OpenCode: co umí a jak používat open-source AI coding agenta

AI nástroje pro programování se během posledních let změnily víc než samotné editory kódu za možná celé předchozí desetiletí.

Nejdřív jsme si nechávali doplňovat jednotlivé řádky kódu.

Potom jsme začali programovat přes chat.

Dnes nastupují AI coding agenti, kteří už nemusí čekat, až jim z projektu něco ručně zkopírujete.

Dokážou si projít repository, najít relevantní soubory, pochopit souvislosti, upravit několik částí aplikace, spustit příkazy v terminálu, pustit testy a podle výsledku pokračovat dál.

A právě do této kategorie patří OpenCode.

OpenCode je open-source AI coding agent, který můžete používat v terminálu, IDE, desktopové aplikaci nebo jako základ vlastního agentního workflow.

Jeho největší výhodou přitom není další hezké chatovací okno ani jeden konkrétní AI model.

OpenCode totiž není svázaný s OpenAI, Anthropicem, Googlem ani jiným jediným poskytovatelem.

Podporuje více než 75 LLM providerů, lokální modely a také vlastní OpenAI-compatible endpointy.

Stejný OpenCode tak můžete dnes používat s modelem od OpenAI, zítra přes jiného providera a pro některé úkoly klidně s modelem běžícím lokálně přes Ollamu.

Vedle toho nabízí vlastní agenty a subagenty, projektová pravidla přes AGENTS.md, MCP servery, Skills, pluginy, vlastní tools, GitHub automatizace nebo programové API.

OpenCode proto podle mě dává větší smysl chápat jako otevřenou agentní vrstvu nad vývojovým workflow než jen jako další alternativu ke Claude Code, Codexu nebo Cursoru.

A právě z tohoto pohledu se na něj podíváme v tomto návodu.

Aktualizováno 28. 8. 2026: Článek vychází ze stable řady OpenCode 1.x a aktuální verze 1.18.25.

OpenCode 2.0 je v době vydání článku veřejná beta, takže mu věnuji samostatnou část a nebudu míchat jeho konfiguraci se stable verzí.

Co je OpenCode

OpenCode je open-source agent pro programování.

To ale samo o sobě moc nevysvětluje, co se pod tím skutečně skrývá.

Nejdůležitější je pochopit, že OpenCode není nový jazykový model konkurující GPT, Claude, Gemini nebo jiným LLM.

Jazykový model je v tomto případě spíš mozek.

OpenCode je prostředí, které tomuto mozku poskytuje oči, ruce, kontext a pravidla.

Model díky OpenCode nemusí pouze odpovídat na text, který mu pošlete.

Může dostat možnost číst soubory, hledat v projektu, upravovat kód, spouštět shell příkazy, používat další nástroje a podle výsledků jednotlivých kroků pokračovat v práci.

Tomuto principu se často říká agent loop.

Velmi zjednodušeně může vypadat takto:

Uživatel zadá úkol.
Model vyhodnotí, co potřebuje zjistit.
Agent použije vhodný nástroj.
Výsledek nástroje vrátí modelu.
Model podle nových informací zvolí další krok.
Smyčka pokračuje, dokud agent nedojde k výsledku.

Tady vzniká zásadní rozdíl mezi běžným AI chatem a coding agentem.

Do chatu můžete napsat:

Tady je moje PHP funkce a hlásí chybu, oprav ji.

Coding agentovi můžete místo toho říct:

Zjisti, proč se při registraci uživatele objevuje chyba 500, najdi související implementaci a vysvětli mi příčinu.

OpenCode si může relevantní soubory najít sám.

Nemusíte vědět, ve kterém controlleru, service nebo helperu se problém nachází.

A pokud mu to dovolíte, může následně opravu také provést a ověřit.

OpenCode už dávno není jen terminálový AI chat

OpenCode bývá často popisovaný jako AI coding agent pro terminál.

To je pořád pravda, ale dnes už je tento popis trochu omezující.

OpenCode nabízí terminálové TUI, desktopovou aplikaci a integraci do IDE.

Vedle toho může fungovat také jako samostatný server, se kterým komunikuje jiné rozhraní nebo vlastní aplikace.

To je důležité, protože z OpenCode nedělá jen jednu aplikaci s jedním způsobem použití.

Stejný agentní základ můžete používat několika různými způsoby.

Vývojář může pracovat v terminálu.

Jiný člověk může používat IDE extension.

Tým může spouštět OpenCode přes GitHub Actions.

A vlastní interní nástroj může s OpenCode komunikovat programově přes server.

To už je výrazně širší použití než obyčejný „AI chatbot na kód“.

Proč je OpenCode zajímavý

Největší důvod, proč mě OpenCode baví, není samotná schopnost generovat kód.

To dnes umí spousta nástrojů.

Mnohem zajímavější je jeho nezávislost na konkrétním modelu a providerovi.

OpenCode používá AI SDK a Models.dev a oficiální dokumentace uvádí podporu více než 75 LLM providerů včetně lokálních modelů.

Najdete mezi nimi například OpenAI, Anthropic, Google, GitHub Copilot, Amazon Bedrock, Azure, Cerebras, Groq, OpenRouter, NVIDIA, xAI, Ollamu, LM Studio a mnoho dalších.

To mění způsob, jakým můžete nad AI programováním přemýšlet.

Nemusíte stavět celý svůj workflow kolem toho, že právě teď používáte jeden konkrétní model.

Můžete si vytvořit pravidla projektu, agenty, Skills, MCP integrace a bezpečnostní politiku.

Samotný model pak můžete měnit podle situace.

Na komplikovanou architektonickou změnu použijete schopnější model.

Na jednoduchý refactoring nebo dokumentaci použijete levnější variantu.

Pro citlivější práci můžete experimentovat s lokálním modelem.

A pokud se za půl roku změní poměr kvality a ceny jednotlivých modelů, nemusíte kvůli tomu měnit celé vývojové prostředí.

Právě toto oddělení modelu od agentního workflow považuji za nejsilnější vlastnost OpenCode.

Kde můžete OpenCode používat

Terminál

Terminál je stále nejpřirozenější prostředí pro OpenCode.

Otevřete projekt, spustíte opencode a dostanete interaktivní textové rozhraní.

Výhodou je rychlost a přirozený přístup ke všemu, co vývojář stejně běžně používá.

Agent má projekt, Git, shell, testovací nástroje a další utilities prakticky na jednom místě.

IDE

OpenCode lze používat také s editory založenými na VS Code, mezi které patří například samotný VS Code, Cursor, Windsurf nebo VSCodium.

IDE integrace dokáže využívat kontext otevřených souborů nebo aktuálně označené části kódu.

Pro člověka, který nechce opouštět svůj oblíbený editor, je to příjemnější cesta než přecházet na úplně jiné IDE jen kvůli AI.

Desktopová aplikace

K dispozici je také samostatná desktopová aplikace.

Ta se hodí hlavně v případě, kdy chcete OpenCode používat bez nutnosti všechno řešit přímo přes terminál.

Web a server

Pro pokročilejší scénáře existuje opencode web a samostatný headless server.

OpenCode má serverovou architekturu, přičemž server vystavuje OpenAPI 3.1 specifikaci a lze s ním komunikovat programově.

K tomu se ještě vrátíme, protože právě tady začíná být OpenCode zajímavý i jako základ vlastních vývojářských nástrojů.

Jak OpenCode nainstalovat

Instalace je jednoduchá.

Nejrychlejší cesta na macOS a Linuxu je oficiální instalační script:

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

OpenCode nabízí také instalaci přes npm, Bun, pnpm nebo Yarn.

Pokud používáte npm:

npm install -g opencode-ai

Na macOS můžete použít Homebrew:

brew install anomalyco/tap/opencode

OpenCode doporučuje svůj vlastní Homebrew tap, protože standardní formule spravovaná Homebrew může dostávat aktualizace s určitým zpožděním.

Na Windows OpenCode doporučuje pro nejlepší kompatibilitu WSL.

