用统一代理接入多种终端编程智能体

通过由你自己的 Provider 支持的代理，使用 Claude Code、Codex、Pi 或它们的 IDE 扩展。

使用免费、付费或本地模型运行你的编程 Agent。通过一个本地 Admin UI 选择并验证 Provider。

快速开始 · Provider · 客户端 · 集成 · 管理

Claude Code 正通过 Free Claude Code 代理运行。

Codex CLI 正在使用本地 FCC Responses Provider。

通过 Claude Code 原生 /model 选择器使用 FCC 网关模型。

通过 Codex 原生 /model 选择器使用生成的 FCC 模型目录。

使用 fcc-claude 启动 Claude Code，使用 fcc-codex 启动 Codex，或使用 fcc-pi 启动 Pi。

在 Windows 或 macOS 上，通过桌面启动器让 FCC 在后台运行。

通过 Admin UI 在 31 个云端和本地 Provider 之间切换。

使用每个编程 Agent 自带的原生模型选择器。

将 Fable、Opus、Sonnet、Haiku 以及 fallback 流量分别路由到不同模型。

在兼容模型之间保留流式输出、工具调用、reasoning 和图片输入能力。

在 VS Code 中连接 Claude Code 和 Codex，或通过 JetBrains ACP 连接 Claude Code。

还可以选择通过 Discord 或 Telegram 运行 Claude Code 会话，并支持语音消息转写。

使用可选的 token 身份验证保护本地代理。

curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh

& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.ps1")))

每当需要更新时，重新运行相同命令即可。运行前，你可以先查看安装脚本：install.sh 和 install.ps1。

安装程序会询问要安装或验证哪些编程 Agent。请至少选择一个；跳过的 Agent 将保持不变。

从桌面或“开始”菜单打开 Free Claude Code。

从桌面或“应用程序”文件夹打开 Free Claude Code。

fcc-server

在 Windows 和 macOS 上，FCC 会在系统托盘或菜单栏中运行，无须打开终端。你可以通过菜单打开 Admin、检查服务器状态、重启或退出。在 Windows 上，左键单击托盘图标会直接打开 Admin。

如果只想输出已安装的 Free Claude Code 版本，而不启动服务器，请运行 fcc-server --version。

使用 fcc-server 时，请保持终端窗口开启。默认情况下，服务器健康运行后，Admin UI 会在浏览器中自动打开。它的地址会显示在启动日志中：

INFO:     Admin UI: http://127.0.0.1:8082/admin (local-only)

如果终端显示的端口不是 8082，请使用终端中实际显示的端口。

3. 配置 NVIDIA NIM

在 build.nvidia.com/settings/api-keys 创建一个 API key。

打开服务器日志中显示的 Admin UI URL。

将 key 粘贴到 NVIDIA_NIM_API_KEY。

让 MODEL 保持默认值 nvidia_nim/nvidia/nemotron-3-super-120b-a12b，或者搜索模型下拉菜单并选择其他模型。

单击 Validate，然后单击 Apply。

4. 运行你的编程 Agent

fcc-claude

fcc-codex

fcc-pi

这三个启动器都会使用 Admin UI 中的当前设置。使用 Agent 自带的模型选择器，从 FCC 暴露的模型中进行选择。常规 CLI 参数仍然有效，例如：

fcc-codex exec "hello"

fcc-pi 只会为当前 Pi 进程注册 FCC；你已有的 Pi 设置、会话、凭据和扩展都不会改变。

打开下面对应的 Provider 入口，获取其 key、模型或配置说明。

在 Admin UI 中配置列出的设置。对于 OpenAI，请改用 Providers → Connected accounts。

搜索 MODEL 下拉菜单并选择模型。如果 Provider 无法列出模型，请手动输入 <provider-id>/<exact-provider-model-id>。

单击 Validate，然后单击 Apply。

重要的 Provider 注意事项：

OpenAI 使用你的 ChatGPT 订阅，而不是 API key。请从 Providers → Connected accounts 发起连接；默认使用浏览器 PKCE，headless 环境也可以使用 device code。FCC 会将自己的可续期凭据保存在 ~/.fcc/auth/ 下，不会改动 Codex 的登录状态。连接后，请重启已经运行的 Agent，以刷新其模型选择器。

Azure OpenAI 使用你资源中的 deployment 名称。请将 AZURE_OPENAI_BASE_URL 设置为完整的 v1 endpoint，例如 https://YOUR-RESOURCE-NAME.openai.azure.com/openai/v1/，并选择一个支持 Chat Completions 的 deployment。Azure 不会通过其 data-plane 模型列表暴露自定义 deployment 名称，因此请将 deployment 名称作为自定义模型 slug 输入。

