Claude Code में DeepSeek API का उपयोग कैसे करें: वास्तविक विकल्प
यदि आप Claude Code में DeepSeek API का उपयोग करने के बारे में सोच रहे हैं, तो सबसे पहले यह जानना महत्वपूर्ण है कि Claude Code Anthropic-शैली के एंडपॉइंट्स से बात करता है, जबकि यह सेवा OpenAI फॉर्मेट का उपयोग करती है। एक छोटा ट्रांसलेटिंग प्रॉक्सी अंतर को पाटता है, और यह पेज दिखाता है कि इसे कैसे सेटअप करें।
अपडेट किया गया
मुख्य बिंदु
- Claude Code Anthropic Messages API की उम्मीद करता है; यह सेवा OpenAI-कम्पैटिबल /v1/chat/completions प्रदान करती है।
- LiteLLM जैसे लोकल प्रॉक्सी दोनों फॉर्मेट्स के बीच अनुवाद कर सकता है।
- Aider, Continue और Cline प्रॉक्सी के बिना सीधे OpenAI-कम्पैटिबल बेस URL स्वीकार करते हैं।
- यह DeepSeek की आधिकारिक API नहीं है: यह
uncensoredID वाले एक स्वतंत्र ओपन-वेट मॉडल है।

शुरू करें उससे जो काम करेगा और जिससे काम नहीं बनेगा
दो स्पष्टीकरण एक घंटे का भ्रम बचाते हैं। पहला, यह सेवा आधिकारिक DeepSeek API नहीं है, और यह DeepSeek या किसी अन्य विक्रेता के लिए एक राउटर नहीं है। यह एक ओपन-वेट मॉडल होस्ट करता है, जो एक स्वतंत्र प्रदाता द्वारा चलाया जाता है, मॉडल ID uncensored के तहत। यदि आपको DeepSeek के अपने मॉडल चाहिए, तो सीधे DeepSeek पर जाएं। दूसरा, Claude Code Anthropic के Messages API के आसपास बनाया गया है। आप जहां अनुरोध भेजते हैं उसे बदल सकते हैं, लेकिन आप जो भेजते हैं वह अभी भी Anthropic फ़ॉर्मेट का JSON है।
यह सेवा POST /v1/chat/completions और GET /v1/models को OpenAI फॉर्मेट में एक्सपोज़ करता है। Claude Code को सीधे इसकी ओर इशारा करना काम नहीं करेगा, क्योंकि पथ और पेलोड अलग हैं। समाधान एक ट्रांसलेशन लेयर है। आप अपनी मशीन पर एक छोटा प्रॉक्सी चलाते हैं जो Claude Code से Anthropic-फॉर्मेट कॉल्स स्वीकार करता है और उन्हें https://api.getdeepseekapi.com/v1 को OpenAI-फॉर्मेट कॉल्स के रूप में आगे बढ़ाता है। इसी उद्देश्य के लिए उपकरण मौजूद हैं, और अगला सेक्शन एक सेटअप करता है।
शुरू करने से पहले, एक अपेक्षा जाँच। Claude Code फ़ाइलों को पढ़ने, उन्हें संपादित करने और कमांड चलाने के लिए फ़ंक्शन कॉलिंग पर बहुत निर्भर करता है। यह API फ़ंक्शन कॉलिंग का समर्थन करता है, जिसमें स्ट्रीमिंग tool_calls शामिल हैं, लेकिन यह कि कोई दिया गया मॉडल एक लंबे एजेंट लूप को कितनी अच्छी तरह चलाता है, इसे अपने खुद के रिपॉजिटरी पर परीक्षण करने की आवश्यकता है, यह मानने की नहीं।
एक कुंजी प्राप्त करें और एंडपॉइंट की पुष्टि करें
