getdeepseekapi.comAnleitung
So nutzt du die DeepSeek API in Claude Code: Echte Optionen
Wenn du wissen willst, wie du die DeepSeek API in Claude Code nutzt, solltest du zuerst wissen, dass Claude Code mit Anthropic-Endpunkten spricht, während dieser Dienst das OpenAI-Format spricht. Ein kleiner Übersetzungs-Proxy schließt die Lücke, und diese Seite zeigt, wie du ihn einrichtest.
Aktualisiert
Wichtige Punkte
- Claude Code erwartet die Anthropic Messages API; dieser Dienst bietet OpenAI-kompatible /v1/chat/completions an.
- Ein lokaler Proxy wie LiteLLM kann zwischen den beiden Formaten übersetzen.
- Aider, Continue und Cline akzeptieren eine OpenAI-kompatible Base URL direkt, ohne Proxy.
- Dies ist nicht die offizielle DeepSeek API: Es ist ein unabhängiges Open-Weight-Modell mit der ID
uncensored.

Beginne mit dem, was funktionieren wird und was nicht
Zwei Klarstellungen sparen eine Stunde Verwirrung. Erstens ist dieser Dienst nicht die offizielle DeepSeek-API und er ist kein Router für DeepSeek oder einen anderen Anbieter. Er hostet ein Open-Weight-Modell, betrieben von einem unabhängigen Anbieter, unter der Modell-ID uncensored. Wenn du die eigenen Modelle von DeepSeek benötigst, wende dich direkt an DeepSeek. Zweitens ist Claude Code auf die Messages API von Anthropic ausgelegt. Du kannst ändern, wohin es Anfragen sendet, aber das gesendete Format ist weiterhin JSON im Anthropic-Stil.
Dieser Dienst stellt POST /v1/chat/completions und GET /v1/models im OpenAI-Format bereit. Claude Code direkt darauf zu richten funktioniert nicht, da die Pfade und Payloads abweichen. Die Lösung ist eine Übersetzungsschicht. Du startest einen kleinen Proxy auf deinem Rechner, der Anthropic-Aufrufe von Claude Code entgegennimmt und sie als OpenAI-Aufrufe an https://api.getdeepseekapi.com/v1 weiterleitet. Es gibt Tools genau für diesen Zweck, und der nächste Abschnitt zeigt die Einrichtung.
Bevor du startest, eine Erwartungsprüfung. Claude Code nutzt stark Function Calling, um Dateien zu lesen, sie zu bearbeiten und Befehle auszuführen. Diese API unterstützt Function Calling, einschließlich gestreamtem tool_calls, aber wie gut ein bestimmtes Modell eine lange Agentenschleife steuert, ist etwas, das du in deinem eigenen Repository testen solltest, nicht etwas, das man voraussetzen sollte.
Hole einen Schlüssel und bestätige den Endpunkt
Erstelle ein Konto mit Google oder E-Mail und Passwort, und öffne dann die API-Schlüssel-Seite. Neue Nutzer können mit einem Klick $0,50 Testguthaben beanspruchen. Es gilt 7 Tage lang, benötigt keine Zahlungsdaten und reicht aus, um alles unten stehende zu testen. Beachte, dass ein Testschlüssel 2 parallele Anfragen und 60 pro Minute erlaubt, was für Agent-Tools wichtig ist, die mehrere Aufrufe gleichzeitig auslösen.
export UNCENSORED_API_KEY="paste-your-key-here"
curl https://api.getdeepseekapi.com/v1/chat/completions \
-H "Authorization: Bearer $UNCENSORED_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"uncensored","messages":[{"role":"user","content":"Reply with the word ready."}]}'
Wenn dies eine Vervollständigung zurückgibt, ist die Upstream-Seite erledigt. Alles Weitere ist das Verdrahten des Proxies damit.
Option 1: Ein LiteLLM-Proxy vor Claude Code
LiteLLM ist ein Open-Source-Projekt, dessen Proxy-Server einen Anthropic-kompatiblen Endpunkt präsentieren und zu OpenAI-kompatiblen Backends routen kann. Prüfe seine Dokumentation für die aktuelle Funktionsmenge, da sich dieser Teil des Ökosystems schnell bewegt.
Installieren und konfigurieren
pip install 'litellm[proxy]'
cat > litellm-config.yaml <<'EOF'
model_list:
- model_name: uncensored
litellm_params:
model: openai/uncensored
api_base: https://api.getdeepseekapi.com/v1
api_key: os.environ/UNCENSORED_API_KEY
EOF
litellm --config litellm-config.yaml --port 4000
Das openai/-Präfix teilt LiteLLM mit, den OpenAI-kompatiblen Adapter zu verwenden; der Name danach wird als Modell an den Upstream gesendet. Halte das Terminal offen.
