Workflow AI Coding Self-Host: Stack Hoàn Chỉnh $6/Tháng Cho 2026

Nếu bạn đang trả $20/tháng cho Cursor + $80/tháng cho Claude Code Pro + $19/tháng cho Copilot + $50/tháng cho Replit credits + $120/tháng cho OpenAI API top-up, chi tiêu AI coding hàng tháng của bạn là $289/tháng. 12 tháng là $3,468 — cho công cụ bạn không sở hữu, không audit được, có thể bị rate-limit hoặc tắt mà không báo trước.

Bộ sưu tập này lắp ráp giải pháp self-host 7 thành phần chạy trên VPS $6/tháng và match 90%+ tính năng SaaS. Chúng tôi đã xuất bản hướng dẫn sâu cho từng thành phần trong 90 ngày qua. Trang này là hướng dẫn lắp ráp stack hoàn chỉnh — cài gì, theo thứ tự nào, với config nào, cộng đường nâng cấp khi vượt tier $6.

TL;DR — Stack Một Cái Nhìn #

Tổng chi phí hàng tháng (VPS 4GB + lưu trữ): tier khởi đầu $6. tier “team 5 người” + Postgres + Redis + LiteLLM nhiều replica khoảng ~$30/tháng.

1. Vì Sao Stack Này Khả Thi Năm 2026 #

Ba điều thay đổi giữa 2024 và 2026 làm AI coding self-host cuối cùng khả thi:

1. Model open-weight đuổi kịp: DeepSeek-V4, Qwen 3 Coder, GLM-4.6 Coder trong 5% so với Claude/GPT-5 ở benchmark coding, miễn phí hoặc gần miễn phí
2. MCP chuẩn hóa tích hợp công cụ: thay vì mỗi editor tự phát minh cách gọi file/git/search tool, protocol giờ là cổng USB-C — xem hướng dẫn MCP Server Registry cho 19,700+ server hiện có
3. Local LLM runner sẵn sàng production: Ollama, vLLM, llama.cpp chạy ở tốc độ chấp nhận được trên phần cứng tiêu dùng

2024 toán học cũng đúng, nhưng trải nghiệm đau đớn. 2026 khoảng cách thu hẹp.

2. Tổng Quan Kiến Trúc #

                  ┌─────────────────────────────┐
                  │   Máy bạn / VPS ($6)        │
                  │                             │
   Bạn gõ  →      │  OpenCode (editor/agent)    │
                  │           │                 │
                  │           ▼                 │
                  │  CC Switch (CLI 1-click)    │
                  │           │                 │
                  │           ▼                 │
                  │  LiteLLM Gateway :4000      │
                  │           │                 │
                  │     ┌─────┴─────┐           │
                  │     │           │           │
                  │     ▼           ▼           │
                  │  9Router    Direct          │
                  │  (RTK nén)   (premium)     │
                  │     │           │           │
                  └─────┼───────────┼───────────┘
                        │           │
              ┌─────────┴───┐  ┌────┴──────┐
              ▼             ▼  ▼           ▼
          Ollama       DeepSeek API   Claude API
          (local)      (suy luận rẻ) (premium)

      MCP servers (filesystem + git + memory + tavily-search)
      gắn vào OpenCode qua claude_desktop_config.json

Pattern: OpenCode là não editor, LiteLLM là cảnh sát giao thông, 9Router nén, MCP servers expose thế giới. Hoán đổi thành phần bất kỳ không động vào cái khác.

3. Thành Phần 1 — OpenCode (Editor / Agent) #

Vai trò: Cái bạn thực sự gõ vào. Thay Cursor + Claude Code Pro.

Vì sao chọn: Agent mã nguồn mở nói MCP native. Trên cùng task refactor (component React 400 dòng), OpenCode + DeepSeek-V4 = 18 giây, $0.007. Claude Code (Sonnet) = 12 giây, $0.14. Rẻ 20×, chậm 5%.

Cài nhanh:

npm install -g @opencode-ai/opencode
opencode --version  # 1.x

Trỏ nó vào LiteLLM gateway (thành phần tiếp) qua config là xong.

Setup đầy đủ bao gồm rule routing provider, kết nối MCP server, tích hợp editor — xem hướng dẫn OpenCode đầy đủ.

4. Thành Phần 2 — Ollama (Local LLM Runner) #

Vai trò: Chạy model nhỏ hoàn toàn trên phần cứng của bạn. Tùy chọn 100% offline cho code nhạy cảm.