Google या ईमेल और पासवर्ड से एक खाता बनाएँ, फिर API कुंजी पृष्ठ खोलें। नए उपयोगकर्ता एक क्लिक से $0.50 का मुफ़्त ट्रायल क्रेडिट प्राप्त कर सकते हैं। यह 7 दिनों तक चलता है, पेमेंट विवरण की आवश्यकता नहीं होती है, और नीचे दिए गए सभी परीक्षणों के लिए पर्याप्त है। ध्यान दें कि एक ट्रायल कुंजी 2 समानांतर अनुरोधों और प्रति मिनट 60 अनुरोधों की अनुमति देती है, जो एक साथ कई कॉल फायर करने वाले एजेंट टूल्स के लिए महत्वपूर्ण है।
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."}]}'
यदि यह एक completion लौटाता है, तो अपस्ट्रीम साइड पूरी हो गई है। बाकी सब प्रॉक्सी को उससे जोड़ना है।
विकल्प 1: Claude Code के सामने एक LiteLLM प्रॉक्सी
LiteLLM एक ओपन-सोर्स प्रोजेक्ट है जिसका प्रॉक्सी सर्वर एक Anthropic-कम्पैटिबल एंडपॉइंट प्रस्तुत कर सकता है और OpenAI-कम्पैटिबल बैकएंड्स की ओर रूट कर सकता है। इस इकोसिस्टम के इस हिस्से में तेजी से बदलाव होते हैं, इसलिए वर्तमान फीचर सेट के लिए इसके दस्तावेज़ जांचें।
इंस्टॉल और कॉन्फ़िगर करें
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
openai/ प्रीफ़िक्स LiteLLM को OpenAI-संगत एडाप्टर का उपयोग करने का संकेत देता है; इसके बाद आने वाला नाम मॉडल के रूप में अपस्ट्रीम भेजा जाता है। टर्मिनल को चालू रखें।
Claude Code को प्रॉक्सी की ओर इशारा करें
Claude Code अपने एंडपॉइंट और क्रेडेंशियल्स को एन्वायरनमेंट वेरिएबल्स से पढ़ता है। एक दूसरे टर्मिनल में:
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
यहां प्रमाणीकरण टोकन बस वह है जो आपका लोकल प्रॉक्सी उम्मीद करता है; असली कुंजी प्रॉक्सी के वातावरण में रहती है। छोटे, तेज मॉडल को सेट करना भी मायने रखता है, क्योंकि Claude Code हल्के पृष्ठभूमि कार्यों के लिए एक दूसरे मॉडल का उपयोग करता है। यदि आप इसे सेट नहीं करते हैं, तो यह एक Anthropic मॉडल नाम कॉल करने की कोशिश कर सकता है जिसे प्रॉक्सी नहीं जानता है। नए संस्करण इस सेटिंग को अलग नाम दे सकते हैं, इसलिए यदि कोई वेरिएबल नजरअंदाज हो रहा है तो claude --help चलाएं या वर्तमान Claude Code सेटिंग्स दस्तावेज़ पढ़ें।
विकल्प 2: उपकरण जो सीधे एक OpenAI बेस URL लेते हैं
यदि आपका उद्देश्य Claude Code स्वयं के बजाय एक AI कोडिंग असिस्टेंट है, तो कई उपकरण प्रॉक्सी को छोड़ देते हैं क्योंकि वे पहले से ही OpenAI फॉर्मेट बोलते हैं। प्रत्येक आपको एक कस्टम बेस URL और मॉडल नाम सेट करने की अनुमति देता है।
- Aider एक टर्मिनल पेयर-प्रोग्रामर है। यह
OPENAI_API_BASEऔरOPENAI_API_KEYपढ़ता है, और आप मॉडल कोopenai/से प्रीफ़िक्स करते हैं। - Continue एक एडिटर एक्सटेंशन है जहाँ मॉडल एंट्री में