Po instalaci si můžete ověřit verzi:

opencode --version

K 28. srpnu 2026 je aktuální stable verze 1.18.25.

Číslo si ale příliš nezapamatovávejte.

OpenCode má velmi rychlý release cycle a jen mezi 20. a 28. srpnem vyšly verze 1.18.19 až 1.18.25.

Jak připojit OpenCode k AI modelu

Nainstalovaný OpenCode je pouze jedna část skládačky.

Potřebujete ještě model, který bude agent používat.

Základním příkazem je:

/connect

OpenCode vám nabídne dostupné providery a způsob přihlášení.

Po propojení můžete dostupné modely zobrazit přes:

/models

A právě tady začíná jedna z nejzajímavějších částí celého OpenCode.

OpenCode s ChatGPT Plus nebo Pro

Pokud už platíte ChatGPT Plus nebo Pro, nemusíte automaticky pořizovat samostatný OpenAI API účet jen proto, abyste mohli používat OpenCode.

OpenCode oficiálně podporuje přihlášení přes ChatGPT Plus/Pro.

Postup je jednoduchý.

Spustíte:

/connect

Vyberete OpenAI.

Potom zvolíte:

ChatGPT Plus/Pro

OpenCode otevře přihlášení přes prohlížeč a po dokončení OAuth procesu zpřístupní podporované OpenAI modely v /models.

Pro člověka, který už ChatGPT předplatné používá, je to velmi příjemný způsob, jak s OpenCode začít.

Nemusíte hned řešit samostatné API billingy, ceny tokenů a další účet.

Je ale potřeba počítat s tím, že konkrétní dostupné modely a usage limity se mohou v čase měnit podle pravidel předplatného.

OpenCode s GitHub Copilotem

Podobně funguje integrace s GitHub Copilotem.

Spustíte:

/connect

Vyberete GitHub Copilot a OpenCode vás provede GitHub device loginem.

Po přihlášení opět použijete:

/models

Je ale dobré vědět, že ne všechny modely musí být dostupné ve všech Copilot tarifech.

Dokumentace OpenCode výslovně upozorňuje, že některé modely mohou vyžadovat GitHub Copilot Pro+.

Pokud už tedy Copilot platíte, je OpenCode zajímavá možnost, jak jeho předplatné využít i mimo běžné GitHub Copilot prostředí.

A co Claude Pro nebo Claude Max

Tady je situace komplikovanější.

Na internetu můžete narazit na pluginy nebo návody, které umožňují používat Claude Pro nebo Max subscription přes OpenCode.

Samotná dokumentace OpenCode ale upozorňuje, že Anthropic takové použití subscription explicitně zakazuje a OpenCode proto tyto pluginy od verze 1.3.0 přestal bundlovat.

To je důležitý rozdíl proti ChatGPT Plus nebo GitHub Copilotu.

Claude samozřejmě můžete v OpenCode používat přes oficiální Anthropic API nebo jiné podporované poskytovatele.

Jen bych nevycházel z toho, že běžné spotřebitelské Claude předplatné je oficiálně podporovaná náhrada za API.

Použití klasického API

Další možností jsou běžné API klíče.

OpenCode můžete připojit například k OpenAI API, Anthropic API, Google službám, OpenRouteru, Azure OpenAI, Amazon Bedrocku a dalším providerům.

Výhodou API je obvykle transparentnější usage-based billing a větší flexibilita.

Platíte podle skutečné spotřeby a nejste tolik omezení pravidly spotřebitelského předplatného.

Nevýhodou je samozřejmě to, že agentní programování dokáže spotřebovat poměrně hodně tokenů.

Agent totiž nepracuje jen s jedním krátkým promptem.

Čte soubory, dostává výsledky nástrojů, vrací diffy, pracuje s historií session a může během jednoho úkolu provést desítky tool calls.

Proto je dobré spotřebu sledovat.

OpenCode k tomu nabízí například:

opencode stats

Příkaz ukáže využití tokenů a nákladové statistiky vašich sessions.

OpenCode s lokálním modelem

OpenCode není omezený pouze na cloud.

Lokální model můžete připojit například přes Ollamu nebo LM Studio.

Ollama může vypadat například takto:

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama (local)",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "my-model": {
          "name": "My local model"
        }
      }
    }
  }
}

Výhoda lokálního modelu je jasná.

Inference může probíhat na vašem vlastním počítači nebo serveru a nemusíte posílat kontext externímu cloudovému LLM providerovi.

Má to ale jeden háček.

Lokální model automaticky neznamená dobrého coding agenta.

Model musí umět nejen generovat kód.

Musí také spolehlivě používat tools, držet instrukce, pracovat s delším kontextem a neztrácet se během vícekrokového úkolu.

OpenCode u Ollamy například doporučuje při problémech s tool callingem zvýšit num_ctx, přičemž jako výchozí pokus uvádí rozsah přibližně 16k až 32k.

Lokální AI tedy může být skvělá, ale není to automatická cesta k lepšímu nebo levnějšímu výsledku.

Jaký model pro OpenCode vybrat

Na otázku „jaký je nejlepší model pro OpenCode“ neexistuje jedna dlouhodobě správná odpověď.

Modely se mění příliš rychle.

Mnohem užitečnější je rozdělit je podle typu práce.

Komplikované změny a architektura

Tady dává smysl použít silný reasoning a coding model.

Vyšší cena může být v konečném důsledku levnější než několik nepovedených pokusů slabšího modelu.

Běžné úpravy

Pro jednoduché features, refactoring nebo úpravy textů často nepotřebujete nejsilnější model na trhu.

Dobře zvolený levnější model může práci zvládnout rychleji a za zlomek ceny.

Rutinní práce

Dokumentace, generování jednoduchých testů, transformace dat nebo opakované změny mohou být dobrým úkolem pro menší model.

Citlivá práce

Pokud je prioritou soukromí, můžete zvážit lokální inference nebo enterprise providera s odpovídajícími podmínkami práce s daty.

Právě možnost model podle situace měnit je jedna z největších předností OpenCode.

První spuštění OpenCode nad projektem

Jakmile máte OpenCode nainstalovaný a připojený k modelu, můžete jej spustit nad skutečným projektem.

Přejděte do jeho adresáře:

cd /cesta/k/projektu

A spusťte:

opencode

Teoreticky můžete rovnou začít zadávat úkoly.

U většího projektu ale doporučuji jako jeden z prvních kroků použít:

/init

OpenCode projde důležité části repository a vytvoří nebo aktualizuje soubor:

AGENTS.md

Aktuální /init se snaží z projektu vytáhnout například build, lint a test commands, architekturu, strukturu repository, projektové konvence nebo provozní zvláštnosti.

Pokud něco zásadního z kódu nezjistí, může se doptat.

Tohle je jedna z funkcí, které bych rozhodně nepřeskakoval.

Co je AGENTS.md a proč je důležitý

AGENTS.md si můžete představit jako README určené pro AI agenty.

README vysvětluje projekt člověku.

AGENTS.md vysvětluje agentovi, jak má s projektem pracovat.

Může obsahovat třeba použité technologie, architektonická pravidla, testovací příkazy, naming conventions, bezpečnostní zásady nebo seznam věcí, které agent naopak nikdy dělat nemá.

OpenCode doporučuje projektový AGENTS.md commitnout do Gitu.

To dává velký smysl.

Pravidla pak nejsou schovaná v jednom lokálním promptu.

Jsou součástí repository a stejný kontext mohou používat ostatní členové týmu nebo další agentní sessions.

Co dát do AGENTS.md

Obecné instrukce typu:

Write clean code.
Follow best practices.

jsou sice hezké, ale moc agentovi nepomohou.

Mnohem cennější jsou konkrétní informace o vašem projektu.

Například:

# Project rules

This is a WordPress plugin.

Use WordPress coding standards.

All database queries with dynamic values must use $wpdb->prepare().

Escape all frontend output using the appropriate WordPress escaping function.