Vì sao chọn: 137k star. Cài single-binary. Llama 3.2 3B chạy 22 tok/sec trên M1 MacBook 5 tuổi 8GB RAM. Qwen 3 Coder 14B chạy thoải mái trên Mac M-series 16GB hoặc bất kỳ Linux 32GB nào.

Cài nhanh:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen3-coder:14b
ollama serve  # expose :11434 API tương thích OpenAI

LiteLLM tự pick Ollama làm provider.

Setup đầy đủ với chọn model theo tier phần cứng và trade-off quantization — xem hướng dẫn Ollama production.

5. Thành Phần 3 — LiteLLM (Gateway Thống Nhất) #

Vai trò: Một API tương thích OpenAI đứng trước mọi model — Ollama (local), DeepSeek (rẻ), Claude (premium), Gemini (tier miễn phí). Editor chỉ nói chuyện với LiteLLM; LiteLLM route theo config của bạn.

Vì sao chọn: 47.8k star, gateway LLM nhiều star nhất. Latency P95 8ms ở 1k RPS. Miễn phí nếu self-host. So sánh chi tiết trong hướng dẫn Portkey vs LiteLLM vs OpenRouter 2026.

Triển khai nhanh trên VPS 4GB (đề xuất VPS Hong Kong của HTStack cho sub-30ms latency tới user Trung Quốc đại lục, hoặc droplet DigitalOcean $6 cho nơi khác):

docker run -d --name litellm -p 4000:4000 \
  -e LITELLM_MASTER_KEY=sk-your-secret \
  -e OLLAMA_API_BASE=http://host.docker.internal:11434 \
  -e DEEPSEEK_API_KEY=$DEEPSEEK_KEY \
  -e ANTHROPIC_API_KEY=$CLAUDE_KEY \
  ghcr.io/berriai/litellm:main-stable

Setup đầy đủ với virtual key, theo dõi chi tiêu, rule fallback — xem LiteLLM production gateway 2026.

6. Thành Phần 4 — 9Router (Proxy Tiết Kiệm Token) #

Vai trò: Ngồi giữa LiteLLM và provider “premium” của bạn (Claude / GPT-5). Nén nội dung lặp (file header, system prompt, codebase context) trước khi gửi. Cắt token có phí 20-40% cho coding agent.

Vì sao điều này quan trọng: Coding agent là kẻ tiêu thụ token bệnh hoạn — gửi toàn bộ codebase context mỗi turn. Ở $3/M input token trên Claude Sonnet, cộng dồn nhanh. RTK (Repetition-Token Compression) của 9Router là proxy duy nhất thiết kế đặc biệt cho workload này.

Cài nhanh:

docker run -d --name 9router -p 9999:9999 \
  -e PROVIDERS=anthropic,openai,gemini,deepseek \
  ghcr.io/rtk-ai/9router:latest

Trỏ endpoint premium provider của LiteLLM tới localhost:9999 thay vì direct.

Setup đầy đủ: hướng dẫn 9Router smart proxy.

7. Thành Phần 5 — Memory Layer (mem0 + AgentMemory MCP) #

Vai trò: Memory ngữ nghĩa bền vững qua session coding. “Nhớ là chúng ta dùng Tailwind v4 và auth ở src/lib/auth.ts” — và agent thực sự nhớ thứ Hai tuần sau.

Vì sao chọn: mem0 là layer memory ngữ nghĩa mã nguồn mở 30k+ star. AgentMemory là MCP server expose nó tới bất kỳ MCP host nào (OpenCode / Claude Desktop / Cursor).

Cài nhanh:

npm install -g @mem0/mem0-mcp
# Thêm vào MCP config của OpenCode:
# { "agentmemory": { "command": "mem0-mcp", "args": [] } }

Setup đầy đủ với chọn model embedding và lựa chọn vector DB — xem hướng dẫn AgentMemory MCP.

8. Thành Phần 6 — Code Context MCP (filesystem + git + tavily-search) #

Vai trò: Cho agent mắt và tay. Đọc file project, kiểm tra lịch sử git, tìm web — tất cả qua protocol MCP.

Bộ tối thiểu:

• modelcontextprotocol/server-filesystem (Anthropic reference)
• modelcontextprotocol/server-git (Anthropic reference)
• tavily-mcp (kết quả tìm kiếm web đã format cho LLM)

Cài nhanh (cả 3 thêm vào claude_desktop_config.json của OpenCode):

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
    },
    "git": {
      "command": "uvx",
      "args": ["mcp-server-git", "--repository", "/home/user/projects/your-repo"]
    },
    "tavily": {
      "command": "npx",
      "args": ["-y", "@tavily/mcp"],
      "env": {"TAVILY_API_KEY": "tvly-xxx"}
    }
  }
}

Tavily có tier miễn phí hào phóng (1,000 lượt tìm/tháng) đủ trong ngân sách $6.

