Cursor/Devin/Kiro 一键接管：Codei 本地 AI 网关实战

同一套 AI 能力被拆成三份，配置抄来抄去，上游一挂只能干等——这大概是每个同时用多个 AI 编辑器的开发者都经历过的日常。B 站这期视频介绍了一个叫 Codei 的本地工具，思路很直接：在你自己电脑上跑一个 AI 连接器，把编辑器发出的请求统一转接到你配置的上游源。看完演示，我觉得它解决的不是「多一个功能」，而是「多编辑器时代的基础设施缺失」。

核心原理：本地透明代理，编辑器零改造

Codei 的定位是「跑在本地的 AI 连接器」。它在本地监听请求，把编辑器发出的 AI 协议自动转换，再转发给你配置的上游——OpenAI 兼容接口、Anthropic 的 Claude 协议、自建服务都能接。

最关键的细节是编辑器侧一行配置都不用改。它内置了 IDE 管理页，Devin、Cursor、Kiro 逐个接管，回到编辑器里模型列表直接多出一整页。背后靠的是本地透明代理加证书配置，配好一次之后全自动。

这意味着一件事：你不用为了换源去改每个编辑器的 settings，也不用在不同工具之间同步配置。网关做了一层抽象，编辑器只认它，它认所有上游。

透明代理与证书注入：透明代理是指客户端无需显式配置代理地址，流量在网络层被自动重定向到代理服务器。Codei 要让编辑器把请求发给自己而不改编辑器配置，通常依赖系统或环境层面的代理设置，以及针对 HTTPS 流量的中间人（MITM）证书注入——即由 Codei 生成一个本地根证书并安装到系统信任库，用它动态签发目标域名的证书，从而解密并转发编辑器的 AI 请求。这也是为什么文中提到「配好一次之后全自动」，以及在「适用边界」中提醒企业环境需确认证书合规性：根证书被信任后，理论上可解密该设备上的相关 HTTPS 流量，属于需要审慎评估的安全边界。

接源与模型管理：从测试连通到一键同步

接源流程很轻：地址一填、Token 一贴，OpenAI 兼容和 Claude 两种协议都认。点测试连通，通没通、延迟多少毫秒当场告诉你。

点同步之后，上游所有模型会一次性列出来。显示名可以改，价格可以自定义标注，自定义模型可以随手加，思考强度支持从关闭到拉满一键调档。要画图的话，出图单独指一个图片源，换源点一下，编辑器里的模型跟着秒换——不用重启。

这部分的设计取向很明显：把模型当成可编排的资源，而不是绑死在某个订阅里的固定选项。

OpenAI 兼容接口与 Claude 协议：OpenAI 兼容接口指遵循 OpenAI Chat Completions 或 Responses API 请求/响应格式的服务端点，许多第三方模型服务、自建推理框架和聚合平台都提供这种兼容层，因此「填地址、贴 Token」即可接入。Claude 协议则是 Anthropic 自家 Messages API 的格式，在消息结构、系统提示词位置、工具调用字段上与 OpenAI 存在差异。Codei 同时支持两种协议，意味着它需要在内部做协议转换与模型能力映射，这也是它能「一键同步模型列表、自定义显示名与价格、调思考强度」的前提——不同上游的模型元数据需要被归一化到统一的管理界面中。

自动故障切换：上游挂了，对话照常

这是视频里我认为最有价值的功能。打开自动故障切换开关后，上游限流、报错甚至整个挂掉，Codei 会自动把流量切到下一个源，你这边对话照常继续，几乎无感。

视频开头的演示就是这一幕：上游刚挂，但它还在刷字，因为三秒前路由已经被换掉了。

它管的不只是聊天，Agent、工具调用等四类流量全接。还可以按编辑器分别配置规则：自定义系统提示词可以替换或追加，编辑器自带的上下文会被保留。每个编辑器有自己的身份和配额，面板里看得清清楚楚。

远程开发与 CLI 全家桶：代码在服务器，模型在本地

远程开发场景的处理挺巧妙。Remote SSH 到服务器写代码时，远端的 AI 流量会通过隧道导回本机，照样走你配置的源，证书自动注入、链路自动重定向。目前支持 Linux 远端。

翻译一下：代码跑在服务器上，模型用的还是你本地这一套。对经常在远程环境写代码的人来说，这解决了「远端没法方便地用自己订阅」的老问题。

CLI 工具同样纳管。Claude Code、Codex、Gemini CLI 等终端里的全家桶都归它管，选好源一键写进配置，写之前自动留备份，后悔了随时退回。MCP 服务器也在同一处管理，勾好一键注入，原来的配置不动。

Remote SSH 隧道与 CLI 配置注入：Remote SSH 是 VS Code 等编辑器通过 SSH 连接远程服务器、在远端运行开发环境的模式。默认情况下，远端进程发起网络请求走的是服务器网络，无法直接使用本机订阅或本地代理。Codei 的做法通常是在 SSH 连接上建立反向端口转发（SSH 隧道），把远端 AI 流量导回本机监听端口，再配合远端证书信任配置实现透明接管。CLI 工具方面，Claude Code、Codex、Gemini CLI 等通常通过环境变量（如 API Base URL、API Key）或本地配置文件指定模型端点，Codei 的「一键写进配置」本质是安全地改写这些配置项，并在改写前备份原文件以便回退。

Fast Context 与可观测性：把账算清楚

Fast Context 是另一个亮点：直接调 Devin 的代码库检索，自动复用本地 Devin 登录，零配置。新项目 clone 下来，第一个问题就能问到点上。规则中心则是一套规则用所有编辑器，同一份规范不用到处抄。

可观测性方面，每个请求都记账：网络面板里逐条拆开看哪家模型、多少 token、跑了几毫秒、成没成功。诊断页把证书和拦截状态全摊开，出问题不用瞎猜。配合用量统计，这个月请求多少、烧了多少 token、哪个模型最费，终于算得清。

另有两个偏趣味的设计：内置桌宠，烧的 token 是它的口粮；Stash 用来接住脑子里闪过的想法，帮你追问、扩写成可直接用的 prompt，用得越久知识库越厚。

MCP 与代码库检索：MCP（Model Context Protocol）是 Anthropic 提出的开放协议，用于让 AI 应用以标准化方式连接外部工具、数据源和上下文服务器，编辑器与 CLI 可通过 MCP 服务器扩展能力。Codei 在同一处管理 MCP 服务器并「一键注入」，是把工具接入的配置集中化。Fast Context 所调的「代码库检索」属于检索增强生成（RAG）思路的一种工程化实现：对代码库建立索引，在提问时检索相关文件片段并注入上下文，从而让模型在陌生项目中快速定位。它复用本地 Devin 登录实现零配置，说明检索能力由上游服务托管，Codei 只负责调用与上下文拼装。

上手成本与适用边界

上手三步：下载安装、点连接完事、打开编辑器随意换源。连接和流量都留在本地。

客观来说，这类网关工具解决的是「多编辑器 + 多上游」的配置复杂度，如果你的日常只用一两个编辑器、一个固定订阅，收益有限；但只要同时用 Cursor 写前端、Devin 跑任务、CLI 做脚本，统一接管和故障切换的价值就出来了。需要留意的是，接管流程依赖本地证书注入，企业环境或对证书管理敏感的场景需要先确认合规性。