendre

À la fin de ce guide, vous serez capable de :

Installer et configurer OpenCode pour n'importe quel projet
Mettre en place des fournisseurs de modèles cloud et locaux
Initialiser des projets avec génération intelligente d'AGENTS.md
Intégrer des serveurs MCP pour accéder à des outils externes
Écrire des plugins TypeScript personnalisés pour étendre les capacités d'OpenCode

Étape 1 : Installation d'OpenCode

OpenCode propose plusieurs méthodes d'installation :

Installation rapide (recommandée)

curl -fsSL https://opencode.ai/install | bash

npm

npm install -g opencode@latest

Bun

bun add -g opencode

Après l'installation, vérifiez que tout fonctionne :

opencode --version

Vous devriez voir la version actuelle affichée dans votre terminal.

Étape 2 : Configuration d'un fournisseur de modèles

OpenCode utilise un fichier de configuration opencode.json. Créez-le à la racine de votre projet ou dans ~/.config/opencode/opencode.json pour des paramètres globaux.

Le champ $schema active l'autocomplétion dans la plupart des éditeurs.

Google Gemini (niveau gratuit disponible)

Gemini dispose d'un généreux niveau gratuit et constitue le point de départ recommandé :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "google": {
      "apiKey": "YOUR_GEMINI_API_KEY"
    }
  },
  "model": "google/gemini-2-5-pro"
}

Obtenez une clé API Gemini sur aistudio.google.com.

OpenAI

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "openai": {
      "apiKey": "YOUR_OPENAI_API_KEY"
    }
  },
  "model": "openai/gpt-4.1"
}

Mistral (hébergé en Europe, compatible RGPD)

Mistral est un excellent choix pour les équipes européennes et MENA exigeant une résidence des données :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "mistral": {
      "apiKey": "YOUR_MISTRAL_API_KEY"
    }
  },
  "model": "mistral/mistral-large-latest"
}

Utilisation des variables d'environnement

Plutôt que de coder les clés en dur, définissez-les comme variables d'environnement :

export GOOGLE_API_KEY="your-key-here"
export OPENAI_API_KEY="your-key-here"

OpenCode détecte automatiquement GOOGLE_API_KEY, OPENAI_API_KEY et MISTRAL_API_KEY sans configuration explicite.

Étape 3 : Modèles locaux pour une confidentialité totale des données

Pour les bases de code sensibles, les systèmes financiers ou les environnements soumis à des exigences strictes de résidence des données, exécutez les modèles localement. Aucune clé API ni connexion internet requise.

Configuration d'Ollama

Installez Ollama depuis ollama.ai, puis récupérez un modèle optimisé pour le coding :

ollama pull qwen2.5-coder:32b
# Ou la variante plus petite pour des réponses plus rapides :
ollama pull qwen2.5-coder:7b

Configurez OpenCode pour l'utiliser :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://127.0.0.1:11434/v1"
      },
      "models": {
        "qwen2.5-coder:32b": {
          "name": "Qwen 2.5 Coder 32B",
          "limit": {
            "context": 128000,
            "output": 32768
          }
        }
      }
    }
  },
  "model": "ollama/qwen2.5-coder:32b"
}

Configuration de LM Studio

LM Studio fournit une interface graphique pour gérer les modèles locaux. Une fois un modèle lancé dans LM Studio :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "lmstudio": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "LM Studio (local)",
      "options": {
        "baseURL": "http://127.0.0.1:1234/v1"
      },
      "models": {
        "google/gemma-3n-e4b": {
          "name": "Gemma 3n-e4b (local)"
        }
      }
    }
  }
}

llama.cpp pour des performances maximales

Pour des performances bare-metal avec llama-server :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "llama.cpp": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "llama-server (local)",
      "options": {
        "baseURL": "http://127.0.0.1:8080/v1"
      },
      "models": {
        "qwen3-coder:a3b": {
          "name": "Qwen3-Coder a3b-30b (local)",
          "limit": {
            "context": 128000,
            "output": 65536
          }
        }
      }
    }
  }
}

Conseil de performance : Pour un modèle de 32 milliards de paramètres, vous avez besoin d'au minimum 20 Go de mémoire unifiée ou VRAM. Les versions quantifiées Q4 fonctionnent en moins de 16 Go tout en maintenant plus de 90% de la qualité pleine précision pour les tâches de coding.