Do not add new production dependencies without explicit approval.

Run PHPStan after PHP changes.

Run PHPUnit for relevant modules before completing a task.

Never modify files in vendor/.

Do not change the database schema without first proposing a migration plan.

Takové instrukce dávají modelu konkrétní hranice.

A právě hranice jsou při agentním programování často důležitější než dlouhý seznam obecných doporučení.

Globální a projektová pravidla

OpenCode podporuje projektový AGENTS.md v kořeni repository.

Vedle toho můžete mít globální instrukce v:

~/.config/opencode/AGENTS.md

Ty se hodí pro vaše osobní preference, které chcete používat napříč projekty.

Například:

Always explain potentially destructive changes before executing them.

Prefer minimal changes over large rewrites.

Do not introduce a new dependency if the task can reasonably be solved without one.

Projektová pravidla pak řeší specifika konkrétní codebase.

OpenCode a CLAUDE.md

Pokud už používáte Claude Code, nemusíte nutně začínat úplně od nuly.

OpenCode podporuje některé konvence Claude Code jako fallback.

Pokud v projektu není AGENTS.md, může použít projektový CLAUDE.md.

Podobně podporuje globální ~/.claude/CLAUDE.md a Claude Skills.

Při kombinování více agentních nástrojů je to velmi praktické.

Přesto bych u projektu, kde má být OpenCode hlavním agentem, preferoval explicitní AGENTS.md.

Jak OpenCode používat v praxi

Teď se dostáváme k části, která je důležitější než polovina všech feature listů.

Kvalita coding agenta totiž hodně závisí na způsobu, jakým mu zadáváte práci.

Nejhorší workflow vypadá přibližně takhle:

Celé to předělej, oprav všechny chyby a udělej to moderně.

Agent pak dostává obrovský prostor k interpretaci.

A čím větší prostor má, tím větší prostor má také k tomu, aby se vydal úplně jiným směrem, než jste čekali.

Mně dává mnohem větší smysl rozdělit práci na několik kroků.

Nejdřív nechte OpenCode problém pochopit

Začněte analýzou.

Například:

Projdi implementaci přihlášení uživatele.

Zjisti, proč po resetu hesla zůstává stará session aktivní.

Najdi všechny relevantní soubory a popiš celý flow.

Zatím nic neupravuj.

Tím agentovi explicitně říkáte, že jeho první úkol není psát kód.

Jeho první úkol je pochopit situaci.

To je obrovský rozdíl.

Potom si nechte navrhnout plán

Jakmile znáte příčinu, můžete pokračovat:

Navrhni nejmenší bezpečnou změnu, která problém opraví.

Nechci měnit veřejné API ani databázové schéma.

Uveď soubory, které bude potřeba změnit.

Navrhni test, který současnou chybu reprodukuje.

Zatím nic neměň.

Výsledný plán si můžete zkontrolovat ještě předtím, než agent sáhne do jediného souboru.

Pokud s něčím nesouhlasíte, opravíte směr v této chvíli.

To je výrazně levnější než opravovat dvacet změněných souborů.

Teprve potom implementujte

Až když plán dává smysl:

Implementuj schválený plán.

Neměň nic mimo popsaný scope.

Po změně spusť relevantní testy.

Nakonec shrň, co přesně jsi upravil a zda testy prošly.

Agent teď pracuje v mnohem jasněji vymezeném prostoru.

A výsledky bývají podle mé zkušenosti výrazně předvídatelnější.

Nakonec chtějte review

Po implementaci můžete ještě přidat:

Zkontroluj vlastní diff.

Hledej možné regrese, bezpečnostní problémy a změny mimo původní zadání.

Nic dalšího automaticky neopravuj.

Pouze napiš review.

Teprve potom diff projděte vy.

AI review je užitečné.

Není to ale náhrada za lidskou kontrolu.

Build a Plan agent

OpenCode má ve stable verzi dva hlavní vestavěné agenty.

Jsou to Build a Plan.

Build

Build je standardní pracovní agent.

Má přístup k nástrojům potřebným pro skutečnou vývojovou práci a je určený pro situace, kdy chcete, aby agent opravdu měnil projekt.

Použijete ho například na:

implementaci feature,
opravu chyby,
refactoring,
psaní testů,
změny konfigurace.

Plan

Plan je určený hlavně pro analýzu a plánování.

U stable OpenCode jsou file edits a bash příkazy ve výchozím nastavení nastavené na ask.

To znamená, že Plan není potřeba chápat jako magicky izolovaný read-only sandbox.

Je to agent s omezenější permission policy, jehož výchozím účelem je především přemýšlet a navrhovat.

A právě proto se výborně hodí před samotnou implementací.

Doporučený workflow

U větších úkolů bych se držel zhruba tohoto postupu:

Explore → Plan → kontrola člověkem → Build → testy → diff → review.

Možná to na první pohled vypadá pomaleji než prosté „udělej to“.

V praxi ale obvykle ušetří čas, protože méně často řešíte rozsáhlé opravy špatně pochopeného zadání.

Subagenti

OpenCode nemusí všechno řešit jedním agentem.

Stable verze nabízí vedle hlavních agentů také vestavěné subagenty General, Explore a Scout.

Explore

Explore je rychlý read-only agent určený k průzkumu codebase.

Hodí se například na otázky:

Kde se v projektu řeší upload souborů?

Nebo:

Najdi všechny implementace, které používají staré payment API.

Protože nemá upravovat soubory, je vhodný na bezpečný průzkum.

General

General je univerzálnější subagent pro složitější research a vícekrokové úkoly.

Má širší přístup k tools a může řešit samostatnou část většího zadání.

Scout

Scout je zajímavý hlavně při práci s externí dokumentací a dependencies.

Dokáže například pracovat se zdrojovým kódem dependency v OpenCode cache nebo porovnávat vaši implementaci s upstream projektem.

Při debuggingu knihovny nebo ověřování chování externího balíčku to může být velmi užitečné.

Vlastní agenti

Vestavěnými agenty to nekončí.

Můžete si vytvořit vlastní:

opencode agent create

Průvodce vám pomůže vybrat, zda má být agent globální nebo projektový, jaký má mít účel a jaká oprávnění dostane.

Můžete si tak vytvořit například:

WordPress Security Reviewer,
Laravel Architect,
Test Engineer,
Database Reviewer,
Documentation Writer,
Accessibility Reviewer.

Výhoda je v tom, že každý agent může mít jiné instrukce a jiný přístup k tools.

Security reviewer například nepotřebuje oprávnění k deployi.

Documentation agent nepotřebuje přístup k produkční databázi.

A Plan agent nemusí mít stejné možnosti jako Build.

Čím lépe oprávnění odpovídají skutečnému účelu agenta, tím menší prostor vytváříte pro zbytečné problémy.

Permissions jsou jedna z nejdůležitějších funkcí OpenCode

Jakmile dáte AI agentovi možnost spouštět příkazy na vašem počítači, bezpečnost přestává být akademická otázka.

Shell access je skutečný shell access.

Editace souboru je skutečná editace souboru.

A špatně formulovaný nebo špatně pochopený příkaz může skutečně něco rozbít.

Stable OpenCode ve výchozím nastavení povoluje operace bez toho, aby vyžadoval explicitní schválení každé z nich.

To je pohodlné.

U důležitého projektu ale doporučuji permission policy minimálně projít.

Allow, ask a deny

Permission systém pracuje s třemi základními výsledky.

allow operaci povolí.

ask si vyžádá schválení.

deny operaci zakáže.

Pro začátek můžete například vyžadovat schválení editací a shellu:

{
  "$schema": "https://opencode.ai/config.json",
  "permission": {
    "edit": "ask",
    "bash": "ask"
  }
}

To zpomalí práci.

Zároveň ale velmi rychle zjistíte, co agent skutečně dělá.

Až workflow pochopíte, můžete pravidla postupně uvolňovat.

Jemnější pravidla pro shell

Nemusíte schvalovat úplně každý příkaz stejně.

