model-name-convert

一个本地 HTTP 反向代理，用于拦截发往 OpenAI / Anthropic API 的请求，按用户配置的映射关系替换 model 字段，同时对响应中的 model 字段做反向还原，使客户端始终看到自己发送的别名。支持流式（SSE）和非流式两种响应模式。

特性

• 请求中的 model 别名 → 真实模型名（转发给上游）
• 响应中的真实模型名 → 原别名（返回给客户端）
• 流式响应（SSE）逐行转换，零内存缓冲
• 同时支持 OpenAI 和 Anthropic API 格式
• 可选请求 / 响应日志，异步写入不影响性能
• 非 JSON 请求体（multipart 等）原样透传

安装与运行

需要 Bun v1.0+。

bun install

直接运行（开发）

通过 CLI 参数

bun run src/index.ts \
  --port 3000 \
  --target https://api.openai.com \
  --map mcs-5:claude-sonnet-4-6 \
  --map mcs-3:claude-haiku-4-5

通过配置文件

bun run src/index.ts --config config.json

配置文件格式（参考 config.example.json）：

{
  "port": 3000,
  "target": "https://api.openai.com",
  "mappings": {
    "mcs-5": "claude-sonnet-4-6",
    "mcs-3": "claude-haiku-4-5"
  }
}

CLI 参数优先级高于配置文件。

开启日志

# 日志写入默认目录 ./logs/
bun run src/index.ts --config config.json --log

# 指定日志目录（自动开启日志）
bun run src/index.ts --config config.json --log-dir /tmp/proxy-logs

日志文件：

• requests.log — 客户端原始请求（model 字段为客户端发送的别名）
• responses.log — 上游返回的完整响应（model 字段已还原为别名）

开发模式（文件变更自动重启）

bun dev

---

构建可执行文件

bun build --compile 可将项目及 Bun 运行时一起打包为单个可执行文件，目标机器无需安装 Bun 或 Node.js。

构建当前平台

bun run build
# 输出：dist/model-proxy

跨平台构建

在任意平台上均可交叉编译，无需目标环境：

# macOS arm64（Apple Silicon）
bun build --compile --minify --target=bun-darwin-arm64 src/index.ts --outfile dist/model-proxy-macos-arm64

# macOS x64（Intel）
bun build --compile --minify --target=bun-darwin-x64 src/index.ts --outfile dist/model-proxy-macos-x64

# Linux x64
bun build --compile --minify --target=bun-linux-x64 src/index.ts --outfile dist/model-proxy-linux-x64

# Linux arm64
bun build --compile --minify --target=bun-linux-arm64 src/index.ts --outfile dist/model-proxy-linux-arm64

# Windows x64
bun build --compile --minify --target=bun-windows-x64 src/index.ts --outfile dist/model-proxy-windows-x64.exe

使用可执行文件

# 赋予执行权限（Linux / macOS）
chmod +x dist/model-proxy

# 通过 CLI 参数运行
./dist/model-proxy --port 3000 --target https://api.openai.com --map mcs-5:claude-sonnet-4-6

# 通过配置文件运行
./dist/model-proxy --config config.json

Windows：

.\dist\model-proxy-windows-x64.exe --config config.json

---

CLI 参数

参数	说明	默认值
--port <n>	本地监听端口	3000
--target <url>	上游 API 地址	必填
--map <alias>:<model>	模型映射，可多次使用	—
--config <path>	JSON 配置文件路径	—
--log	开启请求 / 响应日志	关闭
--log-dir <path>	日志目录（自动开启日志）	./logs

工作原理

客户端                      代理                       上游 API
  │                          │                            │
  │── POST /v1/chat/... ────>│                            │
  │   model: "mcs-5"         │── model: "claude-sonnet-4-6" ──>│
  │                          │                            │
  │                          │<── model: "claude-sonnet-4-6" ──│
  │<── model: "mcs-5" ───────│                            │

流式响应（SSE）

代理使用 TransformStream 逐块处理 SSE 数据，通过行缓冲确保跨 chunk 边界的行完整性。

• OpenAI：替换每条 data: JSON 中的顶层 model 字段，data: [DONE] 原样透传
• Anthropic：仅替换 message_start 事件中的 data.message.model，其他事件类型直接透传，避免不必要的 JSON 解析

上游检测

根据请求路径自动区分 API 格式：

• /v1/messages → Anthropic
• 其他路径 → OpenAI 兼容格式

示例

配合 OpenAI SDK

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: "http://localhost:3000/v1",  // 指向本地代理
});

const response = await client.chat.completions.create({
  model: "mcs-5",  // 发送别名，代理自动转换
  messages: [{ role: "user", content: "Hello" }],
});

console.log(response.model);  // "mcs-5"（别名被还原）

配合 Anthropic SDK

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
  baseURL: "http://localhost:3000",  // 指向本地代理
});

const message = await client.messages.create({
  model: "mcs-5",
  max_tokens: 1024,
  messages: [{ role: "user", content: "Hello" }],
});

console.log(message.model);  // "mcs-5"

项目结构

src/
├── index.ts      # 入口：加载配置，启动 Bun.serve
├── config.ts     # CLI 参数和 JSON 配置文件解析
├── proxy.ts      # HTTP 代理逻辑（流式 + 非流式）
├── transform.ts  # model 字段替换（请求、响应、SSE）
└── logger.ts     # 异步日志写入（串行队列）