Langsung ke konten

Solusi · Coding agent

Sewa VPS untuk OpenHands

OpenHands adalah coding agent otonom: berikan repositori dan tugas, lalu ia sendiri yang mengedit, menjalankan, menguji, dan membuka pull request, dengan model pilihan Anda di balik API key. README-nya sendiri menyebutkan bahwa cara paling andal untuk menjalankannya adalah di server di cloud, dan peringatannya sendiri menyebutkan bahwa agent memiliki akses penuh ke mesin tempatnya berjalan. Keduanya mengarah ke jawaban yang sama: mesin yang bukan laptop siapa pun. Panduan server proyek ini menyebut 2 vCPU dan 4 GB sudah lebih dari cukup untuk satu pengguna; BD-8 seharga $12.90 per bulan memberinya dua kali lipat itu, dengan harga lebih murah daripada mesin 4 GB di tempat lain.

Deploy BD-8Bandingkan setiap paket

Yang dibutuhkan

Perangkat lunak dari dokumentasi, ukuran diberi label sesuai sumbernya

Perangkat lunak dan postur keamanannya berasal dari dokumentasi proyek itu sendiri. Jika proyek tidak menerbitkan angka perangkat keras, ukuran yang ditampilkan menyebutkan sumbernya.

Dari README OpenHands, SELF_HOSTING.md, dan dokumentasinya

  • “2 vCPU / 4 GB RAM sudah lebih dari cukup untuk satu pengguna” (panduan VM proyek). Dokumentasinya meminta “prosesor modern dan minimal 4GB RAM”.
  • Instal: Node.js 24 atau lebih baru dan uv, lalu npx @openhands/agent-canvas --public. Satu perintah menjalankan agent server, backend otomasi, dan aplikasi web di balik ingress pada 127.0.0.1:8000.
  • Atur LOCAL_BACKEND_API_KEY sebelum start pertama: dalam mode publik setiap panggilan API harus menyertakannya dan aplikasi web memintanya sebelum hal lain. Blokir semua kecuali SSH di firewall terlebih dahulu; panduan menyebutkan untuk melakukannya sebelum agent dijalankan.
  • API key dari penyedia model: dokumentasi menyatakan OpenHands membutuhkannya untuk sebagian besar model. Docker bersifat opsional dan hanya diperlukan jika Anda ingin setiap percakapan berjalan terisolasi dalam container-nya sendiri. Tidak perlu GPU kecuali Anda meng-hosting model sendiri.

Ukuran (angka proyek, lalu angka kami)

Penentuan ukuran berdasarkan beban kerja
Beban kerjavCPURAM
Satu pengguna, model hosted, agent di host (resmi)Angka dari panduan itu sendiri. Agent server berjalan langsung di mesin, jadi mesin itulah sandbox-nya.24 GB
Satu atau dua pengguna, satu sandbox Docker per percakapanAngka kami. Setiap percakapan mendapat container; instalasi dependensi, build, dan rangkaian pengujian berjalan di dalamnya.48 GB
Server agen bersama untuk tim, beberapa agen sekaligusAngka kami. Agent paralel di repositori paralel, masing-masing sedang mengompilasi sesuatu.824 GB

Paket yang cocok

5 mesin, dengan harga terkini

Mesin termurah yang memadai lebih dulu. Harga adalah harga hari ini, per bulan, dibaca dari katalog.

  • BD-8$12.90/bln

    4 vCPU · 8 GB · disk 100 GB · 32 TB

    Termurah dengan ruang untuk build dan pengujian. 4 vCPU, 8 GB, 100 GB, dan transfer 32 TB, dengan harga lebih rendah daripada mesin 4 GB lainnya. Dua kali angka panduan; test suite merasakan manfaat core tambahan.

    Deploy
  • U2-4-40$14.90/bln

    2 vCPU · 4 GB · disk 40 GB · Unmetered

    Persis angka panduan, unmetered, Istanbul. 2 vCPU / 4 GB / 40 GB. Satu pengguna, model yang di-hosting, agen di host. Traffic unmetered untuk clone dan instalasi paket.