Můžete například povolit bezpečné Git operace a nebezpečnější nechat ke schválení:

{
  "$schema": "https://opencode.ai/config.json",
  "permission": {
    "bash": {
      "*": "ask",
      "git status *": "allow",
      "git diff *": "allow",
      "git push *": "ask",
      "rm -rf *": "deny"
    }
  }
}

To je podle mě správnější způsob uvažování než rozhodnutí mezi dvěma extrémy „všechno povolit“ a „všechno ručně potvrzovat“.

Read-only nebo běžné bezpečné příkazy mohou běžet automaticky.

Rizikové operace chcete vidět.

A některé věci můžete agentovi zakázat úplně.

Auto mode

OpenCode podporuje také automatický režim:

opencode --auto

Nebo například:

opencode run --auto "Refactor this module"

Auto mode je zajímavý tím, že automaticky schválí operace, které by jinak skončily jako ask, ale explicitní deny pravidla zůstávají platná.

Díky tomu můžete vytvořit prostředí, kde agent pracuje poměrně autonomně, ale pořád má tvrdé hranice.

To se hodí například pro sandbox, disposable branch, CI nebo izolované automatizované workflow.

Naopak bych byl opatrný s kombinací plně autonomního režimu, produkčních credentials a neomezeného shellu.

Autonomie není totéž co absence bezpečnostních pravidel.

Undo a redo

Když se změna nepovede, OpenCode nabízí možnost vrátit předchozí krok.

Použít můžete:

/undo

A případně změnu znovu obnovit:

/redo

OpenCode k práci se změnami používá snapshot mechanismy.

Je to velmi pohodlné.

Přesto bych na ně nespoléhal místo Gitu.

Git je pořád základ

Před větší agentní změnou doporučuji:

mít čistý working tree,
pracovat na vlastní branch,
zkontrolovat git status,
případně udělat checkpoint commit,
po změně projít git diff,
pustit testy,
až potom změnu commitnout.

/undo je pohodlná funkce.

Git je systém kontroly verzí.

Tyto dvě věci bych nezaměňoval.

MCP: jak OpenCode připojit k dalším nástrojům

Samotný přístup k souborům a shellu už agentovi dává velké možnosti.

Pomocí Model Context Protocolu neboli MCP mu ale můžete zpřístupnit mnohem víc.

OpenCode podporuje lokální i vzdálené MCP servery.

Jakmile server připojíte, jeho tools může LLM používat vedle standardních OpenCode nástrojů.

MCP lze přidat například přes:

opencode mcp add

A nakonfigurované servery můžete kontrolovat přes:

opencode mcp list

Co agent přes MCP skutečně dokáže, závisí na konkrétním serveru.

Může dostat například přístup k:

databázi,
externímu API,
interní dokumentaci,
knowledge base,
issue trackeru,
observability systému,
dalším developer tools.

V tu chvíli už coding agent nemusí znát pouze obsah vašeho repository.

Může pracovat s širším kontextem celého vývojového procesu.

Více MCP serverů nemusí být lépe

MCP má také nevýhodu.

Každý server přidává další tools, jejich názvy, popisy a parametry.

To všechno spotřebovává kontext modelu.

Aktuální dokumentace OpenCode 2.0 na to upozorňuje velmi přímo a doporučuje zapínat jen MCP servery, které skutečně potřebujete.

Stejný princip dává smysl i ve stable workflow.

Agent se stovkou dostupných tools nemusí být automaticky schopnější než agent s deseti dobře vybranými nástroji.

Často je tomu právě naopak.

Skills: opakovaně použitelné znalosti

Další vrstvu tvoří Agent Skills.

Skill je balíček instrukcí pro konkrétní opakovaný typ práce.

OpenCode podporuje skills definované pomocí SKILL.md a agent je může načíst ve chvíli, kdy je skutečně potřebuje.

Můžete mít například skill:

wordpress-security-review

Ten může obsahovat pravidla pro:

sanitizaci vstupů,
escapování výstupu,
nonce,
capability checks,
práci s $wpdb,
file uploads,
REST API oprávnění,
běžné WordPress bezpečnostní chyby.

Když agent řeší security review WordPress pluginu, skill načte.

Když píše README, nemusí tento kontext vůbec dostávat.

To je výhodnější než cpát všechna možná pravidla do jednoho obřího systémového promptu.

AGENTS.md vs Skill

Tyto dva koncepty se mohou na začátku plést.

Já bych je rozlišoval jednoduše.

AGENTS.md popisuje projekt a jeho pravidla.

Skill popisuje specializovaný způsob práce nebo znalost, kterou lze opakovaně použít.

Do AGENTS.md tedy patří třeba:

Testy spouštěj přes composer test.

Do security skillu patří:

Při kontrole WordPress REST endpointu ověř permission_callback.

První informace platí pro konkrétní repository.

Druhá může být užitečná v desítkách projektů.

Plugins

OpenCode podporuje také pluginy v JavaScriptu nebo TypeScriptu.

Pluginy mohou reagovat na události, integrovat externí služby nebo měnit chování OpenCode.

Projektové pluginy lze ukládat například do:

.opencode/plugins/

Globální pak do:

~/.config/opencode/plugins/

Plugin lze také načíst jako npm balíček přes konfiguraci.

To se hodí v momentě, kdy už nechcete agenta pouze instruovat, ale chcete skutečně rozšířit samotné OpenCode.

Custom tools

Ještě přímočařejší jsou vlastní tools.

OpenCode umožňuje vytvořit vlastní JavaScript nebo TypeScript funkce, které pak model může volat stejně jako vestavěné tools.

Můžete si tak vytvořit například:

deploy_preview

nebo:

run_wordpress_security_scan

či:

query_internal_docs

Tool může uvnitř spouštět prakticky libovolný další script nebo službu.

JavaScript nebo TypeScript je potřeba pro definici toolu, ale samotná vykonaná logika může volat i program napsaný v jiném jazyce.

MCP nebo custom tool

MCP bych preferoval tam, kde chci interoperabilní nástroj použitelný i jinými AI klienty.

Custom tool nebo plugin dává smysl tam, kde řeším specifickou integraci přímo pro OpenCode.

Jestli stavíte větší agentní infrastrukturu, rozdíl začne být poměrně důležitý.

ACP: OpenCode může být sám agent serverem

OpenCode podporuje také Agent Client Protocol neboli ACP.

Spustit jej můžete:

opencode acp

ACP řeší opačný směr než MCP.

MCP typicky umožňuje agentovi používat externí nástroje.

ACP umožňuje kompatibilnímu klientovi komunikovat se samotným agentem.

Pro běžné používání OpenCode to znát nepotřebujete.

Pokud ale chcete OpenCode napojovat na další agentní klienty nebo stavět vlastní rozhraní, je dobré o této možnosti vědět.

OpenCode a GitHub

Velmi zajímavá část OpenCode začíná ve chvíli, kdy jej přestanete spouštět pouze ručně nad lokálním repository.

OpenCode má vlastní GitHub integraci.

V GitHub repository ji můžete nastavit příkazem:

opencode github install

Průvodce pomůže s instalací GitHub App, workflow a potřebnými secrets.

OpenCode potom běží uvnitř GitHub Actions runneru.

OpenCode přímo v GitHub issue

Do issue můžete například napsat:

/opencode explain this issue

Nebo použít kratší:

/oc

OpenCode dostane kontext issue a může problém analyzovat.

Můžete mu také říct:

/opencode fix this

V takovém případě může vytvořit branch, implementovat změnu a otevřít pull request.

To je velmi pěkný příklad skutečného agentního workflow.

Vývojář nemusí nejprve otevřít IDE, checkoutnout issue a všechno ručně popsat.

Část procesu se může odehrát přímo tam, kde problém vznikl.

Automatické code review a scheduled workflows

GitHub integrace není omezená jen na komentáře.

OpenCode lze spouštět také při vytvoření nebo změně pull requestu, při změně issue nebo podle cron schedule.

