企业官网建设流程全解析

Claude Code Router 详解与接入指南：一个本地网关让所有 AI Agent 用你选定的模型

【免费下载链接】claude-code-routerOne local control plane for every AI agent: route across models, fuse new capabilities, orchestrate tools, and stay fully in control.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-code-router

Claude Code Router（下称 CCR）是一个运行在本地的模型网关与控制平面：它接收 Claude Code、Codex、Kimi CLI 等编程 Agent 发出的请求，按你配置的路由规则转发到任意模型供应商，并在同一个应用里完成凭据轮换、失败回退、能力增强与请求日志。接入后，切换供应商不再需要逐个修改每个 Agent 的配置文件。

🧩 多 Agent、多模型、多 Key 的分散管理，值得一个本地入口

实际使用编程 Agent 一段时间后，通常会遇到四类反复出现的问题：

• 配置分散：Claude Code、Codex、Grok CLI、Kimi CLI、OpenCode、Pi、ZCode 等每个客户端都有自己的模型配置格式，换一家供应商就要逐处改动。
• 单点受限：一个 API Key 受配额、限流和供应商故障影响，请求失败后只能手动重试。
• 能力缺口：手头模型不支持看图或联网检索，但整体又表现不错，不想整个换掉。
• 黑盒运行：请求发出去后，实际命中了哪家供应商、哪个模型、消耗多少 Token、花了多少钱，没有任何记录。

CCR 的解法是给出一个稳定的本地入口：默认监听http://127.0.0.1:3456，所有 Agent 把请求发到这个地址，CCR 再按配置把请求送到命中的供应商、模型和账号。供应商管理、路由规则、工具扩展和观测日志都收在同一个面板里，客户端只需要"知道这个地址"。

🚀 三步完成本地接入：安装、加供应商、应用配置

第一步：安装并启动 CCR

桌面端（macOS / Windows / Linux）是官方推荐的起点，下载安装包启动应用后点击服务 → 启动即可。偏好命令行或服务器部署的，有两种等价方式：

npm install -g @musistudio/claude-code-router ccr ui

docker compose up -d --build

CLI 方式要求 Node.js 22+，启动后打开http://127.0.0.1:3458进入浏览器管理界面；Docker 方式同样默认通过 3458 端口提供界面与网关路由。模型网关本身始终位于 3456 端口，两种方式的配置流程完全一致。

第二步：添加供应商并用连通性检测验证

在供应商 → 添加供应商中，可以选内置预设（OpenRouter、DeepSeek、Moonshot、Kimi Code、Z.AI、百炼、Mistral、SiliconFlow 等），也可以填自定义端点接入任何兼容 OpenAI、Anthropic 或 Gemini 协议的服务。填写 API Key、勾选要暴露的模型后，建议点一次检测连通性——它会发送真实测试请求，确认 Key、模型 ID 和协议确实可调用（注意这会消耗少量 Token）。

两个值得留意的细节：

• 登录态导入：如果本机已登录 Claude Code、Codex 或 Kimi CLI，添加弹窗会提供一键导入入口，直接复用本机 OAuth 凭据，不必再粘贴新的 Key。
• 凭据池：持有多个上游 Key 时，可在高级设置里配成凭据池（多个 API Key 的调度池），CCR 按优先级、权重和本地限额（如每分钟请求数、Token 数）自动选择与跳过，单点限流不再拖垮整条链路。

第三步：创建 Agent 配置并应用

在Agent 配置页选择目标 Agent（以 Claude Code 为例），填写配置名称、选择默认模型并保存，然后从 CCR 的终端按钮或播放按钮直接打开该 Agent——启动时 CCR 会自动注入必要的环境变量，让请求指向本地网关。进入 Claude Code 后用/model命令可以看到 CCR 暴露的全部模型（包括后文提到的 Fusion 组合模型）并随时切换。完成后到日志页确认一条请求的供应商、模型、耗时与 Token 记录，说明链路已经打通。