    Deploy
  • BD-24$31.90/bln

    8 vCPU · 24 GB · disk 300 GB · 32 TB

    8 vCPU / 24 GB untuk server agen tim. Beberapa agent sekaligus, sandbox Docker, backend otomasi sesuai jadwal.

    Deploy
  • C2-4-80$37.90/bln

    2 vCPU · 4 GB · disk 80 GB · 3 TB

    Angka panduan, di puluhan kota. 2 vCPU / 4 GB / 80 GB. Pilih karena kotanya; jalankan satu percakapan dalam satu waktu.

    Deploy
  • C4-8-160$75.90/bln

    4 vCPU · 8 GB · disk 160 GB · 3 TB

    4 vCPU / 8 GB / 160 GB, di puluhan kota. Ukuran yang lega dengan disk untuk banyak checkout dan image Docker.

    Deploy

Belum ada preset start-up untuk OpenHands: instalasinya adalah lima langkah di bawah, yang Anda ketik sendiri, dalam urutan yang diberikan panduan proyek itu sendiri. Firewall dulu, key kedua, agent ketiga.

Instalasi

Lima langkah, dalam urutan yang diberikan panduan OpenHands sendiri

Panduan menegaskan bahwa firewall dipasang sebelum start pertama, karena agent server bebas menguasai mesin dan hanya firewall serta key yang memisahkannya dari orang asing.

  1. Firewall dulu. ufw allow OpenSSH && ufw --force enable Tidak ada koneksi masuk selain SSH. Ingress (8000), server agen (18000), backend otomatisasi (18001), dan server statis (3001) tidak boleh dapat dijangkau dari luar; panduan menyatakannya dengan kata-kata itu.
  2. Node.js 24 dan uv. apt-get install -y curl git curl -fsSL https://deb.nodesource.com/setup_24.x | bash - && apt-get install -y nodejs curl -LsSf https://astral.sh/uv/install.sh | sh uv menjalankan server agen; panduan menginstalnya dengan installer satu baris dari astral.sh.
  3. Buat key, mulai dalam mode publik. export LOCAL_BACKEND_API_KEY=$(openssl rand -base64 32); echo $LOCAL_BACKEND_API_KEY npx @openhands/agent-canvas --public Salin key ke tempat aman sebelum melanjutkan; mode publik berarti aplikasi web akan memintanya. Untuk penggunaan jangka panjang, gunakan unit systemd dari panduan di /etc/systemd/system/agent-canvas.service dengan Environment=LOCAL_BACKEND_API_KEY=… di dalamnya, lalu systemctl enable --now agent-canvas.
  4. Akses melalui SSH, tambahkan model. ssh -N -L 8000:127.0.0.1:8000 root@your-server lalu http://127.0.0.1:8000, tempel key, lalu Settings: pilih penyedia LLM dan model, lalu tempel API key penyedia tersebut. Mulai percakapan pada sebuah repositori.
  5. Opsional, domain. Arahkan record A ke server, buka port 80 dan 443, apt-get install -y nginx certbot python3-certbot-nginx, dan blok nginx dari panduan yang mem-proxy ke 127.0.0.1:8000 dengan header WebSocket; certbot --nginx -d canvas.example.com --redirect mendapatkan sertifikatnya. Jika 443 harus terbuka untuk publik, panduan menyatakan bahwa key adalah pertahanan utama Anda, jadi buatlah panjang dan rahasiakan.

Terus terang

Yang benar-benar akan kami beli

Panduan menyebutkan 2 vCPU dan 4 GB sudah lebih dari cukup untuk satu pengguna. Belilah mesin 8 GB yang harganya lebih murah daripada mesin 4 GB, dan biarkan agent mengompilasi.

Untuk coding agent satu orang

BD-8 · $12.90/bln

4 vCPU, 8 GB, dan 100 GB seharga $12.90: agent server, beberapa repositori yang di-checkout, pohon dependensinya, dan rangkaian pengujian yang berjalan sementara Anda memantau, dengan memori tersisa jika Anda mengaktifkan sandbox Docker. Modelnya berada di tempat lain, di balik API key, sehingga mesin ini tidak pernah memerlukan GPU dan tagihan yang penting adalah tagihan penyedia model. C2-4-80 seharga $37.90 adalah angka persis panduan di puluhan kota, jika kota lebih penting daripada jumlah core.