Můžete tak vytvořit například pravidelné workflow:

Každé pondělí projdi repository, najdi TODO komentáře a vytvoř report.

Nebo:

Při každém pull requestu zkontroluj změny proti našim security pravidlům.

To už je cesta k automatizovaným AI developer workflow, která běží bez toho, aby člověk každou session ručně zakládal.

OpenCode jako headless server

Další zásadní funkcí je:

opencode serve

Tím se spustí samostatný OpenCode HTTP server.

OpenCode používá serverovou architekturu i interně a vystavuje OpenAPI 3.1 specifikaci.

Díky tomu s ním nemusíte komunikovat pouze přes oficiální TUI.

Můžete nad ním postavit vlastní klient.

Třeba interní webovou aplikaci.

Nebo automatizaci.

Nebo firemní development platformu.

Nebo jiného agenta.

Server zabezpečte

Pokud server používáte mimo čistě lokální experiment, řešte autentizaci.

Heslo lze nastavit například takto:

OPENCODE_SERVER_PASSWORD=my-secret-password opencode serve

OpenCode potom používá HTTP Basic Auth.

Nevystavoval bych OpenCode server s přístupem k citlivému projektu bez ochrany veřejně do internetu.

Agentní server, který může číst soubory a spouštět nástroje, je výrazně citlivější služba než běžné statické API.

Užitečné CLI příkazy

OpenCode má spoustu příkazů, ale několik z nich stojí za zapamatování.

Pro statistiky:

opencode stats

Pro seznam sessions:

opencode session list

Pro odstranění session:

opencode session delete <sessionID>

Pro export:

opencode export

A pro export s redakcí citlivých transcript a file dat:

opencode export --sanitize

Tyto funkce jsou součástí aktuálního CLI.

Možnost sanitized exportu je příjemná hlavně tehdy, když chcete session někomu poslat nebo archivovat, ale nechcete bez kontroly distribuovat celý původní obsah.

Soukromí: kam OpenCode posílá váš kód

U AI coding agentů je tahle otázka zásadní.

Je potřeba rozlišovat OpenCode a model providera.

To není totéž.

Pokud používáte OpenAI, Anthropic, Google nebo jinou cloudovou službu, musí agent poslat providerovi kontext potřebný pro inference.

Open-source klient sám o sobě tuto skutečnost nemění.

Proto není správné říct:

Používám OpenCode, takže můj kód nikdy neopouští počítač.

Takové tvrzení může být pravdivé pouze u skutečně lokálního workflow, kde lokálně provozujete i model a všechny další služby, které agent používá.

Pokud pracujete s citlivým firemním nebo klientským kódem, kontrolujte vždy podmínky konkrétního providera.

Credentials

Credentials přidané pomocí /connect ukládá stable OpenCode lokálně například do:

~/.local/share/opencode/auth.json

Tuto cestu uvádí aktuální dokumentace providerů.

To znamená, že tento soubor patří mezi věci, se kterými byste měli zacházet stejně opatrně jako s ostatními credentials.

A samozřejmě stále platí klasické pravidlo:

nedávejte secrets do repository.

Agent sice může .env potřebovat přečíst, ale rozhodně nechcete, aby API klíče omylem zapsal do dokumentace, commitu nebo veřejné session.

Pozor na `/share`

OpenCode umí session velmi jednoduše sdílet.

Stačí:

/share

Tím ale nevznikne soukromý lokální export.

OpenCode vytvoří unikátní veřejnou URL, synchronizuje historii konverzace na své servery a zpřístupní ji přes odkaz.

Výchozí režim sdílení je naštěstí manual, takže sessions nejsou automaticky veřejné.

U proprietárního nebo klientského projektu bych ale klidně nastavil:

{
  "$schema": "https://opencode.ai/config.json",
  "share": "disabled"
}

OpenCode sám toto nastavení doporučuje pro citlivější projekty.

Pokud session nasdílíte a později ji chcete stáhnout z veřejného přístupu, použijete:

/unshare

Sdílené sessions zůstávají dostupné, dokud je explicitně neodstraníte ze sdílení.

LSP v OpenCode

Language Server Protocol dokáže agentovi poskytovat informace, které prosté čtení textových souborů nemá.

Typicky jde například o symboly, reference, definice nebo diagnostics.

Ve stable OpenCode 1.x lze LSP zapnout konfigurací:

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

Aktuální stable dokumentace zároveň říká, že pokud lsp vynecháte, zůstává LSP vypnuté.

To je důležitý detail, protože marketingové materiály mohou působit dojmem, že LSP funguje automaticky vždy.

Neberte tedy LSP jako něco, co máte automaticky aktivní pouze instalací OpenCode.

Pozor na OpenCode 2.0

V OpenCode 2.0 beta je situace ještě jiná.

Současná V2 dokumentace přímo říká, že V2 zatím nemá LSP runtime ani vestavěné language servery.

Konfigurace:

{
  "lsp": true
}

je sice přijata a zachována, ale aktuálně sama o sobě language server nespustí.

Tady je krásně vidět, proč je důležité při hledání návodu kontrolovat, zda čtete dokumentaci pro OpenCode 1 nebo beta verzi 2.

Kolik OpenCode stojí

Tady je potřeba oddělit OpenCode od samotné inference.

OpenCode jako software je open source.

To ale neznamená, že všechny modely, které přes něj používáte, jsou zdarma.

Můžete využít existující podporované předplatné.

Můžete platit API usage.

Můžete provozovat vlastní lokální model.

Nebo můžete využít služby OpenCode Go a OpenCode Zen.

Každá varianta má jinou ekonomiku.

ChatGPT Plus nebo Pro

Pokud už ChatGPT Plus či Pro platíte a stačí vám podporované OpenAI modely a limity tohoto způsobu připojení, může být vstupní dodatečný náklad prakticky nulový.

OpenCode ChatGPT OAuth oficiálně podporuje.

GitHub Copilot

Podobně můžete využít existující Copilot předplatné.

Jen počítejte s tím, že konkrétní model může vyžadovat vyšší tarif.

API

U API platíte skutečnou spotřebu podle ceníku providera.

To je flexibilní, ale agentní sessions mohou být tokenově náročné.

Proto používejte opencode stats a průběžně náklady sledujte.

Lokální model

U lokálního modelu sice neplatíte za každý milion tokenů, ale inference není zadarmo.

Platíte hardwarem, spotřebou elektřiny a často i nižší rychlostí nebo kvalitou menšího modelu.

Je tedy lepší přemýšlet o lokálním LLM jako o jiné cenové struktuře než jako o „AI zdarma“.

OpenCode Go

OpenCode nabízí vlastní předplatné Go.

K 28. srpnu 2026 stojí 10 dolarů měsíčně a zaměřuje se na cenově dostupný přístup k výběru coding modelů.

Aktuální limity jsou vyjádřené hodnotou usage:

pětihodinový limit odpovídá $12 usage,
týdenní limit odpovídá $30 usage,
měsíční limit odpovídá $60 usage.

Počet skutečných requestů závisí na ceně konkrétního modelu.

Levný model vám tedy umožní výrazně více dotazů než model s dražší inferencí.

OpenCode uvádí, že se u Go snaží díky bulk slevám a rezervované GPU kapacitě nabídnout zhruba několikanásobně vyšší usage hodnotu, než kolik stojí samotné předplatné, i když poměr se liší podle modelu.

Ceník i nabídka modelů se ale mohou rychle měnit.

Aktuální čísla bych proto před nákupem vždy ověřil přímo na webu OpenCode.

OpenCode Zen

Druhá služba se jmenuje OpenCode Zen.

Zen funguje jako kurátorovaný AI gateway s modely, které tým OpenCode testoval pro použití s coding agentem.

Na rozdíl od Go jde primárně o pay-as-you-go model.

Přidáte kredit a platíte za použití konkrétních modelů.

K 28. srpnu 2026 nabízí Zen také několik modelů označených jako bezplatné.