Étape 4 : Initialisation de votre projet

Naviguez vers le répertoire de votre projet et lancez OpenCode :

cd mon-projet
opencode

L'interface utilisateur en terminal (TUI) s'ouvre. Tapez /init et appuyez sur Entrée. OpenCode analyse votre base de code et génère un fichier AGENTS.md à la racine du projet.

Exemple de AGENTS.md pour un projet Next.js

# Projet : my-nextjs-app
 
## Stack technologique
- Next.js 15.3 avec App Router
- TypeScript en mode strict
- Tailwind CSS v4
- Drizzle ORM + PostgreSQL
- Vitest + React Testing Library
 
## Structure du projet
- `app/` — Routes et layouts Next.js
- `components/` — Composants UI réutilisables
- `lib/` — Utilitaires partagés et fonctions serveur
- `server/` — Schéma de base de données et requêtes
 
## Conventions
- Composants nommés en PascalCase
- Server Actions dans `app/actions/*.ts`
- Routes API dans `app/api/[route]/route.ts`
- Requêtes BDD dans `server/queries/*.ts`

Commitez AGENTS.md dans git. Ce fichier fournit un contexte partagé qui aide chaque session OpenCode à comprendre le projet sans le réanalyser à chaque fois.

Personnalisez le fichier généré : ajoutez des décisions architecturales, des patterns interdits ou des concepts métier importants utilisés par votre équipe.

Une fois OpenCode lancé, ces commandes sont disponibles :

Commande	Description
`/init`	Analyser le projet et créer AGENTS.md
`/clear`	Effacer le contexte de conversation
`/add chemin/vers/fichier`	Ajouter un fichier spécifique à la fenêtre de contexte
`/model`	Changer de fournisseur de modèle en cours de session
`/help`	Lister toutes les commandes disponibles

Raccourcis clavier

Raccourci	Action
`Ctrl+C`	Annuler l'opération en cours
`Ctrl+L`	Effacer l'écran du terminal
`Tab`	Autocomplétion des commandes
`↑ / ↓`	Naviguer dans l'historique
`Ctrl+K`	Supprimer la ligne courante

Patterns de prompting efficaces

Demandez des plans avant les modifications :

"Avant d'apporter des changements, expliquez ce que vous prévoyez de faire pour ajouter la pagination à la liste des produits."

Délimitez explicitement les changements :

"Refactorisez uniquement lib/auth.ts pour utiliser le nouveau format de session. Ne touchez pas aux autres fichiers."

Utilisez des références contextuelles :

"En utilisant le schéma Drizzle dans server/db/schema.ts, écrivez une requête qui retourne tous les utilisateurs actifs avec leur dernière date de connexion."

Étape 6 : Intégration LSP — IA consciente des types

Activez le support du Language Server Protocol pour une assistance code plus riche et consciente des types :

{
  "$schema": "https://opencode.ai/config.json",
  "permission": {
    "lsp": "allow"
  }
}

Avec LSP actif, OpenCode se connecte au serveur de langage de votre projet et accède à :

Informations de types — voit les mêmes types que votre éditeur
Aller à la définition — comprend les références de symboles à travers les fichiers
Diagnostics — prend en compte les erreurs TypeScript avant de suggérer des changements
Documentation au survol — accède aux commentaires JSDoc et signatures de types

Pour les projets TypeScript, assurez-vous que le serveur de langage est disponible :

npm install -g typescript typescript-language-server

Le support LSP est disponible pour TypeScript, Python, Go, Rust, Java et la plupart des langages disposant d'un serveur LSP standard.

Étape 7 : Connexion aux serveurs MCP

Le Model Context Protocol (MCP) vous permet de connecter OpenCode à des outils et sources de données externes :

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "filesystem": {
      "type": "local",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/me/projects/allowed-dir"
      ]
    },
    "database": {
      "type": "local",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://localhost/mydb"
      ]
    },
    "github": {
      "type": "local",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token"
      }
    }
  }
}

Avec MCP connecté, vous pouvez demander à OpenCode de :

Interroger votre schéma de base de données et écrire des requêtes type-safe
Lire et créer des issues GitHub
Accéder à des fichiers en dehors du répertoire de projet courant

Étape 8 : Écriture de plugins TypeScript

Les plugins sont la fonctionnalité la plus puissante d'OpenCode, permettant d'ajouter des outils personnalisés et d'intercepter les hooks d'exécution.