🎛️ 进阶路由：按任务拆模型、失败自动切换

接入只是起点，CCR 的核心价值在路由层。

条件规则按序匹配：在路由页添加规则，每条规则由"条件"（匹配request.header或request.body的字段与值）和"改写动作"组成，按列表顺序执行，第一条命中的规则决定该请求的最终模型。对 Claude Code 还有一个便利：它的 Subagent / Workflow 派生请求会带上模型标签，CCR 据此为子任务自动选择模型——只要在模型页给候选模型写清 Description（例如"适合摘要与低成本并行子任务""适合跨文件重构"），Claude Code 就会按描述自行挑选，主请求与子请求各走各的模型。

复杂逻辑用脚本规则：多字段判断、灰度分流或动态改写可以写成 Node.js 脚本规则，在受控 Worker 中执行，脚本异常或超时会 fail-open（跳过该规则继续匹配下一条），不会让请求卡死：

if (input.body.model !== "供应商/原模型") return null; return { model: "供应商/目标模型" };

Fusion 组合模型：把基础文本模型与视觉、联网搜索、生图/生视频或自定义 MCP 工具（MCP 是让模型调用外部工具的开放协议）组合成一个新的可选模型。例如"通用模型 + 视觉模型 = 带 V 后缀的视觉版"、"代码模型 + Web Search = 可检索最新资料的模型"。组合结果像普通模型一样出现在路由与/model列表里，保留了原模型的手感又补齐了缺失能力。

失败重试与有序 Fallback：规则可各自配置回退策略，主模型失败时自动切到备用模型，客户端无感知。

🔍 原理揭秘：一次逆向如何变成一个网关

CCR 的起点是 2025 年 2 月。当时 Anthropic 屏蔽了中国区账号，作者对 Claude Code 做了逆向：借助 Chrome DevTools 以调试模式启动claude进程，在混淆过的源码里搜索api.anthropic.com，发现请求的baseURL可以被环境变量ANTHROPIC_BASE_URL覆盖，且请求遵循 Anthropic Messages 规范。

由此方案就很直接：实现一个提供/v1/messages端点的本地服务，完成 OpenAI 与 Anthropic 两套规范之间的请求/响应格式转换；启动 Agent 前把环境变量指向该服务，即可在不改 Agent 源码的前提下拦截、改写并转发请求。这套机制写进了 项目初衷及原理，后续版本则从"单协议转发器"演进为支持 OpenAI Chat/Responses、Anthropic Messages、Gemini 等多协议的多 Agent 网关，路由引擎与请求处理的核心实现位于 packages/core/src/gateway/。

🧭 适合谁用，以及几个需要注意的边界

CCR 适合这样的人群：同时使用多个编程 Agent、希望按任务复杂度与成本分配不同模型、持有多个供应商 Key 需要轮换，或想给现有模型补上视觉/联网能力的开发者。它本质上是一个本地转发层：上游 Key 必须真实有效，CCR 不会替你解决供应商准入问题。

使用前建议留意几点：

• 请求日志默认只保留当天的数据，适合当日排查，不适合作为长期审计归档。
• 检测连通性发送的是真实请求，按量计费或按次计费的供应商会产生少量消耗，建议只勾选需要确认的模型。
• 默认服务只监听本机回环地址；若要通过 Docker 等方式远程暴露 CCR，应先配置独立的 CCR 客户端 Key 与请求、Token 限额。
• 路由规则按顺序匹配且首条命中即生效，调整规则顺序前先想清楚优先级。

如果你的工作流里 Claude Code、Codex 等 Agent 已经超过一个，且不想再为换模型翻配置文件，最稳妥的起步方式是：先接入一个最熟悉的供应商跑通日志，确认路由与成本记录符合预期后，再逐步添加规则、Fusion 模型和凭据池。

【免费下载链接】claude-code-routerOne local control plane for every AI agent: route across models, fuse new capabilities, orchestrate tools, and stay fully in control.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-code-router