news 2026/9/11 23:57:38

9Router 通用工具接入指南：用 OpenAI 兼容 API 连接任意自定义应用与框架

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
9Router 通用工具接入指南：用 OpenAI 兼容 API 连接任意自定义应用与框架

9Router 通用工具接入指南：用 OpenAI 兼容 API 连接任意自定义应用与框架

【免费下载链接】9routerUnlimited FREE AI coding. Connect Claude Code, Codex, Cursor, Cline, Copilot, Antigravity to FREE Claude/GPT/Gemini via 40+ providers. Auto-fallback, RTK -40% tokens, never hit limits.项目地址: https://gitcode.com/GitHub_Trending/9r/9router

9Router 提供了完整的 OpenAI 兼容 API 端点，任何支持 OpenAI API 格式的工具——无论是自研脚本、测试工具、CLI 工具、第三方应用还是开发框架——都可以通过统一的 Base URL、API Key 与模型命名规则接入。本文以 9Router 的 OpenAI 兼容端点为骨架，结合仓库源码中真实的模型路由实现，讲解从环境准备、基础调用到批处理、流式、多模型对比、错误处理与故障排查的完整接入方案，帮助你快速把 9Router 的能力接入到自己的技术栈中。

概述：OpenAI 兼容端点的适用范围

9Router 的核心设计目标之一，是为各类工具提供一个统一的、与 OpenAI API 格式兼容的接入层。只要你的工具支持 OpenAI 格式，就能连接 9Router，包括：

  • 自定义脚本与应用程序（Python、Node.js 等）
  • API 客户端与测试工具（Postman、Insomnia、cURL 等）
  • CLI 工具与命令行工具
  • 第三方集成
  • 开发框架（LangChain、LlamaIndex 等）

这套通用接入模式与仓库中针对特定工具（如 cursor.md、continue.md、claude-code.md）的专属指南互补：专属指南针对特定工具的配置细节，而本指南覆盖所有未列出的工具与自定义应用。

通用接入模式

任何 OpenAI 兼容工具都可以通过以下三个设置连接到 9Router。

本地部署的 9Router：

Base URL: http://localhost:20128/v1 API Key: your-api-key-from-dashboard Model: any 9Router model (cc/*, cx/*, glm/*, etc.)

云端 9Router：

Base URL: https://9router.com/v1 API Key: your-api-key-from-dashboard Model: any 9Router model (cc/*, cx/*, glm/*, etc.)

从仓库源码看，/v1前缀下的路由是 9Router 对外暴露的 OpenAI 兼容 API 根路径（参见 src/app/api/v1 目录结构）：其中 chat/completions/route.js 处理POST /v1/chat/completions聊天补全请求，models/route.js 处理GET /v1/models模型列表请求，route.js 则将根路径的GET/OPTIONS委托给 models 路由。所有路由都配置了Access-Control-Allow-Origin: *的 CORS 响应头，方便浏览器端与跨域场景直接调用。

模型命名规范：alias/model-id

9Router 的模型名遵循alias/model-id格式，其中 alias 是提供商前缀。例如：

  • cc/前缀对应 Claude Code 提供商（注册表见 open-sse/providers/registry/claude.js，alias: "cc"）
  • cx/前缀对应 Codex 提供商（open-sse/providers/registry/codex.js，alias: "cx"）
  • glm/前缀对应 GLM Coding 提供商（open-sse/providers/registry/glm.js，alias: "glm"）

实际可用的模型列表由 9Router 根据你的账户连接动态生成：在 models/route.js 的buildModelsList实现中，会合并你已启用的提供商连接（getProviderConnections）、自定义模型（getCustomModels）、模型别名（getModelAliases）与 Combo 组合，最终拼装成 OpenAI 格式的{ id, object, owned_by }模型对象列表。因此，接入时请通过GET /v1/models查询你账户下真实可用的模型名（见下文"模型不存在（404）"的排查方法）。