Installation du SDK de plugins

npm install @opencode-ai/plugin

Outil personnalisé : lancer les tests d'un module

// .opencode/plugins/test-runner.ts
import { type Plugin, tool } from "@opencode-ai/plugin"
 
export const TestRunnerPlugin: Plugin = async (ctx) => {
  return {
    tool: {
      run_module_tests: tool({
        description: "Lancer la suite de tests pour un module spécifique et retourner un résumé succès/échec",
        args: {
          module: tool.schema.string(),
        },
        async execute(args, context) {
          const { directory } = context
          return `Exécution : vitest run ${args.module} dans ${directory}`
        },
      }),
    },
  }
}

Hook de cycle de vie : sécuriser les commandes bash

// .opencode/plugins/safety-guard.ts
import { escape } from "shescape"
 
export const SafetyGuardPlugin = async (ctx) => {
  return {
    "tool.execute.before": async (input, output) => {
      if (input.tool === "bash") {
        output.args.command = escape(output.args.command)
      }
    },
  }
}

Hook d'injection de variables d'environnement

// .opencode/plugins/env-injector.ts
import type { Plugin } from "@opencode-ai/plugin"
 
export const EnvInjectorPlugin: Plugin = async ({ project }) => {
  return {
    "shell.env": async (input, output) => {
      output.env.PROJECT_ROOT = project.root
      output.env.NODE_ENV = "development"
    },
  }
}

Enregistrement des plugins dans opencode.json

{
  "$schema": "https://opencode.ai/config.json",
  "plugin": [
    "./.opencode/plugins/test-runner.ts",
    "./.opencode/plugins/safety-guard.ts",
    "./.opencode/plugins/env-injector.ts"
  ]
}

Pour les plugins npm publiés, ajoutez-les par nom de package :

{
  "plugin": [
    "opencode-helicone-session",
    "opencode-wakatime",
    "@my-org/internal-standards"
  ]
}

Étape 9 : Bonnes pratiques de configuration en équipe

Configuration partagée au niveau du projet

Commitez opencode.json dans git sans clés API (utilisez des variables d'environnement) :

{
  "$schema": "https://opencode.ai/config.json",
  "model": "google/gemini-2-5-pro",
  "permission": {
    "lsp": "allow",
    "bash": "ask"
  },
  "plugin": [
    "./.opencode/plugins/project-standards.ts"
  ],
  "mcp": {
    "database": {
      "type": "local",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "${DATABASE_URL}"]
    }
  }
}

Configuration de remplacement personnel

Chaque développeur conserve ~/.config/opencode/opencode.json pour ses clés API et préférences personnelles, qui fusionnent avec la configuration du projet sans affecter le fichier partagé.

Maintenance de AGENTS.md

Traitez AGENTS.md comme de la documentation de production. Mettez-le à jour quand :

Vous adoptez une nouvelle bibliothèque ou un nouveau pattern
Vous ajoutez des concepts métier importants
Vous prenez de nouvelles décisions architecturales
Vous découvrez des patterns à éviter

Un AGENTS.md bien maintenu améliore considérablement la qualité des suggestions IA pour toute votre équipe.

Résolution des problèmes

Le fournisseur ne répond pas : Vérifiez que votre clé API est définie dans l'environnement. Lancez echo $GOOGLE_API_KEY pour confirmer. OpenCode lit GOOGLE_API_KEY, OPENAI_API_KEY et MISTRAL_API_KEY automatiquement.

Réponses lentes avec les modèles locaux : Utilisez un modèle quantifié (Q4 ou Q8). Pour une machine avec 16 Go de RAM, qwen2.5-coder:7b-q8 offre le meilleur équilibre vitesse-qualité pour les tâches de coding.

AGENTS.md non chargé : Il doit être à la racine du projet — le même répertoire où vous lancez opencode. Si votre terminal est dans un sous-répertoire, OpenCode ne le trouvera peut-être pas.

