词元星图TokenAtlas
返回案例库

精选案例 · Agent / 实践案例

a2o - Anthropic to OpenAI API Proxy

这个案例围绕「a2o - Anthropic to OpenAI API Proxy」记录了一条真实 AI 实践线索，正文重点集中在「项目动机」「功能」，适合先按任务意图阅读再判断复用。

案例速读

README 标题「a2o - Anthropic to OpenAI API Proxy」下已经出现运行/配置路径、脚本或接口线索、结果证据，正文重点集中在「项目动机」「功能」，比纯概念介绍更适合进入精选阅读流。 这篇案例的阅读价值在于，它把真实任务、模型辅助过程和可迁移做法放在同一个上下文里，读者可以从 「a2o - Anthropic to OpenAI API Proxy」、「项目动机」、「功能」、「兼容性」 进入正文。

  • 建议重点看 可参考其中的运行与配置路径、包含可迁移的命令、脚本或接口线索、已有结果或观测证据可用于判断复用价值。结合 Agent / 实践案例 和「任务驱动用户、AI 实践者」这一受众定位，它更适合作为任务检索后的精读材料，而不是只看一句短摘要后快速跳过。
  • 正文目录和原始材料仍然是判断依据；导读只帮助你更快定位阅读重点。
看点
a2o - Anthropic to OpenAI API Proxy
读者
任务驱动用户、AI 实践者
复用
可参考其中的运行与配置路径
结构
10 个目录入口

原文内容

a2o - Anthropic to OpenAI API Proxy

本人是地空学院博后，日常重度使用 Claude Code 辅助编程。Claude Code 的消息协议基于 Anthropic 格式，市面上类似 cc-switch 的工具过于臃肿，于是利用 DeepSeek V4 Pro 写了这个极轻量的 Anthropic → OpenAI 协议转换代理。USTC DeepSeek 现已同时支持 Anthropic 和 OpenAI 接口，因此本项目的目的转向深入了解 Agent 与大模型之间的工作流。

单文件、零依赖，通过协议转换观察 Claude Code 与 LLM 之间的完整交互过程。

项目动机

Claude Code 作为 AI 编程 Agent，通过 Anthropic Messages API 与 LLM 交互，涉及流式响应、tool calling、thinking/reasoning 等复杂协议细节。通过实现协议转换层，可以：

  • 透明地观察 Agent 与模型之间的每一轮请求和响应
  • 理解 tool call 的完整生命周期：定义 → 调用 → 执行 → 结果回传
  • 观察流式响应中 content block 的切换逻辑（text / thinking / tool_use）
  • 分析 system prompt 的组织方式和多轮对话的消息结构

功能

  • 将 Anthropic /v1/messages 请求转换为 OpenAI /v1/chat/completions 格式
  • 支持流式/非流式响应、tool calling、thinking/reasoning blocks
  • 支持多服务负载均衡、上游代理
  • 请求级日志，便于调试和观察协议细节

兼容性

特性 状态
流式/非流式响应 ✅
Tool calling (tools + tool_use + tool_result) ✅
Thinking / reasoning blocks ✅
多模态 (图片) ✅
前缀缓存透传 ✅

工作流

Claude Code ──Anthropic──▶ a2o ──OpenAI──▶ 上游 API (LiteLLM / 任意兼容服务)
  (Agent)     格式       (协议转换)   格式

通过 a2o 的 debug 日志，可以观察到 Claude Code 发送的完整 system prompt 结构、tool 定义、以及每一轮对话中模型返回的 tool_use 和 thinking 内容。

快速开始

# 1. 编译
go build -o a2o main.go

# 2. 配置
cp config.example.json config.json
vim config.json

# 3. 运行
./a2o -config config.json

# 4. 测试
curl -s http://localhost:9999/v1/messages \
  -H "x-api-key: your-client-auth-key-here" \
  -H "anthropic-version: 2023-06-01" \
  -d '{"model":"deepseek-chat","max_tokens":50,"messages":[{"role":"user","content":"hi"}]}'

配置说明

{
  "debug_level": "info",
  "auth_token": "client-auth-key",
  "services": [
    {
      "comment": "ustc_deepseek",
      "listen_address": "9999",
      "openai_base_url": "https://api.llm.ustc.edu.cn/v1/chat/completions",
      "openai_api_key": "sk-xxx",
      "force_model": "",
      "upstream_proxy": ""
    }
  ],
  "round_robin_address": "",
  "timeout_seconds": 300
}
字段 说明
debug_level "info" 或 "debug"（输出请求/响应详情）
auth_token a2o 自身的鉴权密钥，客户端需在 x-api-key 或 Authorization: Bearer 头中提供。注意：这是 Claude Code → a2o 之间的密钥，不是发往上游的 API key
services[].listen_address a2o 监听端口（如 9999）
services[].openai_base_url 上游 API 地址，需以 /v1/chat/completions 结尾
services[].openai_api_key 上游 API 密钥，a2o 发往上游时使用
services[].force_model 可选，强制覆盖客户端请求的 model 名称
round_robin_address 可选，多服务负载均衡端口
timeout_seconds 上游请求超时时间，默认 300

对接 Claude Code

设置 Claude Code 的环境变量指向 a2o：

export ANTHROPIC_AUTH_TOKEN=client-auth-key
export ANTHROPIC_BASE_URL=http://localhost:9999

注意：ANTHROPIC_AUTH_TOKEN 需与 config.json 中的 auth_token 一致，ANTHROPIC_BASE_URL 不需要 /v1 后缀。

端点

路径 说明
POST /v1/messages 主代理端点
GET /health 健康检查
POST /v1/messages/count_tokens Token 估算

调试

config.json 中设置 "debug_level": "debug" 即可观察完整的请求/响应流：

[deepseek-chat] 📥 Request: model=deepseek-chat, messages=3, tools=12
[deepseek-chat] 📤 Response: 50432 prompt tokens, 512 completion tokens
[deepseek-chat] 💾 Prefix Cache Hit: 50432 cached tokens (vLLM)
[deepseek-chat] 🔗 Cache Header: HIT

通过日志可以观察：

  • Claude Code 发送的 system prompt 规模和 tool 定义数量
  • 模型返回的 thinking 内容和 tool call 参数
  • 缓存命中情况和 token 消耗分布
返回顶部