← 返回信息流
Agent SkillLINUX DO · AI·1 小时前

利用CC-Switch反代实现京东免费Token接入Claude Code

原标题：cc-switch接入京东白嫖的token

速览

本文分享了利用CC-Switch工具搭建本地反代服务，解决Claude Code等工具接入非Anthropic原生API的字段映射问题。具体案例为将京东提供的兼容OpenAI格式的免费积分接口接入Claude Code，详细说明了自定义模型配置及路由设置方法。

AI 深度解读

背景

在当前的 AI 开发生态中，开发者经常面临模型成本高昂或特定模型访问受限的问题。京东（JD.com）作为国内头部互联网企业，其内部积分体系（如 50W 积分）往往包含了对大模型 API 的调用权益。然而，这些权益通常绑定在京东自有的 API 接口上，该接口虽然遵循 OpenAI 的兼容格式（OpenAI-compatible），但并未直接对接 Anthropic 的 Claude Code 等主流智能体框架。

Claude Code 等工具底层依赖 Anthropic 的 API 规范，而京东提供的接口遵循 OpenAI 规范。由于两者在字段映射、请求结构上存在差异，直接接入会导致调用失败。为了解决这一兼容性问题，开发者需要一种中间件或代理方案，在本地实现协议转换。本文分享了利用 cc-switch 这一本地反代工具，将京东的 OpenAI 兼容接口映射为 Anthropic 兼容接口，从而在 Claude Code 中免费调用 GLM-5.2 模型的具体实践。

核心内容

要实现非 OpenAI 原生接口（如京东 API）在 Claude Code 中的使用，核心在于解决 API 协议的不兼容问题。文章指出了两种技术路径，并推荐了基于 cc-switch 的本地反代方案。

1. 技术路径对比

  • 方案一：框架层劫持 在 Claude Code 或 Codex 等智能体框架内部，通过代码劫持其发出的 HTTP 请求，并在内存中替换字段结构。
    • 缺点：破坏性强，侵入式修改导致可观测性差，调试困难，且对普通开发者门槛极高，容易因版本更新导致失效。
  • 方案二：本地反代服务（推荐） 在本地（127.0.0.1）启动一个代理服务，作为 Claude Code 与厂商 API 之间的“中间人”。该服务负责接收 Claude Code 发出的 Anthropic 格式请求，将其转换为 OpenAI 格式发送给京东 API，并将响应转换回 Anthropic 格式返回给客户端。
    • 优点：非侵入式，解耦清晰。在众多反代工具（如 CPA, sub2API）中，cc-switch 因其对本地服务支持良好且具备出色的可视化配置界面，被选为本次实践的工具。

2. cc-switch 配置实操步骤

  • 第一步：配置基本接口信息

    1. 在 cc-switch 界面点击“+”并选择“自定义”。
    2. 输入京东的 OpenAI 兼容接口地址，例如：https://agentrs.jd.com/api/saas/openai-u/v1。
    3. 进入“高级选项”，设置“API 格式”为 OpenAI Chat Completions，并务必开启“路由”功能。

  • 第二步：配置模型映射（关键步骤）

    1. 前往京东官方渠道查询当前积分支持的模型列表。
    2. 在 cc-switch 中尝试使用“获取模型列表”功能，但需注意，京东此类接口往往未配置标准的 /v1/models 列表接口，因此需手动输入。
    3. 核心注意事项：“实际请求模型”名称必须与京东厂商侧支持的名称严格一致，否则无法调用。同时，需确认厂商是否支持所需的上下文窗口（如 1M 上下文），若不支持则需调整配置。
    4. 添加模型配置。

  • 第三步：启用路由

    1. 进入“设置” -> “路由”页面。
    2. 确保与 Claude Code 相关的路由开关全部打开（界面中通常有明确标识）。
    3. 返回首页，确认路由标志符号处于开启状态。

  • 第四步：验证测试 在 cc-switch 界面进行连通性测试，若显示成功，则表明本地反代服务已打通，Claude Code 可通过配置本地代理地址调用该模型。

关键要点

  • 协议转换必要性：Claude Code 使用 Anthropic API 规范，而京东 API 使用 OpenAI 规范，两者字段映射不同，必须通过中间件进行转换。
  • 工具选择：cc-switch 是处理本地反代服务的优选工具，因其可视化程度高且配置简便，优于代码劫持方案。
  • 模型名称一致性：手动配置模型映射时，“实际请求模型”字段必须与厂商（京东）侧定义的模型名称完全一致，这是最容易踩坑的地方。
  • 上下文窗口确认：并非所有配置都支持超大上下文（如 1M），需提前向厂商确认具体模型的能力边界。
  • 服务自启：本地反代服务依赖 cc-switch 进程运行，建议在“设置–通用”中开启自启，确保每次重启电脑后无需手动启动即可使用。
  • 潜在 Bug：由于字段映射并非完美无损，特别是在工具调用（Tool Use）场景下，可能会出现不可预知的 Bug。建议密切关注社区动态，及时更新补丁。

意义与影响

这一实践展示了“薅羊毛”背后的技术逻辑，即通过协议转换层打破厂商间的生态壁垒。对于开发者而言，这不仅提供了一种低成本获取高性能模型（如 GLM-5.2）的途径，更提供了一种通用的架构思路：利用本地代理层（Proxy Layer）解决异构 API 兼容性问题。

虽然本文以京东积分为例，但该方法论可复用于任何遵循 OpenAI 兼容格式但未被主流 AI 工具原生支持的 API 服务。它降低了开发者接入私有化模型或特定渠道模型的门槛，体现了开源社区在工具链创新上的活力。同时，这也提醒开发者，在享受便利的同时，需对底层协议差异保持敏感，并关注映射层可能带来的稳定性风险。

相关推荐

查看原文 →linux.do