Erreurs LSP au démarrage : Assurez-vous que le binaire du serveur de langage est dans votre PATH. Pour TypeScript : vérifiez que typescript-language-server --version fonctionne dans votre terminal.

Plugin non chargé : Les plugins TypeScript nécessitent un tsconfig.json valide à la racine du projet. Vérifiez que @opencode-ai/plugin est installé localement dans node_modules.

Prochaines étapes

Maintenant qu'OpenCode est configuré pour votre workflow :

Explorez le registre de plugins sur opencode.ai/plugins pour les intégrations construites par la communauté
Essayez le mode agentique pour les refactorisations multi-fichiers : décrivez le changement à haut niveau et laissez OpenCode planifier et exécuter
Intégrez avec CI pour la revue de code automatisée avec opencode --no-tui dans les pipelines
Combinez avec Git worktrees pour lancer des sessions OpenCode parallèles sur différentes fonctionnalités simultanément

Conclusion

OpenCode offre la flexibilité que les agents de coding propriétaires ne peuvent pas fournir : choix libre du fournisseur, support des modèles locaux pour les bases de code sensibles, et un système de plugins extensible qui s'adapte au workflow exact de votre équipe. Avec son intégration LSP et le support du protocole MCP, il s'intègre dans le même écosystème que vos outils existants — pas de nouvelles API à apprendre, pas de verrouillage fournisseur.

Les 7,5 millions de développeurs utilisant OpenCode quotidiennement prouvent que l'outillage IA open source a atteint la qualité de production. Configurez-le une fois, commitez votre AGENTS.md, et toute votre équipe hérite dès le premier jour d'un assistant de coding IA cohérent et puissant.

Prérequis

Avant de commencer, assurez-vous d'avoir :

Node.js 18+ ou Bun installé
À l'aise avec le terminal
Une clé API pour un fournisseur de modèles (Google Gemini, OpenAI ou Mistral) ou Ollama installé pour les modèles locaux
Une connaissance de base des fichiers de configuration JSON

Ce que vous allez apprendre

À la fin de ce guide, vous serez capable de :

Installer et configurer OpenCode pour n'importe quel projet
Mettre en place des fournisseurs de modèles cloud et locaux
Initialiser des projets avec génération intelligente d'AGENTS.md
Intégrer des serveurs MCP pour accéder à des outils externes
Écrire des plugins TypeScript personnalisés pour étendre les capacités d'OpenCode

Étape 1 : Installation d'OpenCode

OpenCode propose plusieurs méthodes d'installation :

Installation rapide (recommandée)

curl -fsSL https://opencode.ai/install | bash

npm

npm install -g opencode@latest

Bun

bun add -g opencode

Après l'installation, vérifiez que tout fonctionne :

opencode --version

Vous devriez voir la version actuelle affichée dans votre terminal.

Étape 2 : Configuration d'un fournisseur de modèles

OpenCode utilise un fichier de configuration opencode.json. Créez-le à la racine de votre projet ou dans ~/.config/opencode/opencode.json pour des paramètres globaux.

Le champ $schema active l'autocomplétion dans la plupart des éditeurs.

Google Gemini (niveau gratuit disponible)

Gemini dispose d'un généreux niveau gratuit et constitue le point de départ recommandé :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "google": {
      "apiKey": "YOUR_GEMINI_API_KEY"
    }
  },
  "model": "google/gemini-2-5-pro"
}

Obtenez une clé API Gemini sur aistudio.google.com.

OpenAI

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "openai": {
      "apiKey": "YOUR_OPENAI_API_KEY"
    }
  },
  "model": "openai/gpt-4.1"
}

Mistral (hébergé en Europe, compatible RGPD)

Mistral est un excellent choix pour les équipes européennes et MENA exigeant une résidence des données :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "mistral": {
      "apiKey": "YOUR_MISTRAL_API_KEY"
    }
  },
  "model": "mistral/mistral-large-latest"
}

Utilisation des variables d'environnement

Plutôt que de coder les clés en dur, définissez-les comme variables d'environnement :

export GOOGLE_API_KEY="your-key-here"
export OPENAI_API_KEY="your-key-here"

OpenCode détecte automatiquement GOOGLE_API_KEY, OPENAI_API_KEY et MISTRAL_API_KEY sans configuration explicite.

