GitHub Copilot接入Claude Code：一个Python文件搞定

为什么Copilot用户需要这个方案

不少GitHub Copilot用户在体验过Claude Code之后，发现它在终端中的交互方式和代码分析能力确实好用，想把Claude Code纳入日常工作流。问题在于，Claude Code需要Anthropic原生API或其他兼容API，而很多开发者手头只有Copilot订阅，不想再额外花钱。

理解这个问题的根源，需要先了解两个工具的技术背景。GitHub Copilot是微软与OpenAI合作推出的AI编程助手，基于OpenAI的Codex/GPT系列模型，通过IDE插件形式提供代码补全和对话功能。Claude Code则是Anthropic推出的面向终端的AI编程工具，直接在命令行环境中运行，能够读取项目文件、执行命令、分析整个代码库，交互方式更贴近开发者的实际工作流。两者底层调用的是不同公司的模型服务，API格式也完全不兼容，这正是需要代理桥接的根本原因。

市面上有一些开源项目可以把Copilot暴露为标准API接口，但大多功能臃肿、配置繁琐。今天介绍的这个项目走了另一条路——核心代码仅一个Python文件，充当本地代理，把Copilot的模型能力桥接给Claude Code，堪称最轻量的Copilot转Claude Code方案。

项目特点与核心架构

这个项目的设计理念就是极简。整个核心逻辑集中在一个 .py 文件中，本地启动一个代理服务，将GitHub Copilot的认证和模型调用能力转化为Claude Code可识别的API格式。

从技术实现角度看，这里采用的是经典的适配器模式：代理服务对外暴露符合Anthropic Messages API规范的HTTP接口，对内将请求转换为Copilot可识别的格式并完成认证，再将响应反向转换后返回给Claude Code。整个过程对Claude Code完全透明，无需修改任何一方的原始代码，两个不兼容的接口就此协同工作。

主要特性包括：

• 轻量级：核心仅一个Python文件，无需复杂的依赖和配置
• 共享模式：支持局域网内其他设备访问，团队协作友好
• 快速模式：可跳过默认的Web UI确认界面，直接启动
• 自定义端口：默认端口可自由更换，避免冲突
• 日志审计：自动记录所有对话日志，方便事后回溯

完整使用教程

第一步：克隆项目并启动代理服务

把项目代码克隆到本地，进入目录后直接运行即可。默认参数下，服务仅本机可访问。

git clone <项目地址>
cd <项目目录>
python main.py

启动时可以附加参数来调整行为：

• --share：开启共享模式，局域网内其他人也能用
• --fast：快速模式，跳过Web UI确认
• --port：指定自定义端口号

第二步：完成GitHub OAuth授权

首次运行时需要进行一次GitHub OAuth授权。程序会生成一个设备码，把它复制到GitHub的授权页面完成验证就行。这个授权只需要做一次，后续启动会自动复用。

这里使用的是GitHub OAuth Device Flow（RFC 8628），一种专为CLI工具和无浏览器环境设计的授权协议。流程分为两步：首先设备向GitHub请求一个短期有效的device_code和user_code；用户在浏览器中访问GitHub授权页面输入user_code完成身份验证；设备端轮询GitHub服务器，一旦用户授权完成，即可换取长期有效的access_token并持久化存储。这种机制不需要重定向回调URL，非常适合本地服务场景，也是为什么整个授权过程如此简洁的原因。

授权成功后，程序会自动输出所需的环境变量配置信息，同时启动一个Web UI界面，你可以在界面上直接复制环境变量。

程序会根据操作系统生成对应格式的命令：

• macOS/Linux：export 格式
• Windows PowerShell：对应的PowerShell语法

第三步：配置环境变量并启动Claude Code

打开一个新的终端窗口，执行刚才复制的环境变量配置命令，然后正常启动Claude Code。

Claude Code通过读取特定环境变量来确定API端点和认证信息，核心变量包括 ANTHROPIC_BASE_URL（指定API服务地址）和 ANTHROPIC_API_KEY（认证密钥）。将 ANTHROPIC_BASE_URL 指向本地代理服务后，Claude Code会把所有API请求发往本地，而非Anthropic的官方服务器。这种通过环境变量切换后端的设计是现代CLI工具的常见实践，使得工具本身无需任何修改即可对接不同的服务提供商。

此时Claude Code会通过本地代理连接到Copilot的模型服务。你可以像往常一样与Claude Code交互——询问模型信息、分析当前项目代码、生成代码片段，操作体验和直连API没有区别。

实际体验效果

从实际使用来看，通过这个代理方案调用Claude Code，响应速度很快，代理层几乎没有引入额外延迟。无论是简单问答还是复杂的项目分析，整体体验与使用Anthropic原生API高度一致。

日志与审计功能

值得一提的是，项目会在运行目录下自动创建 logs 文件夹，记录所有对话内容和配置信息，包括：

• 每次对话的完整请求和响应日志
• 审计日志（Pass audit log）
• 会话设置信息

这个功能在团队使用场景下特别有价值。随着AI工具在企业开发流程中的渗透加深，对AI交互内容的审计和管控已成为合规要求的重要组成部分。完整的请求/响应日志不仅能帮助团队追踪token消耗、控制成本，还能在安全审查中提供证据链——例如确认敏感代码是否被提交给外部AI服务。部分行业（如金融、医疗）的数据安全规范甚至明确要求记录所有外部数据传输行为。本地代理架构天然具备这一能力：所有流量都经过本地节点，日志数据留存在企业自己的基础设施内，合规性更有保障，管理者也可以清楚地了解每个人的使用情况和token消耗。

适用场景与总结

这个方案特别适合以下几类开发者：

1. 已有Copilot订阅，不想额外购买Anthropic API的用户
2. 习惯Claude Code工作流，但受限于API来源的开发者
3. 团队协作场景，需要共享一个Copilot账号给多人使用Claude Code
4. 注重审计合规，需要记录所有AI交互日志的企业用户

整个项目的核心价值在于用最小的代价，打通了Copilot与Claude Code之间的壁垒。一个Python文件、一次GitHub Device Flow授权、几行环境变量配置，就能让你用熟悉的Claude Code体验，消耗的却是Copilot的额度。如果你同时在用这两个工具，这个轻量代理方案值得一试。

核心要点

• 该项目核心仅一个Python文件，通过适配器模式将GitHub Copilot桥接到Claude Code，是目前最轻量的同类方案
• 支持共享模式、快速模式和自定义端口，首次使用只需一次GitHub OAuth Device Flow授权，后续自动复用
• 通过环境变量ANTHROPIC_BASE_URL将Claude Code请求重定向至本地代理，使用体验与Anthropic原生API高度一致，代理层几乎无额外延迟
• 自动记录所有对话日志和审计信息，数据留存本地，方便团队管控、成本追踪和合规审查
• 特别适合已有Copilot订阅但希望使用Claude Code工作流的开发者，以及有审计合规需求的企业团队