apiBaseऔर एक OpenAI-शैली प्रोवाइडर हो सकता है। - Cline अपनी सेटिंग्स में बेस URL, कुंजी और मॉडल ID के लिए फ़ील्ड्स के साथ एक OpenAI संगत प्रोवाइडर प्रदान करता है।
Aider के साथ पूरा सेटअप तीन लाइनों का है:
export OPENAI_API_BASE="https://api.getdeepseekapi.com/v1"
export OPENAI_API_KEY="$UNCENSORED_API_KEY"
aider --model openai/uncensored
ये टूल्स अक्सर अपने मेनू बदलते हैं, इसलिए ऊपर दिए गए फ़ील्ड नामों को एक मार्गदर्शक के रूप में मानें और प्रत्येक प्रोजेक्ट की वर्तमान दस्तावेज़ का पालन करें। आपको जिन मानों की आवश्यकता है वे कभी नहीं बदलते: बेस URL https://api.getdeepseekapi.com/v1, आपकी कुंजी, और मॉडल ID uncensored।
अपना स्वयं का पतला एजेंट लूप लिखें
जब एक पूर्ण कोडिंग सहायक अनावश्यक हो, तो टूल कॉलिंग वाले एक छोटी स्क्रिप्ट से काफी काम निपटाया जा सकता है। यह मॉडल को एक फ़ाइल पढ़ने का अनुरोध करने और फिर फ़ाइल को role: "tool" संदेश के रूप में वापस भेजने की अनुमति देता है।
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})
पाँच की लूप सीमा एक भ्रमित मॉडल को अनंत काल तक चलने से रोकती है। एक वास्तविक टूल में, आपको पाथ की भी जाँच करनी चाहिए ताकि मॉडल प्रोजेक्ट के बाहर की फ़ाइलें न पढ़ सके।
रेट लिमिट, लागत और 429 त्रुटियों को ठीक करना
एजेंट टूल्स बहुत सारे अनुरोध भेजते हैं। एक एकल कार्य दर्जनों अनुरोध ट्रिगर कर सकता है, प्रत्येक बढ़ते कॉन्टेक्स्ट को फिर से भेजता है। एक पूर्ण कुंजी पर आपको 8 समानांतर अनुरोध और प्रति मिनट 300 अनुरोध मिलते हैं। concurrency के साथ 429 का मतलब है बहुत सारे कॉल ओवरलैप कर रहे हैं, और rate_limited के साथ 429 का मतलब है प्रति मिनट बहुत सारे। संक्षिप्त ओवरलोड के दौरान आपको Retry-After: 5 के साथ 429 दिखेगा। LiteLLM स्वचालित रूप से पुनः प्रयास कर सकता है यदि आप एक retry सेटिंग जोड़ते हैं; इसके दस्तावेज़ देखें।
लागत मामूली है क्योंकि मूल्य निर्धारण $0.15 प्रति 1M इनपुट टोकन और $0.50 प्रति 1M आउटपुट टोकन है। मान लीजिए कि एक एजेंट सत्र 40 कॉल करता है जो प्रत्येक 30,000 टोकन का कॉन्टेक्स्ट भेजता है और 600 टोकन प्राप्त करता है। इनपुट 1,200,000 टोकन है, जिसकी लागत 1.2 x $0.15 = $0.18 है। आउटपुट 24,000 टोकन है, जिसकी लागत 0.024 x $0.50 = $0.012 है। पूरा सत्र $0.192 पर आता है। कॉन्टेक्स्ट विंडो 100,000 टोकन की है, इसलिए जो फ़ाइलें आप लोड करते हैं उन्हें केंद्रित रखें।
जब ट्रायल समाप्त हो जाए, तो क्रिप्टो (TRC20 पर USDT, Base पर USDC) से $20 से $500 तक किसी भी पूर्णांक राशि का टॉप-अप करें। बोनस $50 से +5%, $100 से +10% और $200 से +15% हैं। विवरण के लिए प्राइसिंग पेज और डॉक्स देखें।
प्रॉक्सी सेटअप की समस्या निवारण