Étape 3 : Modèles locaux pour une confidentialité totale des données

Configuration d'Ollama

Installez Ollama depuis ollama.ai, puis récupérez un modèle optimisé pour le coding :

ollama pull qwen2.5-coder:32b
# Ou la variante plus petite pour des réponses plus rapides :
ollama pull qwen2.5-coder:7b

Configurez OpenCode pour l'utiliser :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://127.0.0.1:11434/v1"
      },
      "models": {
        "qwen2.5-coder:32b": {
          "name": "Qwen 2.5 Coder 32B",
          "limit": {
            "context": 128000,
            "output": 32768
          }
        }
      }
    }
  },
  "model": "ollama/qwen2.5-coder:32b"
}

Configuration de LM Studio

LM Studio fournit une interface graphique pour gérer les modèles locaux. Une fois un modèle lancé dans LM Studio :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "lmstudio": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "LM Studio (local)",
      "options": {
        "baseURL": "http://127.0.0.1:1234/v1"
      },
      "models": {
        "google/gemma-3n-e4b": {
          "name": "Gemma 3n-e4b (local)"
        }
      }
    }
  }
}

llama.cpp pour des performances maximales

Pour des performances bare-metal avec llama-server :

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "llama.cpp": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "llama-server (local)",
      "options": {
        "baseURL": "http://127.0.0.1:8080/v1"
      },
      "models": {
        "qwen3-coder:a3b": {
          "name": "Qwen3-Coder a3b-30b (local)",
          "limit": {
            "context": 128000,
            "output": 65536
          }
        }
      }
    }
  }
}

Étape 4 : Initialisation de votre projet

Naviguez vers le répertoire de votre projet et lancez OpenCode :

cd mon-projet
opencode

L'interface utilisateur en terminal (TUI) s'ouvre. Tapez /init et appuyez sur Entrée. OpenCode analyse votre base de code et génère un fichier AGENTS.md à la racine du projet.

Exemple de AGENTS.md pour un projet Next.js

# Projet : my-nextjs-app
 
## Stack technologique
- Next.js 15.3 avec App Router
- TypeScript en mode strict
- Tailwind CSS v4
- Drizzle ORM + PostgreSQL
- Vitest + React Testing Library
 
## Structure du projet
- `app/` — Routes et layouts Next.js
- `components/` — Composants UI réutilisables
- `lib/` — Utilitaires partagés et fonctions serveur
- `server/` — Schéma de base de données et requêtes
 
## Conventions
- Composants nommés en PascalCase
- Server Actions dans `app/actions/*.ts`
- Routes API dans `app/api/[route]/route.ts`
- Requêtes BDD dans `server/queries/*.ts`

Commitez AGENTS.md dans git. Ce fichier fournit un contexte partagé qui aide chaque session OpenCode à comprendre le projet sans le réanalyser à chaque fois.

Personnalisez le fichier généré : ajoutez des décisions architecturales, des patterns interdits ou des concepts métier importants utilisés par votre équipe.

Une fois OpenCode lancé, ces commandes sont disponibles :

Commande	Description
`/init`	Analyser le projet et créer AGENTS.md
`/clear`	Effacer le contexte de conversation
`/add chemin/vers/fichier`	Ajouter un fichier spécifique à la fenêtre de contexte
`/model`	Changer de fournisseur de modèle en cours de session
`/help`	Lister toutes les commandes disponibles

Raccourcis clavier

Raccourci	Action
`Ctrl+C`	Annuler l'opération en cours
`Ctrl+L`	Effacer l'écran du terminal
`Tab`	Autocomplétion des commandes
`↑ / ↓`	Naviguer dans l'historique
`Ctrl+K`	Supprimer la ligne courante

Patterns de prompting efficaces

Demandez des plans avant les modifications :

"Avant d'apporter des changements, expliquez ce que vous prévoyez de faire pour ajouter la pagination à la liste des produits."

Délimitez explicitement les changements :

"Refactorisez uniquement lib/auth.ts pour utiliser le nouveau format de session. Ne touchez pas aux autres fichiers."