Richte Claude Code auf den Proxy ein
Claude Code liest seinen Endpunkt und seine Anmeldeinformationen aus Umgebungsvariablen. In einem zweiten Terminal:
export ANTHROPIC_BASE_URL="http://localhost:4000"
export ANTHROPIC_AUTH_TOKEN="any-local-string"
export ANTHROPIC_MODEL="uncensored"
export ANTHROPIC_SMALL_FAST_MODEL="uncensored"
claude
Das Auth-Token hier ist nur das, was dein lokaler Proxy erwartet; der echte Schlüssel bleibt in der Umgebung des Proxys. Die Einstellung des kleinen, schnellen Modells ist ebenfalls wichtig, da Claude Code ein zweites Modell für leichte Hintergrundaufgaben nutzt. Wenn du es nicht setzt, versucht es möglicherweise, einen Anthropic-Modellnamen aufzurufen, den der Proxy nicht kennt. Neuere Versionen können diese Einstellung anders benennen, also führe claude --help aus oder lies die aktuelle Claude Code-Einstellungsdokumentation, wenn eine Variable ignoriert zu werden scheint.
Option 2: Tools, die eine OpenAI Base URL direkt akzeptieren
Wenn dein Ziel ein KI-Coding-Assistent und nicht Claude Code selbst ist, überspringen mehrere Tools den Proxy, da sie bereits das OpenAI-Format sprechen. Jedes erlaubt es dir, eine benutzerdefinierte Base URL und einen Modellnamen festzulegen.
- Aider ist ein Terminal-Pair-Programmer. Er liest
OPENAI_API_BASEundOPENAI_API_KEY, und du präfixierst das Modell mitopenai/. - Continue ist eine Editor-Erweiterung, bei der ein Modelleintrag einen
apiBaseund einen OpenAI-ähnlichen Provider tragen kann. - Cline bietet in seinen Einstellungen einen OpenAI-kompatiblen Provider mit Feldern für Base URL, Schlüssel und Modell-ID an.
Mit Aider ist die gesamte Einrichtung drei Zeilen:
export OPENAI_API_BASE="https://api.getdeepseekapi.com/v1"
export OPENAI_API_KEY="$UNCENSORED_API_KEY"
aider --model openai/uncensored
Diese Tools ändern ihre Menüs oft, also betrachte die oben genannten Feldnamen als Richtlinie und folge den aktuellen Docs jedes Projekts. Die Werte, die du benötigst, ändern sich nie: Base URL https://api.getdeepseekapi.com/v1, dein Schlüssel und die Modell-ID uncensored.
Schreibe deine eigene dünne Agent-Schleife
Wenn ein vollständiger Coding-Assistant übertrieben ist, deckt ein kurzes Skript mit Function Calling viel ab. Dieses lässt das Modell bitten, eine Datei zu lesen, und füttert die Datei dann als role: "tool"-Nachricht zurück.
import json, os
from openai import OpenAI
client = OpenAI(
base_url="https://api.getdeepseekapi.com/v1",
api_key=os.environ["UNCENSORED_API_KEY"],
)
tools = [{
"type": "function",
"function": {
"name": "read_file",
"description": "Read a text file from the project",
"parameters": {
"type": "object",
"properties": {"path": {"type": "string"}},
"required": ["path"],
},
},
}]
messages = [{"role": "user", "content": "What does main.py do? Read it first."}]
for _ in range(5):
r = client.chat.completions.create(model="uncensored", messages=messages, tools=tools)
msg = r.choices[0].message
messages.append(msg)
if not msg.tool_calls:
print(msg.content)
break
for call in msg.tool_calls:
args = json.loads(call.function.arguments)
with open(args["path"]) as f:
result = f.read()
messages.append({"role": "tool", "tool_call_id": call.id, "content": result})
Die Obergrenze von fünf Durchläufen verhindert, dass ein verwirrtes Modell für immer läuft. In einem echten Tool würdest du auch Pfade validieren, damit das Modell keine Dateien außerhalb des Projekts lesen kann.