Mistral Codestral 使用的 key 与 Mistral La Plateforme 不同。

Kimi Code 订阅 key 使用 kimi_code/；Kimi API 额度 key 使用 kimi/。根据 Kimi 的社区准则，Kimi Code 套餐用于个人交互式编程 Agent。

OpenCode Zen 和 OpenCode Go 共用 OPENCODE_API_KEY，但使用不同的模型前缀。

Amazon Bedrock 使用其兼容 OpenAI 的 Mantle endpoint。请将 BEDROCK_BASE_URL 设置为与 API key 所在区域相同的 endpoint，并选择 FCC 模型选择器返回的模型之一。

Vertex AI 使用 Google Application Default Credentials，而不是 API key。在本地环境中，只需运行一次 gcloud auth application-default login；service-account 文件和挂载的 service account 同样可用。设置 VERTEX_PROJECT_ID，还可以选择修改默认值为 global 的 VERTEX_LOCATION。FCC 会自动刷新即将过期的 access token。

Cloudflare 同时需要 API token 和 account ID。

Ollama Cloud 直接连接 ollama.com；请使用 FCC 模型选择器显示的准确模型 ID。本地 Ollama 仍可通过单独的 ollama/ 前缀使用。

编程 Agent 应优先使用支持工具调用的模型。本地模型还需要具备足够长的上下文，以容纳 Agent 的 system prompt 和工具定义。

启动 LM Studio 的本地服务器，加载一个支持工具调用的模型，并将 LM Studio 显示的模型标识符与 lmstudio/ 前缀组合使用。默认 URL 为 http://localhost:1234/v1。

启动 llama-server，启用其兼容 OpenAI 的 Chat Completions API，并为模型提供足够的上下文。将本地模型 ID 与 llamacpp/ 前缀组合使用。LLAMACPP_BASE_URL 默认为 http://localhost:8080/v1；FCC 既接受服务器根地址，也接受带有明确 /v1 后缀的地址。

ollama pull llama3.1
ollama serve

使用 ollama list 显示的 tag，并加上 ollama/ 前缀。OLLAMA_BASE_URL 默认为 http://localhost:11434；FCC 既接受根 URL，也接受带有明确 /v1 后缀的地址。

可选的模型层级路由

MODEL 是所有请求的 fallback。为 MODEL_FABLE、MODEL_OPUS、MODEL_SONNET 或 MODEL_HAIKU 选择模型，可以覆盖单独的 Claude Code 层级；选择 None 则继续使用 MODEL。

例如，可以将 Opus 路由到 nvidia_nim/nvidia/nemotron-3-super-120b-a12b，将 Sonnet 路由到 open_router/openrouter/free，将 Haiku 路由到 lmstudio/qwen3.5-coder，同时让 MODEL 保持为 zai/glm-5.2。

打开 Admin UI → Model Config → Reasoning，然后选择你想要的行为。

如果 Provider 不支持所选控制项，则会保留自身原有的行为。

对于终端使用方式，请先启动 fcc-server，再运行 fcc-claude、fcc-codex 或 fcc-pi。编辑器集成请参阅下面的指南。

安装 Claude Code 扩展。以 JSON 格式打开 VS Code 的用户设置，并添加：

"claudeCode.disableLoginPrompt": true,
"claudeCode.environmentVariables": [
  { "name": "ANTHROPIC_BASE_URL", "value": "http://localhost:8082" },
  { "name": "ANTHROPIC_AUTH_TOKEN", "value": "freecc" },
  { "name": "CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY", "value": "1" },
  { "name": "CLAUDE_CODE_AUTO_COMPACT_WINDOW", "value": "190000" },
  { "name": "DISABLE_AUTOUPDATER", "value": "1" },
  { "name": "DISABLE_FEEDBACK_COMMAND", "value": "1" },
  { "name": "DISABLE_ERROR_REPORTING", "value": "1" }
]

请让端口和身份验证 token 与 Admin UI 中的设置保持一致，然后重新加载扩展。

启动 FCC，然后将它的 Provider 和生成的模型目录添加到用户级 Codex 配置中。

Windows——编辑 %USERPROFILE%\.codex\config.toml，并替换 YOUR_USERNAME：

model_provider = "fcc"
model = "nvidia_nim/nvidia/nemotron-3-super-120b-a12b"
model_catalog_json = "C:/Users/YOUR_USERNAME/.fcc/codex-model-catalog.json"

[model_providers.fcc]
name = "Free Claude Code"
base_url = "http://127.0.0.1:8082/v1"
http_headers = { Authorization = "Bearer freecc" }
wire_api = "responses"

macOS——编辑 ~/.codex/config.toml，并替换 YOUR_USERNAME：

model_provider = "fcc"
model = "nvidia_nim/nvidia/nemotron-3-super-120b-a12b"
model_catalog_json = "/Users/YOUR_USERNAME/.fcc/codex-model-catalog.json"

