getdeepseekapi.comGuide
Comment utiliser l'API DeepSeek dans Claude Code : options réelles
Si vous cherchez à utiliser l'API DeepSeek dans Claude Code, la première chose à savoir est que Claude Code communique avec des endpoints de style Anthropic, tandis que ce service utilise le format OpenAI. Un petit proxy de traduction comble cet écart, et cette page montre comment le configurer.
Mis à jour le
Points clés
- Claude Code attend l'API Messages d'Anthropic ; ce service propose des /v1/chat/completions compatibles OpenAI.
- Un proxy local tel que LiteLLM peut assurer la traduction entre les deux formats.
- Aider, Continue et Cline acceptent directement une URL de base compatible OpenAI, sans proxy.
- Il ne s'agit pas de l'API officielle de DeepSeek : c'est un seul modèle à poids ouverts indépendant avec l'ID
uncensored.

Commencez par ce qui fonctionnera et ce qui ne fonctionnera pas
Deux précisions vous éviteront une heure de confusion. Premièrement, ce service n’est pas l’API officielle DeepSeek, et il n’agit pas comme un routeur pour DeepSeek ou tout autre fournisseur. Il héberge un seul modèle à poids ouverts, exécuté par un fournisseur indépendant, sous l’ID de modèle uncensored. Si vous avez besoin des modèles officiels de DeepSeek, adressez-vous directement à DeepSeek. Deuxièmement, Claude Code est conçu autour de l’API Messages d’Anthropic. Vous pouvez modifier l’adresse où il envoie les requêtes, mais le format des données envoyées reste celui d’Anthropic.
Ce service expose POST /v1/chat/completions et GET /v1/models au format OpenAI. Pointer Claude Code directement dessus ne fonctionnera pas, car les chemins et les payloads diffèrent. La solution est d’ajouter une couche de traduction. Vous exécutez un petit proxy sur votre machine qui accepte les appels au format Anthropic depuis Claude Code et les transfère au format OpenAI vers https://api.getdeepseekapi.com/v1. Des outils existent exactement pour cela, et la section suivante en configure un.
Avant de commencer, vérifiez une attente. Claude Code s'appuie fortement sur l'appel de fonctions pour lire des fichiers, les modifier et exécuter des commandes. Cette API prend en charge l'appel de fonctions, y compris les tool_calls en streaming, mais la capacité d'un modèle donné à piloter une longue boucle d'agent est quelque chose à tester sur votre propre dépôt, et non une hypothèse à faire.
Obtenez une clé et confirmez l'endpoint
Créez un compte avec Google ou avec un e-mail et un mot de passe, puis ouvrez la page clé API. Les nouveaux utilisateurs peuvent réclamer 0,50 $ de crédit d'essai gratuit en un clic. Il dure 7 jours, ne nécessite pas de détails de paiement et suffit pour tester tout ce qui suit. Notez qu'une clé d'essai permet 2 requêtes simultanées et 60 par minute, ce qui est important pour les outils d'agent qui déclenchent plusieurs appels à la fois.
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."}]}'
Si cela renvoie une complétion, le côté amont est terminé. Il ne reste plus qu'à câbler le proxy dessus.
Option 1 : un proxy LiteLLM devant Claude Code
LiteLLM est un projet open-source dont le serveur proxy peut exposer un endpoint compatible Anthropic et router vers des backends compatibles OpenAI. Consultez sa documentation pour connaître l’ensemble des fonctionnalités actuelles, car cette partie de l’écosystème évolue rapidement.
Installation et configuration
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
Le préfixe openai/ indique à LiteLLM d'utiliser l'adaptateur compatible OpenAI ; le nom qui suit est envoyé en amont en tant que modèle. Laissez le terminal en cours d'exécution.
Pointez Claude Code vers le proxy
Claude Code lit son endpoint et ses identifiants à partir de variables d'environnement. Dans un second 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
Le jeton d'authentification ici est simplement ce que votre proxy local attend ; la clé réelle reste dans l'environnement du proxy. Définir le modèle petit et rapide est également important, car Claude Code utilise un second modèle pour des tâches légères en arrière-plan. Si vous le laissez non défini, il peut essayer d'appeler un nom de modèle Anthropic que le proxy ne connaît pas. Les versions plus récentes peuvent nommer ce paramètre différemment, alors exécutez claude --help ou lisez la documentation actuelle des paramètres Claude Code si une variable semble ignorée.
Option 2 : des outils acceptant directement une URL de base OpenAI
Si votre objectif est un assistant de codage IA plutôt que Claude Code lui-même, plusieurs outils évitent le proxy car ils parlent déjà le format OpenAI. Chacun vous permet de définir une URL de base personnalisée et un nom de modèle.
- Aider est un assistant de programmation en binôme (pair programming) en ligne de commande. Il lit
OPENAI_API_BASEetOPENAI_API_KEY, et vous préfixez le modèle avecopenai/. - Continue est une extension d'éditeur où une entrée de modèle peut comporter une
apiBaseet un fournisseur de style OpenAI. - Cline propose un fournisseur Compatible OpenAI dans ses paramètres avec des champs pour l'URL de base, la clé et l'ID de modèle.
