Warp + JoinGonka Gateway — agent terminal trên endpoint của riêng bạn

Khóa JoinGonka. Đăng ký trên gateway, mở phần "API keys" trong bảng điều khiển và nhấp vào "Tạo khóa". Khóa bắt đầu bằng jg- và chỉ hiển thị một lần — hãy lưu lại ngay. Bạn nên tạo một khóa riêng cho Warp: như vậy trong phần "Sử dụng", chi phí của terminal agent sẽ được hiển thị trên một dòng riêng biệt, không lẫn với các công cụ khác.

Gói Warp. Endpoint của riêng bạn không chỉ khả dụng trên các gói trả phí — các điều kiện phụ thuộc vào quy mô nhóm:

Địa chỉ HTTPS công khai. Đây là yêu cầu của Warp mà bạn có thể dễ dàng bỏ qua: các yêu cầu đến endpoint của bạn không được gửi bởi ứng dụng trên máy của bạn mà bởi các máy chủ của Warp, vì vậy địa chỉ bắt buộc phải truy cập được từ internet. localhost, 127.0.0.1 và các địa chỉ mạng riêng sẽ bị biểu mẫu từ chối, và chỉ chấp nhận giao thức https://. JoinGonka Gateway là một dịch vụ HTTPS công khai, vì vậy các đường hầm như ngrok, vốn được tài liệu của Warp khuyến nghị cho các mô hình cục bộ, không cần thiết ở đây.

Phiên bản ứng dụng mới nhất. Endpoint riêng đã được đưa vào bản dựng ổn định kể từ bản phát hành ngày 20 tháng 5 năm 2026, lựa chọn lược đồ API trong biểu mẫu đã xuất hiện trong bản phát hành ngày 31 tháng 7 năm 2026. Nếu trường API schema không hiển thị trong biểu mẫu — hãy cập nhật Warp.

Toàn bộ quá trình cấu hình đều thực hiện trong giao diện ứng dụng — không cần chỉnh sửa file thủ công.

1. Mở Settings và gõ inference endpoint vào ô tìm kiếm cài đặt — Warp sẽ chuyển đến khối chứa khóa nhà cung cấp và endpoint riêng (nằm trong trang cài đặt Warp Agent).
2. Nhấn Add custom endpoint — biểu mẫu sẽ mở ra.
3. Điền các trường bằng giá trị từ bảng rồi nhấn Add endpoint.

Nút + Add model thêm dòng tiếp theo. Hãy tạo ngay tất cả model của mạng để sau đó chuyển đổi giữa chúng mà không cần quay lại cài đặt: deepseek-ai/DeepSeek-V4-Flash-0731, MiniMaxAI/MiniMax-M2.7 và zai-org/GLM-5.3-Flash. Danh sách cập nhật luôn có sẵn qua GET https://gate.joingonka.ai/v1/models. Hãy nhập mã định danh chính xác từng ký tự: biểu mẫu chỉ kiểm tra hình thức địa chỉ và mức độ điền đầy đủ của các trường, không thực hiện truy vấn thử khi lưu, nên chỉ một lỗi đánh máy trong tên model cũng sẽ lộ ra ngay trong cuộc hội thoại với agent.

Sau khi lưu, các model xuất hiện trong trình chuyển đổi model của agent. Nếu model mặc định vẫn là một trong các model của Warp, ứng dụng có thể tự đề nghị đổi — hãy đồng ý và chọn model từ endpoint của bạn. Một chi tiết quan trọng: các tùy chọn Auto trong trình chuyển đổi luôn chạy trên hạ tầng của Warp và tiêu tốn credit của họ, kể cả khi endpoint riêng đã được cấu hình. Để yêu cầu được gửi đến gateway, cần chọn một model cụ thể trong danh sách của bạn ở trình chuyển đổi.

Chọn model của endpoint bạn trong ô chuyển đổi và giao cho agent một task ngắn, ví dụ: "Hiển thị năm tệp lớn nhất trong thư mục hiện tại và giải thích lệnh". Agent sẽ đề xuất lệnh, thực thi lệnh đó khi bạn cho phép và nhận xét về output.

Bây giờ hãy mở dashboard của gateway, mục "Sử dụng". Trong khối "Theo key", key đã tạo cho Warp sẽ xuất hiện các request và thời gian truy cập gần nhất; trong khối "Theo model" là model đã chọn. Các bộ đếm tăng lên nghĩa là inference đang chạy qua JoinGonka Gateway chứ không phải bằng credit của Warp. Về phía Warp, mức tiêu thụ token hiển thị ngay trong hội thoại với agent — dưới những tên ngắn mà bạn đặt trong trường alias.

Nếu có gì đó không ổn, thường có thể đọc ra nguyên nhân từ phản hồi:

Phản hồi đầu tiên trong phiên có thể đến chậm vài giây: agent gửi một system prompt lớn mô tả các công cụ, và request phải đi qua máy chủ Warp trước rồi mới đến node của mạng. Sau đó hội thoại sẽ nhanh hơn.