[model_providers.fcc]
name = "Free Claude Code"
base_url = "http://127.0.0.1:8082/v1"
http_headers = { Authorization = "Bearer freecc" }
wire_api = "responses"

请让模型、端口和 bearer token 与 Admin UI 中的设置保持一致。完成配置或修改模型后，重启 Codex App，然后使用它的模型选择器选择任意 FCC Provider/model slug。

安装 Codex 扩展。创建或编辑 ~/.codex/config.toml（Windows 上为 %USERPROFILE%\.codex\config.toml）：

model_provider = "fcc"
model = "nvidia_nim/nvidia/nemotron-3-super-120b-a12b"

[model_providers.fcc]
name = "Free Claude Code"
base_url = "http://127.0.0.1:8082/v1"
http_headers = { Authorization = "Bearer freecc" }
wire_api = "responses"

请让模型、端口和 bearer token 与 Admin UI 中的设置保持一致，然后重启 VS Code。如果 Codex 运行在 WSL 中，请编辑 WSL 内部的文件。

编辑已经安装的 Claude ACP 配置：

Windows：C:\Users\%USERNAME%\AppData\Roaming\JetBrains\acp-agents\installed.json

Linux/macOS：~/.jetbrains/acp.json

为 acp.registry.claude-acp 设置环境变量：

"env": {
  "ANTHROPIC_BASE_URL": "http://localhost:8082",
  "ANTHROPIC_AUTH_TOKEN": "freecc",
  "CLAUDE_CODE_ENABLE_GATEWAY_MODEL_DISCOVERY": "1",
  "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "190000",
  "DISABLE_AUTOUPDATER": "1",
  "DISABLE_FEEDBACK_COMMAND": "1",
  "DISABLE_ERROR_REPORTING": "1"
}

请让端口和 token 与 Admin UI 中的设置保持一致，然后重启 IDE。

如果在配置 FCC URL 和 token 后，Claude Code 仍要求你登录，请打开它的状态文件：

Windows：%USERPROFILE%\.claude.json

macOS/Linux/WSL：~/.claude.json

将下面这个属性合并到现有 JSON 中，不要删除其他字段：

"hasCompletedOnboarding": true

如果文件不存在，请创建文件并写入一个完整的 JSON 对象：

{
  "hasCompletedOnboarding": true
}

保存文件后，重启 Claude Code 或 IDE。

可选集成

在 Admin UI → Messaging 中配置集成，然后单击 Validate 和 Apply。

在 Discord Developer Portal 中创建一个 bot。

启用 Message Content Intent，并在邀请 bot 时授予读取、发送、查看消息历史和 Manage Messages 权限，以便 /clear 能删除用户 prompt。

将 Messaging Platform 设置为 discord。

输入 Discord Bot Token、Allowed Discord Channels 和一个绝对路径形式的 Allowed Directory。

应用设置；如果系统提示需要重启服务器，请执行重启。

通过 @BotFather 创建一个 bot。

通过 @userinfobot 获取你的数字 user ID。在群组中，请授予 bot 删除消息的权限。

将 Messaging Platform 设置为 telegram。

输入 Telegram Bot Token、Allowed Telegram User ID 和一个绝对路径形式的 Allowed Directory。

应用设置；如果系统提示需要重启服务器，请执行重启。

使用所需的语音后端重新运行安装程序。

# NVIDIA NIM transcription
curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh -s -- --voice-nim

# Local Whisper on CPU or CUDA
curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh -s -- --voice-local

# Both backends
curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh -s -- --voice-all

# Local Whisper with the CUDA 13.0 PyTorch backend
curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh -s -- --voice-local --torch-backend cu130

# NVIDIA NIM transcription
& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.ps1"))) -VoiceNim

# Local Whisper on CPU or CUDA
& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.ps1"))) -VoiceLocal

# Both backends
& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.ps1"))) -VoiceAll

# Local Whisper with the CUDA 13.0 PyTorch backend
& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.ps1"))) -VoiceLocal -TorchBackend cu130

重启 fcc-server。在 Admin UI → Messaging → Voice 中启用语音消息，选择 cpu、cuda 或 nvidia_nim，并选择 Whisper 模型。本地 gated 模型需要 HUGGINGFACE_API_KEY；NVIDIA NIM 转写需要 NVIDIA_NIM_API_KEY。

管理你的安装

重新运行“Install Or Update”中与你的平台对应的命令。

首先停止所有正在运行的 FCC 命令。卸载程序在删除 FCC 管理的数据前，会验证所有 FCC 命令均已停止。

Free Claude Code，包括其桌面启动器和命令

Claude Code、Codex 和 Pi

curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/uninstall.sh" | sh

& ([scriptblock]::Create((irm "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/uninstall.ps1")))

报告 bug 或请求新功能

架构与扩展指南

采用 MIT License。详情请参阅 LICENSE。