強み
- 256Kトークンのコンテキスト
- テキスト、画像、動画の入力
- マルチステップのツール呼び出し
- 毎秒約180トークンの高速版
最適な用途
- 長いコーディングタスク
- エージェント型コーディング
- 数学と推論
EDDIで実行する
最も手早いのはEDDIマネージャーです：エージェントウィザードまたはPlatform Operatorを開き、プロバイダーとモデルを選びます。自分で設定する場合は、使いたいプロバイダーについて以下の手順に従ってください。
Moonshot AI · type: "moonshot"
モデルID: kimi-k2.7-code, kimi-k2.7-code-highspeed
1. 認証情報を保存する
プロバイダーのAPIキーを、EDDIマネージャーのシークレットVault、またはPUT /secretstore/secrets/default/moonshot-keyで、以下で使う名前で追加します。設定からは${vault:…}として参照するため、キーが平文で現れることはありません。
${vault:moonshot-key}2. LLMタスクを設定する
これをエージェントのワークフローのlangchain.jsonとして使うか、EDDIマネージャーのLLMエディターにパラメーターを貼り付けます。
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "moonshot",
"parameters": {
"apiKey": "${vault:moonshot-key}",
"modelName": "kimi-k2.7-code",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}または1回の呼び出しでエージェント全体を作成
setup_agentはルール、LLM設定、ワークフローを書き込み、エージェントをデプロイします。MCPまたはPOST /administration/agents/setupで呼び出せます。
setup_agent(
agentName: "My kimi-k2.7-code agent",
systemPrompt: "You are a helpful assistant.",
provider: "moonshot",
model: "kimi-k2.7-code",
apiKey: "${vault:moonshot-key}"
)EDDIでの注意点
- このプロバイダーでは、ツールループの間にモデルの推論内容を送り返す必要があります。EDDIのプリセットがこれを自動で行うため、
returnThinkingとsendThinkingはデフォルトのままにしてください。 - Moonshotはkimi-k2.7-codeとkimi-k2.6のtemperatureを固定しているため、これらのモデルでは
temperatureを設定しないでください。
関連モデル
出典
このページの情報はベンダーのドキュメントに基づき、2026-09-30に確認したものです。モデルは頻繁に変わるため、制限値に依存する前にベンダーに確認してください。価格はここには掲載していません：ベンダーの料金ページをご覧ください。