OpenCode ale přímo uvádí, že některé bezplatné varianty jsou dostupné pouze omezenou dobu.

Proto bych nestavěl workflow na předpokladu, že konkrétní free model bude zdarma navždy.

OpenCode Data: zajímavý pohled na reálné používání

OpenCode dnes publikuje vlastní statistický dashboard.

K 28. srpnu 2026 byl dashboard aktualizovaný v 08:21 UTC.

Pro 27. srpna ukazoval přibližně 396 tisíc denních unikátních OpenCode uživatelů podle model usage dat a zhruba 12 bilionů tokenů za den.

Je ale důležité dodat jednu věc.

Jde o first-party data publikovaná samotným OpenCode.

Nejde o nezávislé měření velikosti trhu.

Přesto jsou data zajímavá tím, že ukazují velmi pestré používání různých modelů.

A právě to podporuje myšlenku, že OpenCode není pouze wrapper jednoho konkrétního LLM.

Praktické use cases

Teorie je hezká, ale OpenCode začne dávat smysl hlavně nad skutečným projektem.

Orientace v neznámém projektu

Představte si, že přebíráte aplikaci, kterou jste nikdy neviděli.

Místo několika hodin ručního procházení můžete začít:

Projdi projekt a vysvětli mi jeho architekturu.

Najdi hlavní entry points.

Popiš autentizaci, databázovou vrstvu a strukturu frontend části.

Nic neupravuj.

Agent vám může vytvořit mapu projektu a zároveň ukázat relevantní soubory.

Debugging

Máte stack trace, ale nevíte, co ho způsobuje.

Analyzuj tuto chybu.

Najdi v projektu místo, kde vzniká.

Zjisti root cause.

Zatím nic neopravuj.

Nejdřív mi vysvětli, proč k chybě dochází.

To je často užitečnější než okamžité generování náhodného fixu.

Implementace feature

Potřebujeme přidat možnost deaktivovat uživatelský účet.

Nejdřív zjisti, jak je dnes řešena správa uživatele.

Navrhni změny v backendu, UI a testech.

Neměň databázi, pokud to není nezbytné.

Až plán schválíte:

Implementuj navrženou variantu.

Spusť relevantní testy.

Nakonec vypiš změněné soubory a výsledek testů.

Refactoring

Agent může velmi dobře pomoci s mechanickými změnami rozprostřenými přes více souborů.

Typickým příkladem je přejmenování API, přesun služby, změna interface nebo odstranění deprecated funkce.

Právě u těchto úkolů ale pečlivě kontrolujte scope.

Model má občas tendenci „vylepšit“ i věci, o které jste ho vůbec nežádali.

Testy

OpenCode můžete nechat nejdřív analyzovat existující testovací styl.

Zjisti, jak jsou v tomto projektu psané unit testy pro services.

Najdi dva reprezentativní příklady.

Podle stejného stylu navrhni testy pro UserRegistrationService.

Tím snížíte šanci, že vám agent vytvoří úplně nový testovací styl, který do projektu nezapadá.

Security review

V kombinaci s vlastním security agentem nebo Skillem může OpenCode projít konkrétní část projektu.

Například:

Proveď read-only security review tohoto WordPress pluginu.

Zaměř se na authorization, nonce, sanitization, escaping, SQL queries, uploads a REST endpoints.

Nic neupravuj.

Každý nález dolož souborem a relevantním místem v kódu.

Tady je ale důležité zopakovat, že AI security review není náhrada za profesionální bezpečnostní audit.

Je to další kontrolní vrstva.

Dokumentace

Agent, který projektu rozumí, může pomoci s dokumentací mnohem lépe než chat, do kterého vložíte jeden náhodný soubor.

Může najít skutečné CLI commands, konfiguraci nebo workflow a dokumentaci založit na reálném kódu.

Dependency migration

Při přechodu na novou verzi knihovny může Scout dohledat upstream implementaci nebo dokumentaci a agent pak porovnat změny s vaším kódem.

To je jeden z úkolů, kde kombinace codebase research a externího kontextu dává velký smysl.

Pull request review

OpenCode lze použít na lokální kontrolu diffu i automaticky přes GitHub Actions.

Agent může hledat chyby, změny mimo scope, chybějící testy nebo porušení projektových pravidel.

A pokud máte kvalitní AGENTS.md nebo review Skill, může kontrolovat i pravidla specifická pro váš tým.

Na co si dát při používání OpenCode pozor

Coding agent je mimořádně užitečný nástroj.

Je ale dobré nezaměnit schopnost rychle generovat změny za schopnost vždy dělat správná technická rozhodnutí.

Model může halucinovat

Model může vymyslet neexistující API.

Může předpokládat chování knihovny, které ve skutečnosti neplatí.

Může použít deprecated postup.

A dokáže o chybném řešení mluvit velmi přesvědčivě.

Proto používejte testy, dokumentaci a skutečnou runtime verifikaci.

Agent může změnit příliš mnoho

Pokud zadání není dostatečně úzké, agent může začít „uklízet“ codebase.

Přejmenuje proměnné.

Změní styl.

Přidá dependency.

Refaktoruje funkci, kterou jste nechtěli měnit.

Proto v zadání klidně explicitně napište:

Neměň nic mimo scope tohoto úkolu.

Jednoduché instrukce tohoto typu často fungují překvapivě dobře.

Více kontextu není automaticky lépe

Velké množství souborů, dlouhé sessions, desítky MCP tools a obrovský AGENTS.md mohou kvalitu paradoxně zhoršit.

Model má omezenou pozornost i context window.

Dejte mu hlavně informace, které potřebuje pro aktuální úkol.

Skills a subagenti jsou užitečné právě tím, že pomáhají kontext rozdělit.

Shell je skutečný shell

To stojí za zopakování.

Když agent spustí:

rm ...

není to simulace.

Když použije:

git push

může skutečně něco pushnout.

A když má produkční credentials, mohou být jeho nástroje schopné sahat do produkční infrastruktury.

Používejte permissions.

Používejte izolaci.

A produkční přístup dávejte agentovi pouze tehdy, když k tomu máte opravdu dobrý důvod.

Kontrolujte náklady

Silný model a dlouhý agentní úkol dokáže spotřebovat výrazně víc tokenů než několik klasických chatových dotazů.

Občas je levnější zastavit špatně nasměrovaného agenta a začít znovu než doufat, že se po dalších dvaceti tool calls sám opraví.

OpenCode se mění velmi rychle

Jen během několika dní v srpnu 2026 vyšlo několik stable verzí.

To je skvělé z hlediska vývoje projektu.

Pro uživatele to ale znamená, že některé návody nebo konfigurační příklady mohou rychle zastarat.

Při řešení konkrétního problému proto kontrolujte datum dokumentace a hlavně to, zda čtete dokumentaci pro OpenCode 1 nebo 2.

OpenCode 2.0: budoucí generace je už veřejně dostupná

OpenCode 2.0 už není jen plán do budoucna.

K 28. srpnu 2026 existuje jako veřejná beta.

Tým ale výslovně upozorňuje, že se mohou měnit features, APIs, konfigurace i plugin API.

Proto bych V2 zatím nebral jako automatickou náhradu stable OpenCode 1.x.

Jak OpenCode 2.0 nainstalovat

Beta se instaluje například:

npm install -g @opencode-ai/cli@beta

A spouští se příkazem:

opencode2

OpenCode 1 a 2 můžete mít nainstalované vedle sebe.

Stable dál používá:

opencode

Beta používá:

opencode2

To je ideální pro testování.

Nemusíte si rozbít fungující V1 workflow jen proto, abyste se podívali, kam projekt směřuje.

Co se v OpenCode 2.0 mění

V2 má několik záměrných breaking changes.

Týkají se hlavně nového plugin API, server/client API a konfigurace terminálového klienta.

Výrazně se mění například permission model.