| लक्षण | कारण | क्या आज़माएं |
|---|---|---|
| Claude Code एक अज्ञात मॉडल की रिपोर्ट करता है | पृष्ठभूमि मॉडल नाम मैप नहीं किया गया है | छोटे तेज मॉडल चर को uncensored पर सेट करें |
| कनेक्शन अस्वीकृत | प्रॉक्सी चल नहीं रहा है या पोर्ट अलग है | LiteLLM शुरू करें और ANTHROPIC_BASE_URL में पोर्ट मेल खाए |
| अपस्ट्रीम से 401 | प्रॉक्सी वातावरण में गलत कुंजी | UNCENSORED_API_KEY को फिर से सेट करें और प्रॉक्सी को रीस्टार्ट करें |
| टूल कॉलिंग विफल होती है या लूप में फंसती है | मॉडल एजेंट प्रारूप के साथ संघर्ष करता है | तापमान कम करें, प्रॉम्प्ट छोटा करें, या इसके बजाय Aider का उपयोग करें |
| अक्सर 429 आना | ट्रायल कुंजी की 2 समानांतर क्षमता | 8 समानांतर स्लॉट्स वाली पूर्ण कुंजी के लिए टॉप-अप करें |
दो आदतें सेटअप को सुरक्षित रखती हैं। प्रॉक्सी को केवल localhost पर चलाएं, ताकि आपके नेटवर्क पर कोई और आपका क्रेडिट खर्च न कर सके, और असली कुंजी को प्रॉक्सी के एन्वायरनमेंट में रखें, न कि उस प्रोजेक्ट फ़ाइल में जो वर्जन कंट्रोल में चली जाए। साथ ही, अपनी पहले लंबे सत्र के दौरान X-Balance-USD प्रतिक्रिया हेडर पर नज़र रखें, क्योंकि एजेंट टूल लूप्स आपको उम्मीद से ज़्यादा टोकन का उपयोग कर सकते हैं। यदि बैलेंस ऊपर दिए गए अनुमान से तेज़ी से कम हो रहा है, तो आप जो फ़ाइलें इनपुट दे रहे हैं उन्हें छोटा करें या स्टेप्स की संख्या को सीमित करें।
जो अनुरोध विफल होते हैं, उनका शुल्क नहीं लिया जाता, इसलिए प्रयोग करना सस्ता पड़ता है। प्रॉम्प्ट को प्रशिक्षण के लिए उपयोग नहीं किया जाता है। अन्य गेटवे से तुलना के लिए, हमारा API कुंजी अवलोकन पढ़ें।
अधिक गाइड
प्रश्न और उत्तर
क्या Claude Code सीधे इस API से जुड़ सकता है?
नहीं। Claude Code Anthropic के Messages फॉर्मेट का उपयोग करता है और इस API में OpenAI के chat completions फॉर्मेट का उपयोग होता है। उनके बीच LiteLLM जैसे एक अनुवादक प्रॉक्सी लगाएँ।
क्या यह DeepSeek API की आधिकारिक सेवा है?
नहीं। यह uncensored ID के तहत एक स्वतंत्र ओपन-वेट मॉडल होस्ट करता है और यह DeepSeek या किसी अन्य विक्रेता से संबद्ध नहीं है।
कौन से टूल प्रॉक्सी के बिना काम करते हैं?
OpenAI-संगत प्रदाता सेटिंग वाले टूल, जैसे कि Aider, Continue और Cline। बेस URL, कुंजी और मॉडल ID uncensored सेट करें।
क्या टूल कॉलिंग काम करती है?
हाँ, स्ट्रीम किए गए tool_calls और role tool संदेशों के रूप में भेजे गए परिणाम सहित। देखें कि मॉडल इसे कैसे संभालता है, इसके लिए अपने एजेंट वर्कफ़्लो का परीक्षण करें।
आपकी कुंजी बस एक फ़ॉर्म दूर है
एक खाता बनाएँ, कुंजी कॉपी करें, बेस URL बदलें। सेटअप यही है।