メインコンテンツへスキップ
見出し画像

Claude Codeを無料で動かせるFree Claude Code 徹底解説 DeepSeek v4・GLM-5.1・Kimi K2.6・Qwen3.6・ClaudeCode OpenClaw Antigravity Codex Obsibian Cursor Windsurf Cowork Mythos Skills NVIDIA NIM,OpenRouter,Ollama,ハーネスエンジニアリング

    こんにちはクドクラです
    今回はClaude Codeの画面のまま
    NVIDIA NIM,OpenRouter,Ollama,LMStudioなどに自動変換し
    無料でClaudeCodeの車体でDeepseek v4,GLM-5.1,Kimi,GPT-OSS-120bなどの実用的かつ最新LLMを試せるFree Claude Code について解説していきます

    NVIDIA NIMの使用方法

    個人開発者,プログラマーはブクマ!
    OpenClawの上位互換
    Hermes AI,Claude Codeが無料で使える!?
    Nvidiaが80以上のAIモデルを無料APIで提供している
    GLM 5.1、DeepSeek-V4、Qwen3.6、Kimi 2.5、GPT-OSS-120B、MiniMax M2.7など高性能モデルがズラリ。
    ClaudeCode、Hermes Agent、OpenClaude、
    Zed… pic.twitter.com/CCnqaPonFt

    — Claude Code AI駆動開発 OpenClaw@クドクラ (@KudouCraft) April 25, 2026


    画像

    メンバーシップ記事↓



    1. 概要

    Claude Codeは2024年末から2026年にかけて爆発的に普及した「ターミナル常駐型のAIコーディングエージェント」だ。Cursor / Antigravity / Windsurf / VSCode といったエディタ統合の世界とは別に、ターミナルで直接プロジェクトを動かす ことに最適化されており、計画立案・ファイル編集・テスト実行・gitコミットまで一気通貫で任せられる。Anthropic公式CLI として、もはや「AIエンジニアの標準装備」と言ってよい立ち位置にある。

    ただし問題が一つある ―― コストだ。Claude Codeは内部的に Sonnet / Opus / Haiku を呼び分けて動くため、ヘビーに回すと月数万円〜十数万円のAPI課金が普通に発生する。サブスクリプション(Pro / Max)に入ったとしても、長時間の自律ループや大規模リファクタリング に使えば容赦なくレート制限に当たる。「触ってみたいけど課金が怖い」「ローカルLLMで試したい」「業務はAnthropic公式、夜の個人開発はローカルで」―― そんな声に応える形で登場したのが、本稿の主役 `Alishahryar1/free-claude-code` (以降 Free Claude Code と呼称)である。

    Free Claude Codeは一言で説明すれば次のような道具だ。

    Claude Code CLIとVSCode拡張から飛んでくる Anthropic API のリクエストを、ローカルで動く軽量プロキシで受け止め、NVIDIA NIM / OpenRouter / DeepSeek / LM Studio / llama.cpp / Ollama などの「無料 or ローカル」のLLMプロバイダーに横流しする中継サーバー。

    Claude Code側は 何も改造しない。環境変数を 2つ 切り替えるだけで、向き先がAnthropicから自分のローカルプロキシに変わる。プロキシは内部でリクエストを受け取り、選んだプロバイダー(例えば NVIDIA NIM の 40 req/min 無料枠)にルーティングして応答を返す。Claude Code側からは「ちょっと反応の違うAnthropic API」に見えるだけなので、Skill / MCP / TaskCreate などの機能はそのまま動く。

    本稿の目的は次の5つだ。

    1. Free Claude Codeが「なぜ動くのか」(Anthropic API 互換プロキシという発想)を理解する

    2. NVIDIA NIM / OpenRouter / DeepSeek / LM Studio / llama.cpp / Ollama の 6プロバイダー を比較し、自分のユースケースに合うものを選べるようにする

    3. 環境構築 → 起動 → Claude Codeから接続 までを最短で実行する

    4. Discord / Telegram bot によるリモート自律コーディング、音声メモ 入力(Whisper)など、本家にない機能を使い切る

    5. YAMLプロンプトテンプレート とトラブルシューティング集を手元に揃えて、明日から個人開発・社内検証で運用できる状態にする

    読み終えたとき、「Anthropicに月数万払うかどうかで悩んでいた」状態から、「無料枠で素振り → 本番だけ公式」 という二段運用に乗り換える具体的な手順が手元に揃っているはずだ。

    重要な注意: Free Claude CodeはOSSのサードパーティプロキシだ。Anthropic公式が保証しているものではない。商用利用の可否、各プロバイダーの利用規約(特にOpenRouterの「:free」モデルがログ収集前提であることなど)は、必ず利用前に各社の規約を確認してほしい。本稿はあくまで 個人の検証・学習・素振り用途 を想定して書いている。