Utilisez des références contextuelles :

"En utilisant le schéma Drizzle dans server/db/schema.ts, écrivez une requête qui retourne tous les utilisateurs actifs avec leur dernière date de connexion."

Étape 6 : Intégration LSP — IA consciente des types

Activez le support du Language Server Protocol pour une assistance code plus riche et consciente des types :

{
  "$schema": "https://opencode.ai/config.json",
  "permission": {
    "lsp": "allow"
  }
}

Avec LSP actif, OpenCode se connecte au serveur de langage de votre projet et accède à :

Informations de types — voit les mêmes types que votre éditeur
Aller à la définition — comprend les références de symboles à travers les fichiers
Diagnostics — prend en compte les erreurs TypeScript avant de suggérer des changements
Documentation au survol — accède aux commentaires JSDoc et signatures de types

Pour les projets TypeScript, assurez-vous que le serveur de langage est disponible :

npm install -g typescript typescript-language-server

Le support LSP est disponible pour TypeScript, Python, Go, Rust, Java et la plupart des langages disposant d'un serveur LSP standard.

Étape 7 : Connexion aux serveurs MCP

Le Model Context Protocol (MCP) vous permet de connecter OpenCode à des outils et sources de données externes :

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "filesystem": {
      "type": "local",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/me/projects/allowed-dir"
      ]
    },
    "database": {
      "type": "local",
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-postgres",
        "postgresql://localhost/mydb"
      ]
    },
    "github": {
      "type": "local",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "your-token"
      }
    }
  }
}

Avec MCP connecté, vous pouvez demander à OpenCode de :

Interroger votre schéma de base de données et écrire des requêtes type-safe
Lire et créer des issues GitHub
Accéder à des fichiers en dehors du répertoire de projet courant

Étape 8 : Écriture de plugins TypeScript

Les plugins sont la fonctionnalité la plus puissante d'OpenCode, permettant d'ajouter des outils personnalisés et d'intercepter les hooks d'exécution.

Installation du SDK de plugins

npm install @opencode-ai/plugin

Outil personnalisé : lancer les tests d'un module

// .opencode/plugins/test-runner.ts
import { type Plugin, tool } from "@opencode-ai/plugin"
 
export const TestRunnerPlugin: Plugin = async (ctx) => {
  return {
    tool: {
      run_module_tests: tool({
        description: "Lancer la suite de tests pour un module spécifique et retourner un résumé succès/échec",
        args: {
          module: tool.schema.string(),
        },
        async execute(args, context) {
          const { directory } = context
          return `Exécution : vitest run ${args.module} dans ${directory}`
        },
      }),
    },
  }
}

Hook de cycle de vie : sécuriser les commandes bash

// .opencode/plugins/safety-guard.ts
import { escape } from "shescape"
 
export const SafetyGuardPlugin = async (ctx) => {
  return {
    "tool.execute.before": async (input, output) => {
      if (input.tool === "bash") {
        output.args.command = escape(output.args.command)
      }
    },
  }
}

Hook d'injection de variables d'environnement

// .opencode/plugins/env-injector.ts
import type { Plugin } from "@opencode-ai/plugin"
 
export const EnvInjectorPlugin: Plugin = async ({ project }) => {
  return {
    "shell.env": async (input, output) => {
      output.env.PROJECT_ROOT = project.root
      output.env.NODE_ENV = "development"
    },
  }
}

Enregistrement des plugins dans opencode.json

{
  "$schema": "https://opencode.ai/config.json",
  "plugin": [
    "./.opencode/plugins/test-runner.ts",
    "./.opencode/plugins/safety-guard.ts",
    "./.opencode/plugins/env-injector.ts"
  ]
}

Pour les plugins npm publiés, ajoutez-les par nom de package :

{
  "plugin": [
    "opencode-helicone-session",
    "opencode-wakatime",
    "@my-org/internal-standards"
  ]
}

Étape 9 : Bonnes pratiques de configuration en équipe

Configuration partagée au niveau du projet

Commitez opencode.json dans git sans clés API (utilisez des variables d'environnement) :

{
  "$schema": "https://opencode.ai/config.json",
  "model": "google/gemini-2-5-pro",
  "permission": {
    "lsp": "allow",
    "bash": "ask"
  },
  "plugin": [
    "./.opencode/plugins/project-standards.ts"
  ],
  "mcp": {
    "database": {
      "type": "local",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "${DATABASE_URL}"]
    }
  }
}

Configuration de remplacement personnel

Chaque développeur conserve ~/.config/opencode/opencode.json pour ses clés API et préférences personnelles, qui fusionnent avec la configuration du projet sans affecter le fichier partagé.

