GPT dans Claude Code via proxy : où ça casse

Comment on connecte tout ça

Claude Code peut être orienté vers des modèles externes de classe GPT via un proxy compatible Anthropic : pour l'outil lui‑même, cela ressemble à un endpoint Anthropic classique, tandis que le proxy traduit les requêtes vers OpenAI ou un autre fournisseur. Dans la documentation officielle d'Anthropic sur Claude Code, cela s'inscrit dans deux mécanismes : les variables réseau HTTP_PROXY et HTTPS_PROXY et le pattern de passerelle LLM.

Le schéma type est simple : on lance un proxy local ou gateway, puis Claude Code reçoit ANTHROPIC_BASE_URL et un jeton tel que ANTHROPIC_AUTH_TOKEN ou ANTHROPIC_API_KEY. Le tutoriel LiteLLM décrit exactement ce flux : démarrer un proxy avec litellm --config, vérifier la compatibilité du format Anthropic et ensuite lancer claude.

Sur le papier, cela ne ressemble pas à un hack. Claude Code n'a pas besoin de savoir que derrière le proxy se cachent GPT, Gemini, un backend de type OpenRouter ou un autre routeur. Toute la magie et toute la douleur se trouvent dans la couche de traduction : messages, appels d'outils, streaming, structure de réponse, routage des modèles.

Les scénarios communautaires avec sous‑agents sont particulièrement intéressants. Dans les discussions Reddit, des personnes essaient de mapper des agents individuels sur différents modèles, par exemple un relecteur de code sur gpt-4o et un analyste de données sur o3. Ce n'est plus simplement un changement de modèle, mais une tentative de reconstruire le comportement d'un outil agentique avec des éléments externes.

Là où ça commence à déraper

Le principal risque n'est pas que le proxy ne réponde pas, mais qu'il réponde presque correctement. Pour un chat classique, cela suffit, mais Claude Code s'appuie fortement sur les appels d'outils, la sortie en continu et la bonne compréhension des résultats intermédiaires.

Si les outils au format Anthropic sont traduits dans le format d'un autre fournisseur avec des pertes, l'agent peut se mettre à tourner en rond. D'où les plaintes sur le spam de sous‑agents : le modèle ou le proxy provoquent des délégations répétées au lieu de clore la tâche. Dans le contexte Reddit fourni, il s'agit d'un comportement rapporté par la communauté, pas d'un bug officiellement documenté de Claude Code.

Je regarderais d'abord non pas la qualité de la réponse finale, mais la trace : quels appels d'outils partent réellement, comment les résultats reviennent, si le contexte est tronqué, si le streaming se casse. Le codage agentique ne meurt généralement pas de façon élégante, mais par de petites désynchronisations.

Conclusion pratique sans romantisme

Un proxy pour GPT dans Claude Code a du sens en tant qu'expérience d'ingénierie ou comme moyen d'intégrer un routage de passerelle, mais sa stabilité est déterminée par le traducteur de formats le plus faible. LiteLLM, Bifrost, Kong AI Proxy et les projets proxy GitHub résolvent un problème similaire, mais leurs cas limites seront différents.

Ce n'est pas le backend dont le modèle est le plus intelligent dans le vide qui l'emporte, mais celui qui imite le mieux le comportement Anthropic pour Claude Code. Si les sous‑agents commencent à spammer, c'est presque toujours le signe non pas d'un mauvais prompt isolé, mais d'une friction entre la logique agentique de Claude Code et la sémantique d'un modèle étranger. C'est ce point qui reste le plus sensible de tout le dispositif.

Nous avons précédemment examiné en détail comment les proxys LLM et les couches d'abstraction aident à éviter la dépendance à un seul fournisseur. Cette pratique d'ingénierie fait directement écho à l'expérience ambiguë que nous avons eue en essayant de connecter des modèles GPT dans Claude Code via un proxy et en rencontrant du spam de sous‑agents.