    画像

    2. プログラムフロー

    Free Claude Codeの動線を1枚に圧縮すると次の通り。

    ┌─────────────────────────────────────────────────────────────┐
    │ ユーザー                                                       │
    │  │                                                            │
    │  │ 「TODOアプリ作って」                                         │
    │  ▼                                                            │
    │ Claude Code CLI / VSCode / IntelliJ                           │
    │  │                                                            │
    │  │ ANTHROPIC_BASE_URL = http://localhost:8082                │
    │  │ ANTHROPIC_AUTH_TOKEN = freecc                              │
    │  ▼                                                            │
    │ Free Claude Code Proxy(FastAPI / :8082)                     │
    │  │                                                            │
    │  │ ① Anthropic /v1/messages 形式で受信                        │
    │  │ ② リクエスト最適化(5カテゴリ)                              │
    │  │   - クォータプローブ検出 → ローカル即返                      │
    │  │   - タイトル生成 → スキップ可                               │
    │  │   - プレフィックス検出 → ローカル処理                        │
    │  │   - サジェスチョン検出 → 先送り                             │
    │  │   - ファイルパス抽出 → モック返却                            │
    │  │ ③ MODEL_OPUS / MODEL_SONNET / MODEL_HAIKU でルーティング   │
    │  ▼                                                            │
    │ プロバイダー層                                                 │
    │  ├─ NVIDIA NIM        (OpenAI互換 → Anthropic変換)           │
    │  ├─ OpenRouter        (Anthropic Messages 直結)              │
    │  ├─ DeepSeek          (Anthropic互換API)                     │
    │  ├─ LM Studio         (ローカル / OpenAI互換)                 │
    │  ├─ llama.cpp         (ローカル / OpenAI互換)                 │
    │  └─ Ollama            (ローカル / Anthropic Messages 直結)    │
    │  │                                                            │
    │  │ ④ <think> タグ / reasoning_content をClaude思考ブロック化  │
    │  │ ⑤ テキスト出力中のツール呼び出しを自動構造化                │
    │  ▼                                                            │
    │ Claude Code CLI                                                │
    │  「TODOアプリのコードを書きました」                              │
    └─────────────────────────────────────────────────────────────┘

    ポイントは3つ。

    1. 「Anthropic API形式の受け口」と「OpenAI形式の出口」 をプロキシが両方喋れるので、Claude Code側は普段通りに動く。プロバイダーごとの差分は内部で吸収される。

    2. 思考トークン(`<think>`タグ)の翻訳機構 が重要。DeepSeekやNVIDIA NIM経由のreasoningモデルは独自形式で「考え中」を吐くが、それをClaude Code側の 「思考ブロック」UI に変換して見せてくれる。これがないと、reasoningモデルは「答えだけ返ってきて思考が見えない」状態になる。

    3. 5種のリクエスト最適化 が地味に効く。Claude Codeは内部で「タイトル生成」「ファイルパス抽出」「クォータ確認」など、本筋と関係ない軽量呼び出しを多用する。これらをプロキシでローカル処理することで 無料枠の40 req/min をユーザー操作にだけ使える ようになる。

    画像

    3. 活用事例(5パターン)

    Free Claude Codeが特に効くのは以下の場面である。

    1. 個人開発の素振り環境を「完全無料」に近づけたい場面
      平日は本業で公式 Claude Code を使っているが、週末の趣味プロジェクトで毎月5,000円は払いたくない ―― という個人エンジニアにど真ん中で刺さる。NVIDIA NIM の40 req/min無料枠を MODEL_OPUS に充てれば、TODOアプリ・Webスクレイパー・Discord botくらいの規模なら コストゼロ で1日中回せる。

    2. 新人研修・社内勉強会・学校教育の場面
      「全員にAnthropicのアカウント作らせて課金登録してもらう」のは現実的にハードルが高い。Free Claude Code+OpenRouterの`:free`モデルなら、参加者全員に同じ体験をさせられる。教室のWi-Fi帯域とローカルプロキシだけで完結するので、APIキー配布の事故も起きない。

    3. オフライン環境・閉域網での開発
      セキュリティ要件で外部ネットワークに出せない案件で、ローカルLLM(LM Studio / llama.cpp / Ollama)と組み合わせるパターン。`unsloth/MiniMax-M2.5-GGUF` や `unsloth/GLM-4.7-Flash-GGUF` のような「ツール対応の軽量GGUF」を載せておけば、コードレビューや軽いリファクタリング程度なら 完全オフライン で回せる。