Deploy BD-8C2-4-80 di puluhan kota

Pertanyaan

Pertanyaan orang sebelum membelinya.

Berapa RAM yang dibutuhkan OpenHands?
Panduan VM proyek ini menyebutkan bahwa 2 vCPU dan 4 GB RAM sudah lebih dari cukup untuk satu pengguna, dan dokumentasinya merekomendasikan prosesor modern serta minimal 4 GB. Itu mencakup agent server, backend otomasi, dan aplikasi web dengan model hosted. Apa yang kemudian dilakukan agent, yaitu meng-clone repositori, menginstal dependensi, menjalankan build dan pengujian, adalah pekerjaan developer biasa yang membutuhkan sumber daya developer biasa. Karena itulah mesin termurah di halaman ini memiliki 4 core dan 8 GB, bukan batas minimum persisnya.
Mengapa menjalankannya di server, bukan di laptop saya?
Dua alasan dari README itu sendiri. README menyebutkan bahwa cara paling andal untuk menjalankan OpenHands adalah di server di cloud, sehingga agent tetap berjalan saat laptop Anda dimatikan dan dapat dipicu dari Slack, GitHub, atau webhook. README juga memperingatkan bahwa agent server berjalan langsung di mesin dengan akses penuh ke filesystem, shell, dan jaringan. Mesin yang hanya berisi agent dan repositori yang dikerjakannya adalah cara yang jujur untuk memberinya akses tersebut.
Apakah perlu API key, atau bisa memakai model lokal?
Dokumentasinya menyebutkan bahwa OpenHands memerlukan API key untuk mengakses sebagian besar model bahasa, dan mencantumkan penyedia hosted yang direkomendasikannya. Model lokal melalui Ollama atau server serupa didukung, tetapi dokumentasinya menambahkan bahwa kerja agent yang efektif dengan model lokal memerlukan hardware yang mumpuni dan model yang disetel untuk mengikuti instruksi. Dalam praktiknya: model hosted dan API key di mesin ini, dan jika Anda menginginkan model lokal, server model terpisah dengan ukuran sesuai halaman Ollama atau lini GPU.
Apa fungsi --public dan LOCAL_BACKEND_API_KEY?
Tanpa --public, aplikasi menyisipkan session key-nya ke halaman web demi kemudahan, yang oleh README disebut tidak aman untuk deployment yang dapat dijangkau publik. Dengan --public, key tidak ada di halaman: setiap orang yang membuka aplikasi web harus menempelkan LOCAL_BACKEND_API_KEY terlebih dahulu, dan setiap panggilan ke API harus menyertakannya. Urutan dalam panduan adalah firewall, lalu key, lalu start, dan key dibuat dengan openssl rand -base64 32.
Apakah saya memerlukan Docker?
Tidak untuk instalasi default, yang menjalankan agent server langsung di host dengan Node 24 dan uv. Docker diperlukan untuk mode sandbox: menjalankan seluruh stack dari image proyek, atau memberi setiap percakapan container sendiri agar beberapa agent dapat bekerja bersamaan tanpa berbagi filesystem. README mencatat bahwa sandbox mengisolasi eksekusi percakapan, bukan seluruh aplikasi. Jika Anda menginginkannya, instal Docker dan siapkan anggaran untuk baris 8 GB atau lebih.
Port mana saja yang terlibat?
Semuanya terikat ke loopback: proxy ingress di 127.0.0.1:8000 meneruskan ke server statis di 3001, agent server di 18000, dan backend otomasi di 18001. Anda mengakses 8000 melalui tunnel SSH, atau melalui nginx di 443 jika Anda menambahkan domain. Tak satu pun dari keempat port itu boleh terbuka di firewall; panduan menyebutkan nomornya satu per satu sebagai port yang tidak boleh dapat dijangkau dari luar.

Baca selanjutnya

Terkait