Ve V1 můžete mít:

{
  "permission": {
    "bash": {
      "git push *": "ask"
    }
  }
}

Native V2 používá ordered rules:

{
  "permissions": [
    {
      "action": "shell",
      "resource": "git push *",
      "effect": "ask"
    }
  ]
}

Zároveň se mění některé názvy.

bash se ve V2 mění na shell.

task se mění na subagent.

write a patch spadají pod edit.

To je přesně důvod, proč bych nekopíroval náhodné V2 konfigurace do stable OpenCode.

V1 konfigurace ale nemusíte hned zahodit

Dobrá zpráva je, že OpenCode 2 umí načíst řadu podporovaných V1 konfigurací.

Projekt se snaží zachovat kompatibilitu tam, kde to dává smysl, a native V2 syntax není podmínkou jen pro vyzkoušení bety.

Výjimkou jsou především oblasti se skutečnými breaking changes.

Typickým příkladem jsou pluginy.

Dokumentace přímo upozorňuje, že V1 pluginy ve V2 nefungují bez migrace na nové API.

Mám dnes používat OpenCode 1 nebo 2

Pro normální práci bych k 28. srpnu 2026 používal stable OpenCode 1.x.

Je to větev, pro kterou je napsaná hlavní část tohoto návodu.

OpenCode 2.0 bych nainstaloval vedle ní v případě, že mě zajímá:

nový permission model,
budoucí API,
nový plugin systém,
připravované změny platformy,
migrace vlastních integrací.

Na produkční nebo každodenní workflow bych V2 bez konkrétního důvodu zatím nestavěl.

Beta znamená beta.

OpenCode vs Claude Code vs Codex vs Cursor

Tady je velmi snadné sklouznout k jednoduchému žebříčku „kdo je nejlepší“.

Podle mě by to ale bylo zavádějící.

Všechny tyto nástroje dnes umějí mnohem víc než pouze generovat kód.

A hranice mezi nimi se navíc rychle posouvají.

Claude Code dnes funguje v terminálu, IDE, desktopové aplikaci i browseru, podporuje MCP, Skills, více agentů a vlastní Agent SDK.

Codex funguje přes ChatGPT, CLI, IDE a další surfaces a nabízí agentní workflow, MCP, Skills, sandboxing i programové možnosti přes svůj harness a App Server.

Cursor už není jen „VS Code s AI“, ale nabízí Agent, Plan, vlastní CLI, MCP, Skills, subagenty a podporu více modelů.

Proto bych mezi nimi vybíral podle workflow, ne podle jednoho benchmarku.

Kdy dává smysl OpenCode

OpenCode bych zvažoval hlavně tehdy, pokud chcete:

vysokou kontrolu nad modelem a providerem,
používat více různých providerů,
připojit lokální model,
pracovat primárně z terminálu,
používat MCP,
vytvářet vlastní agenty,
nastavovat detailní permissions,
stavět vlastní tools a pluginy,
integrovat agenta do GitHub Actions,
používat headless server,
stavět vlastní aplikace nad agentním runtime.

Právě otevřenost a flexibilita jsou jeho největší výhody.

Kdy bych spíš použil Cursor

Cursor dává podle mě velký smysl člověku, který chce co nejvíc integrované editor-first prostředí.

Agent, diffy, Plan, terminál, modely, rules, MCP a další funkce má přímo v jednom produktu.

Nemusíte tolik přemýšlet o skládání vlastního stacku.

OpenCode je flexibilnější stavebnice.

Cursor může být pohodlnější hotové pracovní prostředí.

Kdy bych spíš použil Claude Code

Claude Code je velmi silná volba pro člověka, který chce především Claude ekosystém a jeho agentní tooling.

Dnes už navíc není omezený pouze na jednoduché CLI a podporuje terminál, IDE, web, desktop, CI/CD, MCP, Skills a paralelní agenty.

Pokud vám Claude vyhovuje jako hlavní modelový ekosystém, vendor independence OpenCode pro vás nemusí být tak důležitá.

Kdy bych spíš použil Codex

Codex dává velký smysl, pokud jste hluboko v OpenAI a ChatGPT ekosystému.

Dnes jde o propojený coding agent dostupný v ChatGPT, editoru i terminálu a OpenAI jej staví také pro multi-agent a automatizované workflow.

Codex navíc používá vlastní agent harness optimalizovaný společně s OpenAI modely.

OpenCode proti tomu sází spíš na širší nezávislost na providerovi.

OpenCode není automaticky nejlepší

Tohle je podle mě důležité říct naplno.

Open source neznamená automaticky lepší.

Více providerů neznamená automaticky lepší výsledky.

A více možností konfigurace neznamená automaticky vyšší produktivitu.

Pokud vám například Cursor perfektně sedí a všechno, co potřebujete, už v něm funguje, přechod na OpenCode vám nemusí přinést vůbec nic.

OpenCode je zajímavý hlavně pro člověka, který jeho flexibilitu skutečně využije.

Pro koho je OpenCode vhodný

Vývojář, který používá více modelů

Nemusíte kvůli každému modelu měnit celé prostředí.

Agentní workflow může zůstat stejné.

Vibe coder, který chce víc kontroly

OpenCode se hodí i pro vibe coding.

Je ale důležité umět alespoň kontrolovat diff, testy a základní chování aplikace.

Čím autonomnější nástroj používáte, tím nebezpečnější je slepě věřit každému jeho kroku.

Power user

Pokud vás baví nastavovat vlastní agenty, tools, MCP, permissions a workflow, OpenCode vám dá hodně prostoru.

Tým

AGENTS.md, projektová konfigurace, GitHub integrace, Skills a sdílená pravidla umožňují standardizovat způsob, jakým agent s projektem zachází.

Firma s vlastní AI infrastrukturou

Multi-provider architektura, vlastní endpointy a serverové API otevírají možnosti pro interní AI infrastrukturu.

Vývojář experimentující s lokální AI

Ollama, LM Studio a další lokální providery dělají z OpenCode zajímavé prostředí i pro open models.

Pro koho OpenCode nemusí být ideální

Pokud nechcete řešit terminál ani konfiguraci a chcete především hotový editor, může být příjemnější Cursor nebo podobný nástroj.

Pokud jste úplný začátečník a neumíte číst diff, pracovat s Gitem ani vyhodnotit, jestli změna dává smysl, může vám autonomní agent vytvořit falešný pocit jistoty.

A pokud používáte pouze jeden ekosystém a jste s ním spokojení, multi-provider flexibilita pro vás nemusí mít velkou hodnotu.

OpenCode je stavebnice.

Ne každý potřebuje stavebnici.

Největší výhody OpenCode

Za hlavní výhody považuji:

open-source základ,
podporu více než 75 providerů,
možnost lokálních modelů,
přímé připojení ChatGPT Plus/Pro,
podporu GitHub Copilotu,
vlastní agenty a subagenty,
AGENTS.md,
detailní permission systém,
MCP,
Skills,
pluginy,
custom tools,
GitHub Actions integraci,
headless server a API,
ACP,
možnost vytvořit si vlastní agentní development workflow.

Žádná jednotlivá položka není sama o sobě revoluční.

Zajímavá je jejich kombinace.

Nevýhody OpenCode

Vyšší learning curve

Nainstalovat OpenCode je snadné.

Využít jeho skutečný potenciál už vyžaduje pochopit providers, agents, permissions, rules, Skills a ideálně také Git.

Rychlý vývoj

Dokumentace a konfigurace se mění.

OpenCode 2.0 navíc zavádí další terminologii a syntax.

Kvalita pořád závisí na modelu

Agentní runtime nedokáže z průměrného modelu udělat špičkového software engineera.

Flexibilita znamená další rozhodování

Který provider?

Který model?

Jaké permissions?

Jaké MCP servery?

Jakého agenta?

Někdo tuto kontrolu miluje.

Jiný chce prostě otevřít editor a programovat.

Bezpečnost je vaše odpovědnost

OpenCode vám dává silné nástroje.

Zároveň vám dává dost prostoru nastavit je špatně.

