Claude Code

Harness.CLAUDE_CODE 會在您的沙箱內執行 Anthropic 的 Claude Code CLI 與 claude -p --output-format stream-json，並將其 stream-json 輸出轉換為事件。

安裝

pip install litellm starlette uvicorn
npm install -g @anthropic-ai/claude-code   # inside the sandbox

claude 二進位檔必須已存在於沙箱的 PATH 上。若不存在，該呼叫會引發 HarnessInstallFailed。

使用

import litellm
from litellm import Harness, sandbox

result = litellm.agent(
    Harness.CLAUDE_CODE,
    "Find why tests/test_router.py is flaky and fix it.",
    sandbox=sandbox.docker("my-agents:latest", mounts={"./repo": "/workspace"}),
    model="litellm_proxy/claude",
    permissions="edit",
)

與 LiteLLM AI Gateway 搭配使用

Claude Code 使用 Anthropic Messages API，因此最適合搭配 Claude 模型群組，而該閘道可在 /v1/messages 上原生提供。Bedrock 與 Vertex Claude 部署的行為與 Anthropic 直接使用相同，因此您可以在同一個群組中對它們進行負載平衡。

config.yaml

model_list:
  - model_name: claude
    litellm_params:
      model: anthropic/claude-sonnet-4-5
      api_key: os.environ/ANTHROPIC_API_KEY
  - model_name: claude
    litellm_params:
      model: bedrock/us.anthropic.claude-sonnet-4-5-20250929-v1:0
      aws_region_name: us-west-2

general_settings:
  master_key: os.environ/LITELLM_MASTER_KEY
  database_url: os.environ/DATABASE_URL

建立一個範圍限定於該群組的虛擬金鑰。

curl -X POST http://localhost:4000/key/generate \
  -H "Authorization: Bearer $LITELLM_MASTER_KEY" \
  -H "Content-Type: application/json" \
  -d '{"models": ["claude"], "key_alias": "claude-code"}'

接著以 litellm_proxy/ 前綴執行。可在環境中設定閘道，或在呼叫時傳入。

import litellm
from litellm import Harness, sandbox

result = litellm.agent(
    Harness.CLAUDE_CODE,
    "Find why tests/test_router.py is flaky and fix it.",
    sandbox=sandbox.docker("my-agents:latest", mounts={"./repo": "/workspace"}),
    model="litellm_proxy/claude",
    api_base="http://localhost:4000",  # or LITELLM_PROXY_API_BASE
    api_key="sk-...",                  # or LITELLM_PROXY_API_KEY
    permissions="edit",
    metadata={"ticket": "ENG-412"},
)

Claude Code 會呼叫 /v1/messages。閘道會看到每個請求，其 model 設為 claude、標頭 x-litellm-tags: harness,claude_code，以及您的 metadata 作為 x-litellm-spend-logs-metadata，因此費用記錄列會同時帶有兩者。

Claude Code 也會進行一些小型背景呼叫，例如標題與摘要。它們會前往與 model 相同的群組，就像 OpenCode 一樣，因此其計費與標記方式相同。

選項

@dataclass(frozen=True)
class ClaudeCodeOptions:
    config: Mapping[str, Any] = field(default_factory=dict)  # extra settings.json keys, passed with --settings
    env: Mapping[str, str] = field(default_factory=dict)

config 會將原生 Claude Code 設定以未型別方式傳遞，因為這些設定經常變動。LiteLLM 自行管理的鍵，例如 env、apiKeyHelper、model 和 permissions，會引發 OptionsMismatch。在呼叫時使用 max_turns= 來限制工具迴圈，與其他每個 harness 相同。

模型

Claude Code 支援 Anthropic Messages。它會取得 ANTHROPIC_BASE_URL，指向工作階段的本機端點，且 ANTHROPIC_AUTH_TOKEN 設為工作階段權杖，而 CLAUDE_CONFIG_DIR 則指向一個包含 --setting-sources user 的暫存目錄，因此您自己的 Claude Code 登入、設定與儲存庫的 .claude/settings.json 絕不會被使用。使用 litellm_proxy/ 模型時，端點會將 /v1/messages 以及 harness,claude_code 標籤轉送到閘道。沒有閘道時，則會呼叫 litellm.anthropic.messages.acreate。

ANTHROPIC_API_KEY 在執行階段會設為空字串，而遙測與非必要流量會關閉。

內建工具

工具會顯示為 read、write、edit、bash、glob、grep 和 web_search。該集合以外的工具，例如 Task 和 TodoWrite，會保留其原生名稱。disable_tools= 會對應至 --disallowedTools。

權限

模式	Claude Code
"read-only"	--permission-mode plan
"edit"	--permission-mode acceptEdits
"full"（預設）	--permission-mode bypassPermissions

"ask" 會引發 CapabilityUnsupported。

技能、輸出與工作階段

技能會複製到 $CLAUDE_CONFIG_DIR/skills/<name>/。結構化輸出是透過指示模型以符合您 schema 的單一 JSON 物件作答，之後再進行驗證。工作階段中的後續回合會使用 --resume，並帶入第一回合中的工作階段 id。

限制

自訂 Python tools= 和 history() 會引發 CapabilityUnsupported。不會使用訂閱登入（Claude Max），因為每次模型呼叫都會經過 LiteLLM。