Menu đầy đủ 19,700+ MCP server có sẵn và cách chọn thêm: xem hướng dẫn MCP Server Registry toàn diện 2026.

9. Thành Phần 7 — CC Switch (Multi-CLI Orchestrator) #

Vai trò: Khi bạn muốn dùng Claude Code native (không qua OpenCode) cho task cụ thể — hoặc nhảy sang Codex cho tốc độ Rust — CC Switch là swap 1-click. Một config, tất cả AI CLI chia sẻ MCP server.

Vì sao chọn: App desktop Rust + Tauri 75k star nghĩa là bạn ngừng duy trì 5 file ~/.claude_desktop_config.json riêng cho 5 CLI khác nhau.

Cài nhanh: Tải từ farion1231/cc-switch releases. Cấu hình từng CLI với một click.

Hướng dẫn đầy đủ: CC Switch unified AI CLI control center.

10. Thứ Tự Lắp Ráp — Setup Day 1 (90 phút) #

Nếu bắt đầu từ đầu, làm theo thứ tự này:

1. Khởi động hạ tầng (15 phút) — Đặt droplet DigitalOcean $6 , cài Docker, mở port 4000 (LiteLLM) + 9999 (9Router) + 11434 (Ollama)
2. Ollama trước (10 phút) — Cài + pull qwen3-coder:14b (~9 GB). Xác nhận curl localhost:11434/api/tags hoạt động
3. LiteLLM thứ hai (15 phút) — Docker run với env vars từ sec. 5. Xác nhận curl localhost:4000/v1/models -H "Authorization: Bearer sk-your-secret" liệt kê model Ollama
4. 9Router thứ ba (10 phút) — Tùy chọn nhưng khuyến nghị. Thêm vào config premium provider của LiteLLM
5. OpenCode thứ tư (15 phút) — Cài local, trỏ vào LiteLLM tại https://your-vps:4000/v1, test prompt cơ bản
6. MCP servers thứ năm (15 phút) — filesystem + git + tavily thêm vào config OpenCode. Test bằng cách hỏi “liệt kê file trong repo này”
7. mem0 + AgentMemory thứ sáu (10 phút) — npm i -g mem0-mcp, thêm vào config, test bằng cách nói “nhớ là chúng ta dùng Tailwind v4”
8. CC Switch cuối (tùy chọn) — Chỉ khi muốn Claude Code / Codex native song song

Bạn giờ có stack AI coding $6/tháng match 90% bundle SaaS $289/tháng.

11. Phân Tích Chi Phí Hàng Tháng #

So với $289/tháng cho Cursor + Claude Code Pro + Copilot + Replit + OpenAI top-up.

12. Đường Nâng Cấp #

Khi stack vượt tier $6 (hơn 1 dev, hơn 1 project, state bền vững quan trọng):

• Thêm Postgres cho LiteLLM theo dõi chi tiêu + virtual key per project (DigitalOcean Managed Postgres $15/tháng)
• Thêm Redis cho LiteLLM caching (1 GB managed Redis $10/tháng)
• Di chuyển LiteLLM sau load balancer với 3 replica — xem hướng dẫn Portkey vs LiteLLM 2026 sec. 4 cho pattern Kubernetes
• Thêm Grafana + Loki cho observability đầy đủ — log mọi prompt, mọi fallback, mọi cost spike
• Thêm RBAC level team qua LiteLLM enterprise tier (giá custom)

Điểm chính: bạn bắt đầu với $6/tháng và sở hữu toàn bộ stack. Mọi nâng cấp là quyết định chi phí có chủ đích gắn với nhu cầu cụ thể — không phải bẫy SaaS lock-in.

TL;DR — Recipe 7 Thành Phần #

1. OpenCode — não editor
2. Ollama — fallback local
3. LiteLLM — gateway thống nhất
4. 9Router — nén token
5. mem0 + AgentMemory — memory bền vững
6. MCP servers (filesystem + git + tavily) — context + tool
7. CC Switch — orchestration multi-CLI

Tổng: $6/tháng. Tổng: 90 phút lắp ráp. Tổng: vendor lock-in 0.

Nếu bạn tiêu $200+/tháng cho AI coding SaaS, stack này lấy lại vốn trong tuần 1. Khởi động droplet DigitalOcean $6 , làm theo sec. 10, báo lại tuần sau.

Đánh dấu trang này — chúng tôi cập nhật lựa chọn thành phần hàng quý khi có bản release mã nguồn mở mới. Cập nhật cuối: 2026-05-21.