    4. Discord / Telegram からのリモート自律コーディング
      外出先からスマホで「あのバグ直しといて」と Discord に投げると、自宅のClaude Codeセッションが立ち上がってPRまで作る ―― という運用が現実になる。Free Claude Codeに同梱されている MessagingPlatform 抽象 を使えば、Discord botも Telegram bot も20行程度の追加で立ち上がる。音声メモ → Whisper文字起こし → Claude Code投入 の経路まで標準で組み込まれている点が強烈だ。

    5. LLMプロバイダー比較研究の場面
      「同じClaude Codeセッションに対して、Sonnet相当の枠を NVIDIA NIM の Kimi-K2.5 で動かすのと、OpenRouter の DeepSeek-R1で動かすのとで、コード生成品質はどう変わるか?」を比較検証したいリサーチャーに最適。MODEL_OPUS / MODEL_SONNET / MODEL_HAIKU を別プロバイダーに散らせる ので、A/B評価が一つのプロキシでできる。

    画像

    4. 環境構築

    4-1. 必要環境

    | 項目 | 内容 |
    |------|------|
    | OS | Windows 11 / macOS / Linux |
    | Python | 3.14(uv経由でインストール推奨) |
    | パッケージマネージャ | uv(必須) |
    | Claude Code | `@anthropic-ai/claude-code`(未導入なら別途) |
    | 外部APIキー | NVIDIA NIM / OpenRouter / DeepSeek のいずれか(ローカル運用なら不要) |
    | エディタ | Cursor / VSCode / IntelliJ / Antigravity(拡張対応) |
    | 推奨RAM | ローカルLLM併用時は16GB以上、24Bクラスを動かすなら32GB以上 |

    4-2. uvのインストール

    Free Claude CodeはPython 3.14 + uv前提で書かれている。Python 3.12や3.13ではFastAPI周辺で型エラーが出ることがあるので、uvでPython 3.14を別途入れる のが正解。

    macOS / Linux:

    curl -LsSf https://astral.sh/uv/install.sh | sh
    uv python install 3.14

    Windows(PowerShell):

    powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
    uv python install 3.14

    4-3. uvのバージョン確認

    uv --version

    `0.5.x` 以上が出ていればOK。

    4-4. Claude Code 本体の導入

    未導入なら次でグローバルインストール。

    npm install -g @anthropic-ai/claude-code

    Claude Code の最新版は Opus 4.7 をデフォルトに使うが、Free Claude Code経由ならこのモデル指定はバイパスされ、プロキシの MODEL_OPUS 設定が優先される。

    画像

    5. Free Claude Code インストール方法

    5-1. リポジトリのクローン

    git clone https://github.com/Alishahryar1/free-claude-code.git
    cd free-claude-code
    cp .env.example .env

    `.env` がプロキシの全設定ファイル。これを書き換えるだけでプロバイダーが切り替わる。

    5-2. パッケージとして入れる方法

    リポジトリをcloneせず、ツールとしてグローバルに入れる ことも可能。READMEに記載されている 正規の記法 は extras 指定付きの形だ。

    # 音声機能なし(最小)
    uv tool install "free-claude-code @ git+https://github.com/Alishahryar1/free-claude-code.git"
    
    # ローカルWhisper付き
    uv tool install "free-claude-code[voice_local] @ git+https://github.com/Alishahryar1/free-claude-code.git"
    
    # NVIDIA NIM Whisper付き
    uv tool install "free-claude-code[voice] @ git+https://github.com/Alishahryar1/free-claude-code.git"
    
    # 両方入れる
    uv tool install "free-claude-code[voice,voice_local] @ git+https://github.com/Alishahryar1/free-claude-code.git"

    「自分でプロキシのコードを読みたい / カスタマイズしたい」なら clone方式、「使うだけ」なら uv tool install方式 を選ぶとよい。後者の場合、後から音声機能を足したくなったら同じコマンドを extras 付きで再実行すれば足せる。

    5-3. インストール後の確認

    `server.py` があるディレクトリに `.env` ができていれば成功。

    free-claude-code/
    ├── .env
    ├── .env.example
    ├── server.py
    ├── api/
    ├── core/
    ├── providers/
    ├── messaging/
    ├── config/
    ├── cli/
    └── tests/

    5-4. アンインストール

    clone方式ならディレクトリごと削除すればよい。tool install方式なら次。

    uv tool uninstall free-claude-code
    画像

    6. プロバイダー選定ガイド

    Free Claude Codeが対応しているのは6プロバイダー。それぞれの「料金」「制限」「向き不向き」を整理する。

    6-1. プロバイダー比較表

    | プロバイダー | 料金 | レート制限 | プレフィックス | 用途 |
    |----|----|----|----|----|
    | NVIDIA NIM | 無料 | 40 req/min | `nvidia_nim/...` | デイリードライバ。最初の1択 |
    | OpenRouter | 無料モデル多数 + 従量課金 | モデル依存 | `open_router/...` | モデル多様性。`:free` 系が魅力 |
    | DeepSeek | 従量課金 | 変動 | `deepseek/...` | コスパ最強。Anthropic互換API |
    | LM Studio | 無料(ローカル) | 無制限 | `lmstudio/...` | プライバシー重視・GUI付き |
    | llama.cpp | 無料(ローカル) | 無制限 | `llamacpp/...` | 軽量・低RAM |
    | Ollama | 無料(ローカル) | 無制限 | `ollama/...` | 最も簡単。Anthropic Messages直結 |

