claude-code-router
统一管理多款AI编程工具的本地网关，支持模型路由、Key轮换、用量追踪和Fallback策略
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
统一管理多款AI编程工具的本地网关，支持模型路由、Key轮换、用量追踪和Fallback策略
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
当你同时在用 Claude Code 写前端、用 Codex 写 Python 脚本、还开了个 Grok CLI 查资料，却发现每个工具都要单独配置 API Key、设置模型参数、管理用量额度时——一个朴素而强烈的需求就出现了：能不能把这些编程 Agent 的模型层统一管起来？
Claude Code Router（以下简称 CCR）就是来解决这个问题的。它是一个本地控制平面，充当所有 AI 编程工具的统一网关：你在 CCR 里配置一次供应商和路由策略，Claude Code、Codex、Groq CLI、ZCode 等所有兼容客户端都通过本机地址访问，彻底告别"每个 Agent 改一套配置"的混乱状态。截至 2026 年中，该项目已收获超过 35,000 颗 GitHub 星标，成为 AI 编程工具生态中增长最快的辅助项目之一。
Claude Code Router 由 musi studio 团队开发维护，这是一个专注于 AI 编程工具生态的开发者社区。项目启动于 2025 年初，最初是为了解决团队内部同时运营多个 AI 编程 Agent 时的配置管理难题——每个 Agent 都要单独配置 API 端点、Key 和模型版本，既繁琐又容易出错。
项目采用 TypeScript monorepo 架构，由四个核心子包组成：
ccr 指令集值得注意的是，项目集成了 @the-next-ai/ai-gateway 和 @the-next-ai/bot-gateway-sdk 两个内部包，构成了其供应商探测和协议兼容层的基础能力。这也是 CCR 能同时支持 OpenAI Chat、Anthropic Messages、Gemini Generate Content、OpenRouter、DeepSeek、Moonshot（Kimi）、智谱、百炼等数十家供应商的底层原因。
CCR 的架构遵循经典的 控制平面 + 数据平面 分离模式：
上游层（Upstream）：对接各模型供应商的 API 协议。项目实现了多种协议适配器，包括：
路由引擎（Routing）：请求转发策略的核心。项目实现了多维度路由能力：
gpt-4 → OpenAI，claude-3 → Anthropic）凭据池（Credential Pool）：Key 轮换和负载均衡。一个供应商可以配置多个 API Key，CCR 按配置策略自动轮换，兼顾限流规避和成本控制。
Fusion 组合模型：CCR 的特色能力之一。它允许用户以某个基础模型为核心，通过配置叠加额外能力（如视觉识别、联网搜索、MCP 工具），创建一个虚拟的"增强版模型"，Agent 使用时感知不到底层差异。
Agent 发起请求 → CCR 网关接收（端口 3458）
→ 路由引擎匹配配置（Agent类型/模型前缀/条件规则）
→ 协议适配层转换（如需）
→ 凭据池选取 Key
→ 转发至上游供应商
→ 响应流返回 → 日志记录 → 返回 Agent
整个过程对 Agent 完全透明，Agent 以为自己直连 API，实际上所有流量都经过 CCR 的本地代理。
CCR 内置了数十家主流 AI 服务供应商的预设配置，包括 OpenAI、Anthropic、Google、DeepSeek、Moonshot（Kimi）、OpenRouter、Mistral、百炼、智谱、SiliconFlow 等。用户只需填入 API Key，CCR 会自动探测供应商的协议类型、可用模型列表，并进行连通性检测。这比逐个查文档配置端点和模型名要高效得多。
对于 Kimi Code（Moonshot AI 推出的编程专用模型），CCR 做了深度集成：支持 Kimi Code 订阅端点的原生接入，账户余额和订阅用量可以直接在 CCR 面板中查看。
CCR 提供了完整的用量观测能力：
对于有成本管控需求的团队（比如公司给每个开发者分配了固定预算），CCR 的本地限额功能可以精确控制每个客户端 Key 的请求量，超额自动阻断或切换。