FAQ

Co je OpenCode

OpenCode je open-source AI coding agent, který může pracovat s vaším projektem, číst a upravovat soubory, spouštět příkazy a používat různé AI modely a externí nástroje.

Je OpenCode zdarma

Samotný OpenCode je open-source software, ale použitý AI model může být placený přes API, předplatné nebo jiný provider.

Používat lze také lokální a některé dočasně bezplatné modely.

Funguje OpenCode s ChatGPT Plus

Ano.

OpenCode oficiálně podporuje přihlášení přes ChatGPT Plus nebo Pro pomocí OpenAI OAuth.

Potřebuji OpenAI API klíč

Ne nutně.

Pokud používáte podporované ChatGPT Plus/Pro přihlášení, můžete se autentizovat přes svůj ChatGPT účet.

API klíč je další možnost.

Funguje OpenCode s GitHub Copilotem

Ano.

OpenCode se může připojit k vašemu GitHub Copilot předplatnému přes GitHub device login, přičemž některé modely mohou vyžadovat Copilot Pro+.

Můžu použít Claude Pro nebo Max

Existují third-party pluginy, které se o to pokoušejí, ale dokumentace OpenCode uvádí, že Anthropic takové použití subscription explicitně zakazuje.

Pro Claude bych proto používal oficiálně podporovanou API cestu nebo jiného legitimního providera.

Umí OpenCode lokální AI

Ano.

OpenCode podporuje lokální providery jako Ollama nebo LM Studio.

Funguje OpenCode na Macu

Ano.

OpenCode podporuje macOS a lze jej nainstalovat například instalačním scriptem, npm nebo Homebrew.

Funguje OpenCode ve VS Code a Cursoru

Ano.

OpenCode lze používat přes IDE integraci a mezi podporované VS Code prostředí patří také Cursor a další forky.

Co je AGENTS.md

AGENTS.md je soubor s instrukcemi pro AI agenty pracující nad projektem.

Může obsahovat architekturu, coding conventions, testovací příkazy, bezpečnostní pravidla a další projektový kontext.

Mám AGENTS.md commitnout do Gitu

Ano.

OpenCode to přímo doporučuje, protože se tím projektová pravidla sdílejí společně s repository.

Co je rozdíl mezi Build a Plan

Build je hlavní agent určený pro vývojové změny.

Plan je omezenější agent určený především pro analýzu a plánování, přičemž ve stable verzi jsou jeho editace a bash operace standardně nastavené na ask.

Co je MCP v OpenCode

MCP neboli Model Context Protocol umožňuje připojit k OpenCode externí tools a služby.

Může jít například o databázi, API, dokumentaci nebo další interní systém.

Co je OpenCode Go

OpenCode Go je volitelné předplatné za 10 dolarů měsíčně, které poskytuje přístup k výběru coding modelů s definovanými usage limity.

Co je OpenCode Zen

OpenCode Zen je volitelný pay-as-you-go AI gateway s modely, které tým OpenCode testoval pro agentní coding workflow.

Co je OpenCode 2.0

OpenCode 2.0 je připravovaná nová generace OpenCode, která je k 28. srpnu 2026 dostupná jako veřejná beta.

Mám používat OpenCode 1 nebo 2

Pro běžnou práci bych zatím používal stable OpenCode 1.x.

OpenCode 2.0 bych používal hlavně na testování nového API, konfigurace a budoucího plugin systému.

Je OpenCode lepší než Claude Code

Neexistuje univerzální odpověď.

OpenCode je velmi silný v otevřenosti a multi-provider flexibilitě, zatímco Claude Code nabízí hluboce integrovaný agentní ekosystém kolem Claude a dnes také rozsáhlé možnosti automatizace, MCP, Skills a více agentů.

OpenCode nebo Codex

OpenCode bych preferoval tam, kde je důležitá nezávislost na providerovi a vlastní agentní infrastruktura.

Codex dává velký smysl uživatelům, kteří chtějí těsnou integraci s OpenAI a ChatGPT ekosystémem.

OpenCode nebo Cursor

OpenCode je podle mě zajímavější jako otevřená agentní stavebnice.

Cursor je velmi silné kompletní editor-first prostředí s vlastním agentem, modely, MCP, Skills a dalšími funkcemi přímo v jednom produktu.

OpenCode není jen další AI nástroj na psaní kódu

Nejzajímavější vlastností OpenCode podle mě nakonec není žádný konkrétní příkaz.

Není to ani počet podporovaných modelů.

Je to způsob, jakým jsou jednotlivé části oddělené.

Máte projekt.

Máte AGENTS.md a další pravidla.

Máte agenty.

Máte Skills.

Máte permissions.

Máte MCP servery a vlastní tools.

Máte Git a automatizační workflow.

A pod tím vším můžete měnit samotný model.

Dnes může být pro váš typ práce nejlepší model od OpenAI.

Za několik měsíců to může být Claude, Gemini nebo open model, který dnes ještě ani neexistuje.

Pokud je celé vaše workflow pevně spojené s jedním providerem, změna může být bolestivá.

OpenCode se snaží tuto vrstvu oddělit.

A právě proto mi přijde zajímavější než jako pouhá „open-source alternativa ke Claude Code“.

Je to spíš stavebnice pro způsob, jakým budeme s AI agenty vyvíjet software.

Pro běžného uživatele může začít jednoduše příkazem opencode v terminálu.

Pro pokročilého uživatele může skončit u vlastních agentů, MCP serverů, GitHub automatizací a interního development systému postaveného nad OpenCode API.

A s veřejnou betou OpenCode 2.0 je čím dál jasnější, že ambicí projektu není pouze přidat AI chat do terminálu.

Ambicí je vytvořit otevřenou platformu, nad kterou si může každý poskládat vlastní agentní development workflow.

Co je OpenCode

OpenCode už dávno není jen terminálový AI chat

Proč je OpenCode zajímavý

Kde můžete OpenCode používat

Terminál

IDE

Desktopová aplikace

Web a server

Jak OpenCode nainstalovat

Jak připojit OpenCode k AI modelu

OpenCode s ChatGPT Plus nebo Pro

OpenCode s GitHub Copilotem

A co Claude Pro nebo Claude Max

Použití klasického API

OpenCode s lokálním modelem

Jaký model pro OpenCode vybrat

Komplikované změny a architektura

Běžné úpravy

Rutinní práce

Citlivá práce

První spuštění OpenCode nad projektem

Co je AGENTS.md a proč je důležitý

Co dát do AGENTS.md

Globální a projektová pravidla

OpenCode a CLAUDE.md

Jak OpenCode používat v praxi

Nejdřív nechte OpenCode problém pochopit

Potom si nechte navrhnout plán

Teprve potom implementujte

Nakonec chtějte review

Build a Plan agent

Build

Plan

Doporučený workflow

Subagenti

Explore

General

Scout

Vlastní agenti

Permissions jsou jedna z nejdůležitějších funkcí OpenCode

Allow, ask a deny

Jemnější pravidla pro shell

Auto mode

Undo a redo

Git je pořád základ

MCP: jak OpenCode připojit k dalším nástrojům

Více MCP serverů nemusí být lépe

Skills: opakovaně použitelné znalosti

AGENTS.md vs Skill

Plugins

Custom tools

MCP nebo custom tool

ACP: OpenCode může být sám agent serverem

OpenCode a GitHub

OpenCode přímo v GitHub issue

Automatické code review a scheduled workflows

OpenCode jako headless server

Server zabezpečte

Užitečné CLI příkazy

Soukromí: kam OpenCode posílá váš kód

Credentials

Pozor na /share

LSP v OpenCode

Pozor na OpenCode 2.0

Kolik OpenCode stojí

ChatGPT Plus nebo Pro

GitHub Copilot

API

Lokální model

OpenCode Go

OpenCode Zen

OpenCode Data: zajímavý pohled na reálné používání

Praktické use cases

Orientace v neznámém projektu

Debugging

Implementace feature

Refactoring

Testy

Security review

Dokumentace

Pozor na `/share`