Ollama适配Anthropic API实操指南：用Claude Code调用开源模型

40 0

Ollama自v0.14.0版本起，正式兼容Anthropic Messages API，这一更新实现了关键突破——让Anthropic旗下的Claude Code智能编码工具，可直接与Ollama支持的开源模型配合使用。无论是本地部署的开源模型，还是通过ollama.com连接的云模型，都能借助这一适配方案，在终端或应用中高效运行，无需依赖Anthropic官方专属服务。

Ollama适配Anthropic API实操指南：用Claude Code调用开源模型

核心前提：Ollama与Claude Code适配基础

本次适配的核心价值，在于打通了Claude Code与开源模型的连接通道。Claude Code作为Anthropic推出的终端端智能编码工具，原本主要对接Anthropic官方模型，而Ollama的兼容性更新，使其可无缝调用Ollama生态内的各类开源模型（本地/云端均可），且操作流程简单，无需复杂的二次开发。

关键要求：Ollama版本需为v0.14.0及以上；建议选用具备64k令牌上下文长度的模型（本地模型需手动配置，Ollama云模型默认以完整上下文长度运行），以保障编码、多轮对话等场景的流畅性。

快速上手：用Ollama运行Claude Code（三步搞定）

以下流程覆盖主流操作系统，步骤清晰可直接落地，适合各类技术背景的使用者参考。

第一步：安装Claude Code

根据自身操作系统，复制对应命令执行安装，全程无需复杂配置，一键完成部署：

macOS、Linux、WSL系统：打开终端输入以下命令


curl -fsSL https://claude.ai/install.sh   | bash

Windows PowerShell系统：以管理员身份打开PowerShell，输入以下命令


irm https://claude.ai/install.ps1   | iex

Windows CMD系统：打开CMD终端，输入以下命令


curl -fsSL https://claude.ai/install.cmd   -o install.cmd && install.cmd && del install.cmd

第二步：配置Ollama连接参数

安装完成后，需配置环境变量，让Claude Code识别并连接Ollama服务。核心配置仅需2个环境变量，操作如下：


export ANTHROPIC_AUTH_TOKEN=ollama  # 认证令牌固定填写ollama，无需修改
export ANTHROPIC_BASE_URL=http://localhost:11434  # Ollama默认本地服务地址

提示：环境变量配置后立即生效，若后续无法连接Ollama，可检查本地Ollama服务是否正常运行（终端输入ollama --version验证）。

第三步：调用Ollama模型运行Claude Code

配置完成后，可直接通过命令行调用本地或云端模型，启动Claude Code进行编码工作：

调用本地模型（以gpt-oss:20b为例）


claude --model gpt-oss:20b

调用云端模型（以glm-4.7:cloud为例）


claude --model glm-4.7:cloud

推荐模型：适配Claude Code编码场景

结合编码场景的核心需求（语法准确性、代码生成效率、上下文理解能力），整理了适配性最优的本地与云模型，可根据自身使用场景（本地离线/云端高效）选择：

1. 本地模型（适合隐私保护、离线使用）

gpt-oss:20b：参数量适中，编码适配性强，支持多语言代码生成，适合常规开发场景；
qwen3-coder：专为编码优化，对Python、JavaScript等主流语言支持度高，代码片段生成准确率高。

2. 云模型（适合高效调用、无需本地部署）

glm-4.7:cloud：上下文处理能力强，支持复杂代码逻辑生成，响应速度快；
minimax-m2.1:cloud：编码容错率高，适合新手使用，同时支持简单的工具调用场景。

Anthropic SDK集成：现有应用快速适配Ollama

若已有基于Anthropic SDK开发的应用，无需重构代码，仅需修改基础URL，即可快速连接Ollama服务（API密钥需填写但会被忽略）。以下为Python、JavaScript两种主流语言的适配示例：

1. Python语言适配示例


import anthropic

# 初始化客户端，修改base_url指向本地Ollama服务
client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',  # 必须填写，仅用于格式兼容，实际无认证作用
)

# 调用模型生成代码（示例：检查数字是否为质数的函数）
message = client.messages.create(
    model='qwen3-coder',  # 选用适配的编码模型
    messages=[
        {'role': 'user', 'content': '写一个检查数字是否为质数的函数'}
    ]
)
print(message.content[0].text)  # 输出模型生成的代码结果

2. JavaScript语言适配示例


import Anthropic from '@anthropic-ai/sdk'

// 初始化客户端
const anthropic = new Anthropic({
  baseURL: 'http://localhost:11434',  // 指向本地Ollama服务地址
  apiKey: 'ollama',  // 格式兼容必填，无实际认证意义
})

// 异步调用模型生成代码
const message = await anthropic.messages.create({
  model: 'qwen3-coder',
  messages: [{ role: 'user', content: '写一个检查数字是否为质数的函数' }],
})

console.log(message.content[0].text);  // 打印代码结果

进阶功能：模型工具调用（与外部系统交互）

适配Anthropic API后，Ollama模型可通过工具调用功能与外部系统交互（如获取天气、网络搜索等），以下为完整实操示例（以获取天气为例）：


import anthropic

client = anthropic.Anthropic(
    base_url='http://localhost:11434',
    api_key='ollama',
)

# 调用模型+工具，查询旧金山天气
message = client.messages.create(
    model='qwen3-coder',
    tools=[  # 定义工具信息（名称、描述、输入参数）
        {
            'name': 'get_weather',
            'description': '获取指定地点的当前天气',
            'input_schema': {
                'type': 'object',
                'properties': {
                    'location': {
                        'type': 'string',
                        'description': '城市和州，例如 San Francisco, CA'
                    }
                },
                'required': ['location']  # 必传参数
            }
        }
    ],
    messages=[{'role': 'user', 'content': "旧金山的天气怎么样？"}]
)

# 解析工具调用结果
for block in message.content:
    if block.type == 'tool_use':
        print(f'工具: {block.name}')
        print(f'输入: {block.input}')

工具调用核心价值：让模型突破本地能力限制，实现与外部系统的联动（如网络搜索、接口调用等），拓展编码与交互场景。