Giá của các mô hình trong mạng lưới là như nhau, vì vậy việc lựa chọn là về hành vi chứ không phải về ngân sách. Tác nhân terminal đọc rất nhiều (đầu ra lệnh, log, tệp) và liên tục gọi các công cụ; tất cả các mô hình trong bảng đều hỗ trợ native tool calling.

Sơ đồ thực tế: DeepSeek V4 Flash là mô hình chính, MiniMax M2.7 cho các việc nhỏ, GLM-5.3 Flash khi tác vụ phụ thuộc vào logic chứ không phải khối lượng. Việc chuyển đổi chỉ mất một giây vì tất cả các mô hình đã được thiết lập trong endpoint, và các tên ngắn từ trường alias giúp không bị nhầm lẫn giữa các định danh dài. Chi tiết hơn về mô hình phổ biến nhất trong số đó có trong tổng quan về DeepSeek V4 Flash.

Mức tiêu thụ token của tác nhân trong terminal cao hơn so với trò chuyện: với mỗi yêu cầu, Warp thêm hướng dẫn hệ thống, ngữ cảnh đối thoại và mô tả công cụ, và một tác vụ bao gồm nhiều bước. Vì vậy, giá mỗi token ở đây quan trọng hơn so với giao tiếp thông thường.

Thông qua JoinGonka Gateway, token có giá $0.0069 cho một triệu đầu vào và $0.021 cho một triệu đầu ra — giá giống nhau cho tất cả các mô hình trong mạng lưới và được cập nhật trên trang này từ nguồn trực tiếp. Mức giá ước tính tính đến tháng 9 năm 2026:

Để so sánh — ba cách để trả phí cho tác nhân Warp:

Bản thân Warp không tính phí tín dụng cho cá nhân và nhóm dưới 10 người khi làm việc qua endpoint của riêng họ — bạn chỉ trả tiền cho token tại cổng. Số dư được nạp trong bảng điều khiển, nơi cũng hiển thị số dư còn lại và mức tiêu thụ theo ngày và theo mô hình.

Đối với hầu hết các công cụ, endpoint riêng đồng nghĩa với việc «yêu cầu đi trực tiếp từ máy của tôi đến nhà cung cấp». Với Warp thì khác: phần thực thi của agent chạy trên máy chủ Warp, và endpoint riêng chỉ thay đổi địa chỉ đích cuối cùng và khóa. Theo tài liệu của Warp, đường đi của yêu cầu như sau:

1. Ứng dụng lấy địa chỉ endpoint và khóa từ bộ nhớ bảo mật trên thiết bị và gửi chúng đến máy chủ Warp cùng với prompt của bạn.
2. Agent phía Warp tập hợp yêu cầu đầy đủ — các chỉ dẫn hệ thống, ngữ cảnh hội thoại, công cụ — và gọi endpoint của bạn với khóa đó.
3. Phản hồi được trả về ứng dụng theo luồng (stream) thông qua các máy chủ đó.

Điều này có ý nghĩa gì trong thực tế:

• Khóa. Chỉ được lưu trữ trên thiết bị. Nó đi qua máy chủ Warp trong mỗi yêu cầu, nhưng theo tuyên bố của Warp, nó không được lưu lại: nó được sử dụng ngay lập tức và sau đó bị loại bỏ.
• Prompts và phản hồi. Đi qua backend của Warp. Warp tuyên bố rằng họ không sử dụng nội dung này để huấn luyện, còn việc lưu trữ và phân tích tuân theo cài đặt quyền riêng tư và đo lường từ xa trong tài khoản của bạn. Đảm bảo ZDR, vốn áp dụng cho các model của riêng Warp, không thể mở rộng cho endpoint riêng của bạn: nhà cung cấp nào quyết định điều gì được lưu trữ.
• Phía cổng kết nối. JoinGonka Gateway không lưu trữ hội thoại: prompts và phản hồi không còn nằm trên cổng sau khi nhận phản hồi, trong bảng điều khiển chỉ thấy bộ đếm yêu cầu và token.
• Những gì còn lại trên hạ tầng Warp. Các tùy chọn Auto, bộ định tuyến model tùy chỉnh, Codebase Context, gợi ý Active AI và cloud agents — endpoint riêng không ảnh hưởng đến chúng.

Nếu đường đi qua các máy chủ khác không chấp nhận được cho các tác vụ của bạn, hãy sử dụng một agent kết nối trực tiếp đến endpoint từ máy của bạn — ví dụ: Codex CLI hoặc bất kỳ công cụ nào từ hướng dẫn khởi động nhanh API. Bản thân Warp trong thông báo cũng hứa hẹn một tùy chọn phía client: một mô-đun agent nhẹ bằng Rust trong kho mã nguồn mở, sẽ kết nối với các model cục bộ mà không qua tuyến đường máy chủ Warp, và hỗ trợ Agent Client Protocol. Và kể từ bản phát hành ngày 2 tháng 9 năm 2026, mô tả endpoint được lưu trữ trong tệp cấu hình ở định dạng chung cho cả ứng dụng và Warp Agent CLI; các khóa không rơi vào tệp này và vẫn nằm trong bộ nhớ bảo mật.