Avec Aider, toute la configuration tient en trois lignes :
export OPENAI_API_BASE="https://api.getdeepseekapi.com/v1"
export OPENAI_API_KEY="$UNCENSORED_API_KEY"
aider --model openai/uncensored
Ces outils modifient souvent leurs menus, considérez donc les noms de champs ci-dessus comme un guide et suivez la documentation actuelle de chaque projet. Les valeurs dont vous avez besoin ne changent jamais : URL de base https://api.getdeepseekapi.com/v1, votre clé et l'ID de modèle uncensored.
Écrivez votre propre boucle d'agent légère
Lorsqu'un assistant de codage complet est excessif, un script court avec appel de fonctions couvre beaucoup de terrain. Celui-ci permet au modèle de demander à lire un fichier, puis de renvoyer le fichier en tant que message role: "tool".
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})
La limite de boucle de cinq empêche un modèle confus de tourner indéfiniment. Dans un outil réel, vous valideriez également les chemins pour empêcher le modèle de lire des fichiers en dehors du projet.
Limites de débit, coût et correction des 429
Les outils d'agent sont bavards. Une seule tâche peut déclencher des dizaines de requêtes, chacune renvoyant un contexte de plus en plus grand. Avec une clé complète, vous bénéficiez de 8 requêtes simultanées et de 300 par minute. Un 429 avec concurrency signifie qu'il y a trop d'appels qui se chevauchent, et un 429 avec rate_limited signifie trop de requêtes par minute. En cas de surcharge brève, vous verrez un 429 avec Retry-After: 5. LiteLLM peut réessayer automatiquement si vous ajoutez un paramètre de réessai ; consultez sa documentation.
Le coût est modeste car le prix est de 0,15 $ par 1 M de tokens d'entrée et 0,50 $ par 1 M de tokens de sortie. Supposons qu'une session d'agent effectue 40 appels qui envoient chacun 30 000 tokens de contexte et reçoivent 600 tokens. L'entrée est de 1 200 000 tokens, ce qui coûte 1,2 x 0,15 $ = 0,18 $. La sortie est de 24 000 tokens, ce qui coûte 0,024 x 0,50 $ = 0,012 $. Toute la session s'élève à 0,192 $. La fenêtre de contexte est de 100 000 tokens, donc gardez les fichiers que vous chargez ciblés.
Lorsque le crédit d'essai expire, rechargez un montant entier de 20 $ à 500 $ par crypto (USDT sur TRC20, USDC sur Base). Les bonus sont de +5 % à partir de 50 $, +10 % à partir de 100 $ et +15 % à partir de 200 $. Consultez la page des tarifs et la documentation pour les détails.
Dépannage de la configuration du proxy
| Symptôme | Cause | Ce qu'il faut essayer |
|---|---|---|
| Claude Code signale un modèle inconnu | Un nom de modèle en arrière-plan n’est pas mappé | Définissez également la variable du modèle petit et rapide sur uncensored |
| Connexion refusée | Le proxy ne s'exécute pas ou le port diffère | Démarrez LiteLLM et assurez-vous que le port dans ANTHROPIC_BASE_URL correspond |
| 401 côté amont | Mauvaise clé dans l'environnement du proxy | Réexportez UNCENSORED_API_KEY et redémarrez le proxy |
| Les appels de fonctions échouent ou bouclent | Le modèle a du mal avec le format d'agent | Baissez la température, raccourcissez le prompt ou utilisez Aider à la place |
| Erreurs 429 fréquentes | Concurrence de 2 pour la clé d'essai | Rechargez pour obtenir une clé complète avec 8 emplacements simultanés |
Deux habitudes assurent la sécurité de votre configuration. Exécutez le proxy uniquement sur localhost, afin que personne d’autre sur votre réseau ne puisse utiliser votre crédit, et conservez la clé réelle dans l’environnement du proxy plutôt que dans un fichier de projet qui finirait dans le contrôle de version. Surveillez également l’en-tête de réponse X-Balance-USD lors de votre première longue session, car les boucles d’agent peuvent consommer plus de tokens que prévu. Si le solde diminue plus vite que l’estimation ci-dessus, réduisez la taille des fichiers que vous fournissez ou limitez le nombre d’étapes.
Les requêtes échouées ne sont pas facturées, ce qui rend l'expérimentation peu coûteuse. Les prompts ne sont pas utilisés pour l'entraînement. Pour comparer avec d'autres passerelles, consultez notre vue d'ensemble de la clé API.
Plus de guides
Questions et réponses
Claude Code peut-il se connecter directement à cette API ?
Non. Claude Code utilise le format Messages d’Anthropic et cette API utilise le format de complétions de chat d’OpenAI. Placez un proxy de traduction tel que LiteLLM entre les deux.
S'agit-il de l'API officielle DeepSeek ?
Non. Il héberge un seul modèle à poids ouverts indépendant sous l’ID uncensored et n’est affilié ni à DeepSeek ni à aucun autre fournisseur.
Quels outils fonctionnent sans proxy ?
Les outils disposant d'un paramètre de fournisseur compatible OpenAI, tels que Aider, Continue et Cline. Définissez l'URL de base, la clé et l'ID de modèle uncensored.
L'appel de fonctions fonctionne-t-il ?
Oui, y compris les tool_calls en streaming et les résultats renvoyés sous forme de messages role tool. Testez votre propre flux de travail d'agent pour voir comment le modèle les gère.
Votre clé n'est qu'à un formulaire d'ici
Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.