CCR 提供两种管理界面：
两种界面的功能基本一致，配置数据完全互通，开发者可以根据使用习惯选择。
MCP（Model Context Protocol）是 Anthropic 推出的工具调用协议，CCR 对其有良好支持：
CCR 支持将 Agent 接入多种即时通讯平台：企业微信、飞书、钉钉、Slack、Discord、Telegram、LINE 等。这意味着 Agent 的输出可以直接推送到 IM 群组，实现"在群里调教 AI 编程助手"的体验。
CCR 提供了两层扩展能力：
开发者可以基于 Plugin SDK 开发私有扩展，满足特定业务场景的定制需求。
CCR 提供了四种部署路径，对不同技术背景的用户都很友好：
桌面客户端安装（推荐新手）：直接下载对应平台的 DMG/EXE 安装包，图形界面引导配置，5 分钟即可启动本地网关。这是上手门槛最低的方式。
Docker 一键部署（推荐服务器场景）：
docker run --rm -p 3458:8080 -v ccr-data:/data musistudio/claude-code-router:latest
CCR 提供了多阶段构建的优化 Dockerfile，最终镜像只包含运行时 Node.js 环境 + Nginx，大小控制在合理范围内。数据持久化到 Docker Volume，升级容器不会丢失配置。
npm 全局安装（适合 CLI 爱好者）：
npm install -g claude-code-router-monorepo
ccr init
ccr start
需要 Node.js >= 22 环境。
源码编译（适合开发者定制）：Clone 仓库后，npm install && npm run build，生产物在 packages/electron/dist/ 下。
Web UI 截图（需要运行后访问 http://localhost:3458 查看）：
首次启动后，Web UI 会引导用户完成三步配置：
CCR 并非银弹，以下几点值得关注：
代理环境下配置复杂：如果你处于企业网络代理环境，CCR 本身需要额外配置上游代理，否则无法访问部分境外模型服务。文档中有相关说明但不够详尽。
供应商可用性依赖上游：CCR 能探测供应商健康状态，但无法阻止供应商本身的服务中断（Anthropic 宕机、API 限流等）。Fallback 链能缓解单点故障，但配置不当会导致请求堆积。
安全性需要自控：CCR 运行在本地，API Key 存储在本机数据库（SQLite）。如果本机被攻破，Key 面临泄露风险。对于高敏感场景，建议配合系统级访问控制使用。
Node.js 版本要求较高：项目需要 Node.js >= 22，对仍在使用 Node 18/16 的团队有一定迁移成本。
供应商预设的时效性：随着各平台 API 不断迭代，CCR 的内置预设可能出现滞后，需要等待官方更新或手动调整。不过由于项目更新频率较高（v3.0.13），这个问题的实际影响有限。
CCR 的出现折射出一个正在发生的变化：AI 编程工具正在从"单点工具"演化为"工具生态"。当 Claude Code、Copilot、Codex、Gemini Code 等工具并存时，如何高效管理它们、避免重复配置、最大化利用不同模型的能力，成为开发者的真实痛点。
CCR 本质上做的是模型路由 + 协议适配 + 用量管理这三件事。在 AI Agent 时代，这类中间件层的重要性会持续上升：
类似的中间件项目还包括 OpenRouter（云端路由）、Portkey（LLM 可观测性平台）等。CCR 的差异化在于完全本地化、Agent 原生、扩展性强，特别适合对数据隐私有要求或需要深度定制的开发团队。
截至目前，CCR 的 GitHub Star 仍在稳定增长，Issues 和 PR 社区活跃度高，团队维护质量良好。对于正在构建 AI 编程工作流的个人开发者和团队，这是一个值得投入时间了解的工具。
Claude Code Router 为 AI 编程工具生态提供了关键的统一控制平面能力。它解决了多 Agent 并行使用时配置分散、Key 管理混乱、用量不可见的核心痛点，通过本地网关模式实现了供应商无关的路由策略、透明的费用追踪和灵活的扩展机制。
无论你是同时运营多个 AI 编程工具的资深开发者，还是希望精细化管理 API 成本的团队负责人，CCR 都提供了开箱即用的解决方案。随着 AI 编程工具生态持续分化，这类中间件的价值将进一步凸显。