クロードコードにおけるあらゆるLLM：クロードコードの多言語モデルを呼び出すためのオープンソースエージェント

のLLM クロード CodeはGitHubでホストされているオープンソースのプロキシツールで、chachakoによって開発され、CogAgent/claude-code-proxyからフォークされている。 クロード・コード LiteLLMは、Proサブスクリプションなしで、LiteLLMがサポートする言語モデル（OpenAI、Vertex AI、xAIのモデルなど）を使用できます。簡単な環境変数設定で、ユーザーは複雑なタスク（ソネット）や補助タスク（俳句）に異なるモデルを割り当てて、パフォーマンスとコストを最適化することができます。このプロジェクトはPythonとLiteLLMをベースにしており、uvを使って依存関係を管理し、AI開発者、Claude Codeユーザー、オープンソース愛好家が簡単にインストールできるようになっている。ドキュメントはわかりやすく、コミュニティは活発で、詳細な設定とデバッグのガイドが用意されている。

機能一覧

• LiteLLM互換の言語モデル（OpenAI、Vertex AI、xAIなど）をクロードコードで使用できるようになりました。
• タスク割り当てを最適化するために、大規模モデル（ソネット）と小規模モデル（俳句）に独立したルーティング設定を提供します。
• カスタムAPIキーとエンドポイントをサポートし、複数のモデルプロバイダと互換性があります。
• LiteLLMを使用して、APIリクエストとレスポンスを自動的に変換し、以下の互換性を確保します。 アンソロピック APIフォーマット対応。
• 統合されたuvツールは、プロジェクトの依存関係の管理を自動化し、展開プロセスを簡素化します。
• リクエストとレスポンスの内容を記録する詳細なロギング機能を提供し、デバッグや迅速なエンジニアリング分析を容易にします。
• ローカルモデルサーバーをサポートし、カスタムAPIエンドポイントの設定が可能。
• オープンソースプロジェクトで、ユーザーがコードを変更したり、機能に貢献したりすることをサポートする。