Ratenlimits, Kosten und das Beheben von 429-Fehlern
Agent-Tools sind gesprächig. Eine einzelne Aufgabe kann Dutzende von Anfragen auslösen, bei denen ein wachsendes Kontextfenster immer wieder gesendet wird. Mit einem vollständigen Schlüssel erhältst du 8 parallele Anfragen und 300 pro Minute. Ein 429 mit concurrency bedeutet, dass zu viele Aufrufe gleichzeitig stattfinden, und ein 429 mit rate_limited bedeutet, dass zu viele pro Minute gesendet wurden. Bei kurzer Überlastung siehst du einen 429 mit Retry-After: 5. LiteLLM kann automatisch wiederholen, wenn du eine Retry-Einstellung hinzufügst; siehe die Dokumentation.
Die Kosten sind moderat, da die Preise $0,15 pro 1M Input-Token und $0,50 pro 1M Output-Token betragen. Angenommen, eine Agent-Sitzung führt 40 Aufrufe aus, die jeweils 30.000 Token Kontext senden und 600 Token zurück erhalten. Input sind 1.200.000 Token, was 1,2 x $0,15 = $0,18 kostet. Output sind 24.000 Token, was 0,024 x $0,50 = $0,012 kostet. Die gesamte Sitzung endet bei $0,192. Das Kontextfenster hat 100.000 Token, also halte die geladenen Dateien fokussiert.
Wenn das Testguthaben aufgebraucht ist, lade mit einer ganzen Summe zwischen $20 und $500 per Krypto (USDT auf TRC20, USDC auf Base) auf. Boni sind +5% ab $50, +10% ab $100 und +15% ab $200. Siehe die Preisseite und die Dokumentation für die Details.
Fehlerbehebung bei der Proxy-Einrichtung
| Symptom | Ursache | Was du versuchen solltest |
|---|---|---|
| Claude Code meldet ein unbekanntes Modell | Ein Hintergrund-Modellname ist nicht zugeordnet | Setze die Variable für das kleine schnelle Modell ebenfalls auf uncensored |
| Verbindung abgelehnt | Proxy läuft nicht oder der Port weicht ab | Starte LiteLLM und passe den Port in ANTHROPIC_BASE_URL an |
| 401 vom Upstream | Falscher Schlüssel in der Proxy-Umgebung | Re-exportiere UNCENSORED_API_KEY und starte den Proxy neu |
| Tool Calls schlagen fehl oder laufen in einer Schleife | Modell hat Schwierigkeiten mit dem Agent-Format | Senke die Temperatur, kürze den Prompt oder nutze stattdessen Aider |
| Häufige 429-Fehler | Concurrency von 2 für Trial-Schlüssel | Lade auf, um einen vollständigen Schlüssel mit 8 parallelen Slots zu erhalten |
Zwei Gewohnheiten halten die Einrichtung sicher. Führe den Proxy nur auf localhost aus, damit niemand anderes in deinem Netzwerk dein Guthaben ausgeben kann, und bewahre den echten Schlüssel in den Umgebungsvariablen des Proxies statt in einer Projektdatei auf, die in die Versionskontrolle gelangt. Achte auch während deiner ersten langen Sitzung auf den X-Balance-USD-Antwortheader, da Agenten-Schleifen mehr Token verbrauchen können, als du erwartest. Wenn das Guthaben schneller sinkt als oben geschätzt, kürze die eingegebenen Dateien oder begrenze die Anzahl der Schritte.
Fehlgeschlagene Anfragen werden nicht berechnet, daher ist Experimentieren günstig. Prompts werden nicht zum Training verwendet. Zum Vergleich mit anderen Gateways lies unsere API-Schlüssel-Übersicht.
Weitere Anleitungen
Fragen und Antworten
Kann sich Claude Code direkt mit dieser API verbinden?
Nein. Claude Code verwendet das Messages-Format von Anthropic, und diese API verwendet das chat completions-Format von OpenAI. Platziere einen Übersetzungs-Proxy wie LiteLLM dazwischen.
Ist dies die offizielle DeepSeek-API?
Nein. Es hostet ein unabhängiges Open-Weight-Modell unter der Modell-ID uncensored und ist nicht mit DeepSeek oder einem anderen Anbieter verbunden.
Welche Tools funktionieren ohne Proxy?
Tools mit einer OpenAI-kompatiblen Anbieter-Einstellung, wie Aider, Continue und Cline. Lege die Base URL, den Schlüssel und die Modell-ID uncensored fest.
Funktioniert Function Calling?
Ja, einschließlich gestreamter tool_calls und Ergebnisse, die als role: tool-Nachrichten zurückgesendet werden. Teste deine eigenen Agent-Workflows, um zu sehen, wie das Modell damit umgeht.
Dein Schlüssel ist nur ein Formular entfernt
Erstelle ein Konto, kopiere den Schlüssel, ändere die Base URL. Das ist die gesamte Einrichtung.