Maintenance de AGENTS.md

Traitez AGENTS.md comme de la documentation de production. Mettez-le à jour quand :

Vous adoptez une nouvelle bibliothèque ou un nouveau pattern
Vous ajoutez des concepts métier importants
Vous prenez de nouvelles décisions architecturales
Vous découvrez des patterns à éviter

Un AGENTS.md bien maintenu améliore considérablement la qualité des suggestions IA pour toute votre équipe.

Résolution des problèmes

Plugin non chargé : Les plugins TypeScript nécessitent un tsconfig.json valide à la racine du projet. Vérifiez que @opencode-ai/plugin est installé localement dans node_modules.

Prochaines étapes

Maintenant qu'OpenCode est configuré pour votre workflow :

Explorez le registre de plugins sur opencode.ai/plugins pour les intégrations construites par la communauté
Essayez le mode agentique pour les refactorisations multi-fichiers : décrivez le changement à haut niveau et laissez OpenCode planifier et exécuter
Intégrez avec CI pour la revue de code automatisée avec opencode --no-tui dans les pipelines
Combinez avec Git worktrees pour lancer des sessions OpenCode parallèles sur différentes fonctionnalités simultanément

Prérequis

Ce que vous allez apprendre

Étape 1 : Installation d'OpenCode

Installation rapide (recommandée)

npm

Bun

Étape 2 : Configuration d'un fournisseur de modèles

Google Gemini (niveau gratuit disponible)

OpenAI

Mistral (hébergé en Europe, compatible RGPD)

Utilisation des variables d'environnement

Étape 3 : Modèles locaux pour une confidentialité totale des données

Configuration d'Ollama

Configuration de LM Studio

llama.cpp pour des performances maximales

Étape 4 : Initialisation de votre projet

Exemple de AGENTS.md pour un projet Next.js

Étape 5 : Commandes principales et navigation

Raccourcis clavier

Patterns de prompting efficaces

Étape 6 : Intégration LSP — IA consciente des types

Étape 7 : Connexion aux serveurs MCP

Étape 8 : Écriture de plugins TypeScript

Installation du SDK de plugins

Outil personnalisé : lancer les tests d'un module

Hook de cycle de vie : sécuriser les commandes bash

Hook d'injection de variables d'environnement

Enregistrement des plugins dans opencode.json

Étape 9 : Bonnes pratiques de configuration en équipe

Configuration partagée au niveau du projet

Configuration de remplacement personnel

Maintenance de AGENTS.md

Résolution des problèmes

Prochaines étapes

Conclusion

Prérequis

Ce que vous allez apprendre

Étape 1 : Installation d'OpenCode

Installation rapide (recommandée)

npm

Bun

Étape 2 : Configuration d'un fournisseur de modèles

Google Gemini (niveau gratuit disponible)

OpenAI

Mistral (hébergé en Europe, compatible RGPD)

Utilisation des variables d'environnement

Étape 3 : Modèles locaux pour une confidentialité totale des données

Configuration d'Ollama

Configuration de LM Studio

llama.cpp pour des performances maximales

Étape 4 : Initialisation de votre projet

Exemple de AGENTS.md pour un projet Next.js

Étape 5 : Commandes principales et navigation

Raccourcis clavier

Patterns de prompting efficaces

Étape 6 : Intégration LSP — IA consciente des types

Étape 7 : Connexion aux serveurs MCP

Étape 8 : Écriture de plugins TypeScript

Installation du SDK de plugins

Outil personnalisé : lancer les tests d'un module

Hook de cycle de vie : sécuriser les commandes bash

Hook d'injection de variables d'environnement

Enregistrement des plugins dans opencode.json

Étape 9 : Bonnes pratiques de configuration en équipe

Configuration partagée au niveau du projet

Configuration de remplacement personnel

Maintenance de AGENTS.md

Résolution des problèmes

Prochaines étapes

Conclusion