可用模型示例

文档给出的典型模型名示例如下（以接入时GET /v1/models实际返回为准）：

Claude 模型（Anthropic，cc/前缀）

  • cc/claude-opus-4-5-20251101
  • cc/claude-sonnet-4-20250514
  • cc/claude-haiku-4-20250514

DeepSeek 模型（cx/前缀）

  • cx/deepseek-chat
  • cx/deepseek-reasoner

GLM 模型（智谱 AI，glm/前缀）

  • glm/glm-4-plus
  • glm/glm-4-flash

需要说明的是，模型目录随仓库迭代持续更新，上述名称应视为"接入时的示例"；代码注册表中的模型清单可能与文档略有出入。例如 claude.js 当前登记的模型为claude-opus-5、claude-fable-5、claude-sonnet-5、claude-haiku-4-5-20251001，glm.js 当前登记了glm-5.2、glm-5.1、glm-5、glm-4.7、glm-4.6v等。接入任何工具前，都应先通过/v1/models确认实际可用模型。

集成示例：Python 与 Node.js

Python + OpenAI SDK

from openai import OpenAI client = OpenAI( api_key="your-api-key-from-dashboard", base_url="http://localhost:20128/v1" ) response = client.chat.completions.create( model="cc/claude-sonnet-4-20250514", messages=[ {"role": "user", "content": "Hello, how are you?"} ] ) print(response.choices[0].message.content)

Node.js + OpenAI SDK

import OpenAI from "openai"; const client = new OpenAI({ apiKey: "your-api-key-from-dashboard", baseURL: "http://localhost:20128/v1" }); const response = await client.chat.completions.create({ model: "cc/claude-sonnet-4-20250514", messages: [ { role: "user", content: "Hello, how are you?" } ] }); console.log(response.choices[0].message.content);

集成示例：cURL 与 HTTP 客户端

cURL 命令

curl http://localhost:20128/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer your-api-key-from-dashboard" \ -d '{ "model": "cc/claude-sonnet-4-20250514", "messages": [ {"role": "user", "content": "Hello, how are you?"} ] }'

HTTP 客户端（Postman、Insomnia）

请求：

POST http://localhost:20128/v1/chat/completions

Headers：

Content-Type: application/json Authorization: Bearer your-api-key-from-dashboard

Body：

{ "model": "cc/claude-sonnet-4-20250514", "messages": [ {"role": "user", "content": "Hello, how are you?"} ], "temperature": 0.7, "max_tokens": 1000 }

这些请求都会进入 chat/completions/route.js 的POST处理器，随后委托给 src/sse/handlers/chat.js 的handleChat完成鉴权、模型解析与上游转发。从源码看，handleChat会从Authorization请求头提取 API Key 进行校验（chat.js），因此鉴权头必须严格采用Bearer <your-api-key>格式。

集成示例：LangChain 与 LlamaIndex

LangChain 集成

from langchain.chat_models import ChatOpenAI from langchain.schema import HumanMessage llm = ChatOpenAI( model_name="cc/claude-sonnet-4-20250514", openai_api_key="your-api-key-from-dashboard", openai_api_base="http://localhost:20128/v1", temperature=0.7 ) messages = [HumanMessage(content="Explain quantum computing")] response = llm(messages) print(response.content)

LlamaIndex 集成

from llama_index.llms import OpenAI llm = OpenAI( model="cc/claude-sonnet-4-20250514", api_key="your-api-key-from-dashboard", api_base="http://localhost:20128/v1" ) response = llm.complete("What is machine learning?") print(response.text)

LangChain 的ChatOpenAI与 LlamaIndex 的OpenAI底层都是 OpenAI 兼容客户端，只需把openai_api_base/api_base指向 9Router 的/v1端点、model_name/model填 9Router 模型名即可，无需额外适配层。

自定义脚本示例

批处理脚本

import openai import json openai.api_key = "your-api-key-from-dashboard" openai.api_base = "http://localhost:20128/v1" def process_batch(prompts, model="cx/deepseek-chat"): results = [] for prompt in prompts: response = openai.ChatCompletion.create( model=model, messages=[{"role": "user", "content": prompt}] ) results.append({ "prompt": prompt, "response": response.choices[0].message.content }) return results prompts = [ "Explain AI in one sentence", "What is machine learning?", "Define neural networks" ] results = process_batch(prompts) print(json.dumps(results, indent=2))