ヘルプの使用

設置プロセス

クロードコードで任意の LLM を使用するには、以下のインストールと設定の手順が必要です：

1. クローンプロジェクト
   ターミナルで以下のコマンドを実行し、プロジェクトをローカルにクローンする：

   git clone https://github.com/chachako/freecc.git
   cd freecc
   

2. **安装 uv 工具**
项目使用 uv 管理 Python 依赖。若未安装 uv，运行以下命令：
```bash
curl -LsSf https://astral.sh/uv/install.sh | sh

uvは pyproject.toml 手動でインストールすることなく、依存関係を自動的にインストールします。
3. 環境変数の設定
プロジェクト採用 .env ファイルをコピーして、モデルのルーティングとAPIキーを設定します。サンプルファイルをコピーします：

cp .env.example .env

テキストエディタ（nanoなど）を使って .env以下の変数を設定する：

• モデル・ルーティングの設定::
  • BIG_MODEL_PROVIDER大規模なモデル・プロバイダー（例． openaiそしてvertexそしてxai).
  • BIG_MODEL_NAME大きなモデル名（例 gpt-4.1そしてgemini-1.5-pro).
  • BIG_MODEL_API_KEYビッグモデルのAPIキー。
  • BIG_MODEL_API_BASE(オプション) 大きなモデルのためのカスタム API エンドポイント。
  • SMALL_MODEL_PROVIDERミニチュア・プロバイダー。
  • SMALL_MODEL_NAME例：ミニチュアの名前。 gpt-4o-mini).
  • SMALL_MODEL_API_KEYミニチュア用APIキー。
  • SMALL_MODEL_API_BASE(オプション) 小規模モデル用のカスタム API エンドポイント。
• グローバルプロバイダーの設定(バックアップとして、あるいは直接のリクエストとして）：
  • OPENAI_API_KEYそしてXAI_API_KEYそしてGEMINI_API_KEYそしてANTHROPIC_API_KEY各プロバイダのAPIキー。
  • OPENAI_API_BASEそしてXAI_API_BASE カスタム API エンドポイント。
• バーテックスAI専用コンフィギュレーション::
  • VERTEX_PROJECT_IDGoogle Cloud プロジェクト ID.
  • VERTEX_LOCATION頂点AI領域（例えば us-central1).
  • Google Apps デフォルト認証情報（ADC）を設定します：

    gcloud auth application-default login
    

    または環境変数 GOOGLE_APPLICATION_CREDENTIALS クレデンシャルファイルを指す。

• ログ設定::
  • FILE_LOG_LEVELログファイルclaude-proxy.log) レベル（デフォルト） DEBUG).
  • CONSOLE_LOG_LEVELコンソールのログレベル（デフォルト） INFO).
  • LOG_REQUEST_BODYに設定する。 true プロンプトの分析を容易にするため、リクエストの内容を記録する。
  • LOG_RESPONSE_BODYに設定する。 true 模範解答の内容を記録する。

典型例 .env コンフィギュレーション：

BIG_MODEL_PROVIDER="vertex"
BIG_MODEL_NAME="gemini-1.5-pro-preview-0514"
BIG_MODEL_API_KEY="your-vertex-key"
VERTEX_PROJECT_ID="your-gcp-project-id"
VERTEX_LOCATION="us-central1"
SMALL_MODEL_PROVIDER="openai"
SMALL_MODEL_NAME="gpt-4o-mini"
SMALL_MODEL_API_KEY="sk-xxx"
SMALL_MODEL_API_BASE="https://xyz.llm.com/v1"
FILE_LOG_LEVEL="DEBUG"
LOG_REQUEST_BODY="true"

4. オペレーション・サーバー
   設定が完了したら、プロキシサーバーを起動する：

   uv run uvicorn server:app --host 127.0.0.1 --port 8082 --reload
   

   パラメトリック --reload オプション。現像時の自動リロード用。

5. 接続クロードコード
   クロードコードをインストールする（まだインストールされていない場合）：

   npm install -g @anthropic-ai/claude-code
   

   環境変数の設定とエージェントへの接続

   export ANTHROPIC_BASE_URL=http://localhost:8082 && claude
   

機能操作

Any LLM in Claude Code の核心は、Claude Code のリクエストをプロキシ経由でユーザーが設定したモデルにルーティングすることです。以下はこの仕組みの詳細です：

• モデル・ルーティング
  このプロジェクトは、クロード・コードの sonnet(複雑なコード生成などの主な作業）と haiku(素早い文法チェックのような補助タスク）は、異なるモデルを構成する。例えば
  • コンフィグ BIG_MODEL_PROVIDER="vertex" 歌で応える BIG_MODEL_NAME="gemini-1.5-pro"意志 sonnet 高性能モデルへのルーティング。
  • コンフィグ SMALL_MODEL_PROVIDER="openai" 歌で応える SMALL_MODEL_NAME="gpt-4o-mini"意志 haiku コスト削減のため、軽量モデルへの移行を図る。
    ユーザーは .env ドキュメントのモデルやプロバイダーを柔軟に切り替えることができます。
• APIリクエストの変換
  このプロジェクトでは、LiteLLMを通じてAPIフォーマット変換を以下のフローで実装している：
  1. クロード・コードは、アントロピック形式のリクエスト（例えば、次のようなコール）を送る。 claude-3-sonnet-20240229).
  2. 代理人は、以下の根拠に基づいて行動している。 .env コンフィギュレーションは、リクエストをターゲットモデルのフォーマット（例えばOpenAIの gpt-4.1).
  3. 設定されたAPIキーとエンドポイントを注入してリクエストを送信する。
  4. モデルの応答をAnthropicフォーマットに変換し、クロードコードに返します。
     ユーザーが手動で操作する必要はなく、変換プロセスは完全に自動化されています。
• ロギングとデバッグ
  プロジェクトは詳細なログ機能を提供する：
  • セットアップ LOG_REQUEST_BODY="true"クロード・コードのリクエスト内容は、プロンプト・プロジェクトの分析を容易にするために記録される。
  • セットアップ LOG_RESPONSE_BODY="true"そして、モデルの応答を記録し、出力が正しいことを確認する。
  • ログは claude-proxy.logを使用する。 FILE_LOG_LEVEL 歌で応える CONSOLE_LOG_LEVEL ログレベルを制御する。
    問題が発生した場合は、ログを確認するか、次のことを確認してください。 .env のキーとエンドポイント。
• 現地モデルのサポート
  ローカルモデルサーバーのサポート。例えば SMALL_MODEL_API_BASE="http://localhost:8000/v1"に置くことができる。 haiku ローカルモデル（LM Studio など）へのルーティング。ローカルモデルはAPIキーを必要とせず、プライバシーに配慮したシナリオに適しています。

ほら

• ネットワーク接続が安定しており、APIキーが有効であることを確認する。
• バーテックスAIのユーザーを適切に設定する必要があります。 VERTEX_PROJECT_IDそしてVERTEX_LOCATION とADCがある。
• GitHubのプロジェクトページ（https://github.com/chachako/freecc）に定期的にアクセスし、アップデートやコミュニティサポートを確認してください。
• ログには機密情報が含まれている可能性があるため、デバッグ後はログを無効にすることを推奨する。 LOG_REQUEST_BODY 歌で応える LOG_RESPONSE_BODY.

アプリケーションシナリオ

1. クロードコードの柔軟性を高める
   のような高性能モデルを使用するには、クロード・プロのサブスクリプションは必要ありません。 ジェミニ 1.5 Pro）や、コンテキストウィンドウを拡張したりコストを削減したりする低価格モデル（gpt-4o-miniなど）がある。
2. モデルの性能比較
   開発者は、エージェントを通じてモデル（OpenAI、Vertex AIなど）を素早く切り替え、クロードコードで異なるモデルのパフォーマンスをテストし、開発プロセスを最適化することができます。
3. ローカルモデルの展開
   企業や研究者は、データのプライバシーを保護するためにローカル・モデル・サーバーを設定することができ、ローカライズされたAIアプリケーション・シナリオに適している。
4. オープンソースコミュニティへの参加
   オープンソースプロジェクトであるため、開発者はGitHubを通じてコードを提出し、機能の最適化や問題の修正を行うことができ、PythonやAI開発を学ぶ初心者に適している。

品質保証

1. Any LLM in Claude Codeはどのようなモデルに対応していますか？
   OpenAI、Vertex AI、xAI、Anthropicなど、すべてのLiteLLM互換モデルをサポート。 .env 構成モデルとプロバイダー。
2. コンフィギュレーション・エラーにはどう対処すればよいですか？
   調べる claude-proxy.log ログを確認し、APIキー、エンドポイント、モデル名をチェックする。APIキー、エンドポイント、モデル名を確認する。 FILE_LOG_LEVEL="DEBUG" 詳細なログを取得する。
3. クロード・プロのサブスクリプションが必要ですか？
   必須ではありません。このプロジェクトは、無料ユーザーがサブスクリプションの制限を回避して他のモデルを代理で使用することをサポートします。
4. リモートサーバーに展開できますか？
   キャンウィル --host に設定する。 0.0.0.0ポート（例えば 8082) 開く
5. コードを提供するには？
   プルリクエストを提出するには、https://github.com/chachako/freecc。まずは貢献のガイドラインを読むことをお勧めします。