流式响应处理

import OpenAI from "openai"; const client = new OpenAI({ apiKey: "your-api-key-from-dashboard", baseURL: "http://localhost:20128/v1" }); async function streamResponse(prompt) { const stream = await client.chat.completions.create({ model: "cc/claude-sonnet-4-20250514", messages: [{ role: "user", content: prompt }], stream: true }); for await (const chunk of stream) { const content = chunk.choices[0]?.delta?.content || ""; process.stdout.write(content); } } streamResponse("Write a short story about AI");

将stream: true传入chat.completions.create即可获得 SSE 流式输出。9Router 的/v1/chat/completions路由对流式与非流式请求统一交给 handleChat 处理，客户端无需关心上游模型是否原生支持流式。

多模型对比

from openai import OpenAI client = OpenAI( api_key="your-api-key-from-dashboard", base_url="http://localhost:20128/v1" ) models = [ "cc/claude-sonnet-4-20250514", "cx/deepseek-chat", "glm/glm-4-plus" ] prompt = "Explain quantum computing in simple terms" for model in models: response = client.chat.completions.create( model=model, messages=[{"role": "user", "content": prompt}] ) print(f"\n=== {model} ===") print(response.choices[0].message.content)

同一 prompt 轮询多个模型，可用于质量对比或作为 fallback 候选。9Router 的自动回退（auto-fallback）能力与配额跟踪（quota-tracking）可在此场景下进一步组合使用，相关机制可参考 features/combos.md。

通用集成模式

环境变量

将凭证放入.env，避免在代码中硬编码：

# .env file ROUTER_API_KEY=your-api-key-from-dashboard ROUTER_BASE_URL=http://localhost:20128/v1 ROUTER_MODEL=cc/claude-sonnet-4-20250514
import os from openai import OpenAI client = OpenAI( api_key=os.getenv("ROUTER_API_KEY"), base_url=os.getenv("ROUTER_BASE_URL") )

错误处理

from openai import OpenAI, OpenAIError client = OpenAI( api_key="your-api-key", base_url="http://localhost:20128/v1" ) try: response = client.chat.completions.create( model="cc/claude-sonnet-4-20250514", messages=[{"role": "user", "content": "Hello"}] ) print(response.choices[0].message.content) except OpenAIError as e: print(f"Error: {e}")

重试逻辑

import time from openai import OpenAI, RateLimitError client = OpenAI( api_key="your-api-key", base_url="http://localhost:20128/v1" ) def chat_with_retry(prompt, max_retries=3): for attempt in range(max_retries): try: response = client.chat.completions.create( model="cc/claude-sonnet-4-20250514", messages=[{"role": "user", "content": prompt}] ) return response.choices[0].message.content except RateLimitError: if attempt < max_retries - 1: time.sleep(2 ** attempt) # Exponential backoff else: raise

故障排查

连接问题

现象：无法连接到 9Router

# 检查 9Router 是否运行 curl http://localhost:20128/health # 预期响应: {"status": "ok"}

注意：当前仓库中健康检查端点 src/app/api/health/route.js 返回的是{ ok: true }（而非文档示例中的{"status": "ok"}）。判断 9Router 是否存活，以实际返回的 HTTP 200 为准。

解决方案：

  • 确认 9Router 进程已启动
  • 检查 20128 端口未被占用或防火墙拦截
  • 确保 Base URL 完整（必须包含/v1后缀）

鉴权错误（401 Unauthorized）

现象：

Error: Invalid API key

解决方案：

  • 从 dashboard 核实 API Key 是否正确
  • 检查 Authorization 头格式是否为Bearer your-api-key
  • 确保 API Key 前后没有多余空格或换行符

模型不存在（404）

现象：

Error: Model 'cc/claude-opus' not found

解决方案：

  • 使用精确的模型名（区分大小写）
  • 查询可用模型：curl http://localhost:20128/v1/models
  • 确认该模型在你的套餐/连接中已启用

/v1/models返回的列表由buildModelsList实时聚合你的活跃连接、Combo 与自定义模型生成（models/route.js），并以 OpenAI 标准格式{ object: "list", data: [...] }返回，可直接被 OpenAI SDK 的模型枚举功能消费。

超时问题

现象：

Error: Request timed out after 30s

解决方案：

  • 增大客户端配置中的 timeout
  • 对时间敏感的任务改用更快的模型
  • 检查到 9Router 的网络连通性

限流（429 Too Many Requests）

现象：

Error: Rate limit exceeded

解决方案：

  • 实现指数退避重试
  • 降低请求频率
  • 在 dashboard 中查看限流额度
  • 必要时考虑升级套餐

最佳实践

安全

  • 将 API Key 存放在环境变量中
  • 切勿把 API Key 提交到版本控制
  • 云端部署使用 HTTPS
  • 定期轮换 API Key

性能

  • 根据任务复杂度选择合适的模型
  • 对重复查询实现缓存
  • 长响应使用流式输出
  • 尽可能批量请求

错误处理

  • 始终编写 try-catch 代码块
  • 添加带指数退避的重试逻辑
  • 记录错误日志便于调试
  • 提供 fallback 机制

成本优化

  • 简单任务选择性价比更高的模型
  • 合适场景下缓存响应
  • 在 dashboard 中监控用量
  • 在代码中设置请求上限

下一步

  • 配置 Cursor 进行 IDE 集成
  • 设置 Continue 用于 VSCode
  • 探索 CLI 用法
  • 了解模型选择
  • 查看 API Reference

【免费下载链接】9routerUnlimited FREE AI coding. Connect Claude Code, Codex, Cursor, Cline, Copilot, Antigravity to FREE Claude/GPT/Gemini via 40+ providers. Auto-fallback, RTK -40% tokens, never hit limits.项目地址: https://gitcode.com/GitHub_Trending/9r/9router

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/9/11 23:55:24

TradingAgents-CN 周末/节假日交易数据获取失败问题修复实战：分析日期传递、最近交易日回退与多数据源降级

TradingAgents-CN 周末/节假日交易数据获取失败问题修复实战&#xff1a;分析日期传递、最近交易日回退与多数据源降级 【免费下载链接】TradingAgents-CN 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版 项目地址: https://gitcode.com/GitHub_Trending/tr/T…

作者头像 李华
网站建设 2026/9/11 23:54:01

PCSX2实用手册：从BIOS准备到图形问题排查的完整流程

PCSX2实用手册&#xff1a;从BIOS准备到图形问题排查的完整流程 【免费下载链接】pcsx2 PCSX2 - The Playstation 2 Emulator 项目地址: https://gitcode.com/GitHub_Trending/pc/pcsx2 PCSX2 是一个开源的 PlayStation 2 模拟器&#xff0c;通过 MIPS 解释器、动态重编…

作者头像 李华
网站建设 2026/9/11 23:50:44

SSM超市订单系统实战：从配置对齐到Tomcat部署全解析

简介&#xff1a;这是一套面向Java Web初学者与课程设计者的完整超市订单管理系统实战项目&#xff0c;基于SSM&#xff08;SpringSpringMVCMyBatis&#xff09;框架、MySQL数据库与JSP动态页面技术构建&#xff0c;解决中小型超市日常订单、供应商及用户统一管理的业务需求。资…

作者头像 李华
网站建设 2026/9/11 23:48:17

基于大数据的上海租房数据分析与可视化系统实战指南

每年带毕设学生的时候&#xff0c;被问得最多的问题就是&#xff1a;老师&#xff0c;大数据方向到底做什么题目比较好&#xff1f;说实话&#xff0c;大数据毕业设计最大的坑&#xff0c;不是代码写不出来&#xff0c;而是很多同学把一个用Excel就能解决的事情&#xff0c;硬套…

作者头像 李华