    6-2. NVIDIA NIM(推奨デフォルト)

    NVIDIAが運営する クラウド推論サーバー で、Claude Codeのデイリードライバとして最も向いている。40 req/min という太い無料枠が魅力。`build.nvidia.com` から `nvapi-...` 形式のキーを取るだけで使える。

    | 項目 | 内容 |
    |----|----|
    | サインアップ | build.nvidia.com |
    | 無料枠 | 40 req/min |
    | 強み | Kimi K2.5 / GLM 4.7 / MiniMax M2.5 などの最新OSSが揃っている |
    | 弱み | レート制限を超えると即429。ヘビーに回すと無料枠は壊れやすい |

    利用可能モデルの一例:

    • `nvidia_nim/minimaxai/minimax-m2.5`

    • `nvidia_nim/qwen/qwen3.5-397b-a17b`

    • `nvidia_nim/z-ai/glm5`

    • `nvidia_nim/moonshotai/kimi-k2.5`

    • `nvidia_nim/stepfun-ai/step-3.5-flash`

    デフォルト推奨: `nvidia_nim/z-ai/glm4.7` または `nvidia_nim/moonshotai/kimi-k2.5`。思考有効化(`ENABLE_MODEL_THINKING=true`) にしておくと、コード生成時の検討プロセスがClaude Code側にちゃんと出る。

    6-3. OpenRouter

    数百のモデルを一括ホストしている モデル流通プラットフォーム。Claude / GPT / Gemini / Llama / DeepSeek を 同じAPIキーで切り替えられる のが最大の利点。`:free` サフィックス付きの無料モデルがいくつかあり、Free Claude Codeはそれらを上手く使う設計。

    | 項目 | 内容 |
    |----|----|
    | サインアップ | openrouter.ai |
    | 無料枠 | `:free` モデル限定で利用可(ログ提供前提) |
    | 強み | モデル比較・実験用途で最強 |
    | 弱み | 無料モデルはログ提供前提なので業務利用に注意 |

    利用可能モデルの一例:

    • `open_router/arcee-ai/trinity-large-preview:free`

    • `open_router/stepfun/step-3.5-flash:free`

    • `open_router/deepseek/deepseek-r1-0528:free`

    • `open_router/openai/gpt-oss-120b:free`

    6-4. DeepSeek

    DeepSeek社の Anthropic互換API。コスパが極めて高く、`deepseek-reasoner` の品質はOpus 4.7と互角と評する向きもある。コード生成では特に優秀。

    | 項目 | 内容 |
    |----|----|
    | サインアップ | platform.deepseek.com |
    | 料金 | 従量課金(極めて安い) |
    | 強み | Anthropic互換APIなので変換ロスが最小。reasoning品質が高い |
    | 弱み | 中国系サービスのため、業務利用は法務確認推奨 |

    利用可能モデルの一例:

    • `deepseek/deepseek-v4-pro`(推奨)

    • `deepseek/deepseek-v4-flash`(軽量・高速)

    • `deepseek/deepseek-chat`

    • `deepseek/deepseek-reasoner`

    6-5. LM Studio(ローカル)

    GUI付きの ローカルLLMランナー。HuggingFaceからGGUFモデルをダウンロードして、ボタンひとつで起動できる。Free Claude Codeは標準で `http://localhost:1234/v1` を見る。

    | 項目 | 内容 |
    |----|----|
    | 入手先 | lmstudio.ai |
    | 強み | GUIで完結。モデル管理が楽 |
    | 弱み | RAM消費が大きい。24Bクラスは32GB必須 |

    READMEに列挙されているモデル例:

    • `lmstudio/unsloth/MiniMax-M2.5-GGUF`

    • `lmstudio/unsloth/Qwen3.5-35B-A3B-GGUF`

    • `lmstudio/unsloth/GLM-4.7-Flash-GGUF`

    • `lmstudio/LiquidAI/LFM2-24B-A2B-GGUF`

    6-6. llama.cpp(ローカル)

    C++製の 超軽量推論エンジン。LM Studioよりも一段RAM効率がよく、サーバーモード(`./server`)で立ち上げて `http://localhost:8080/v1` を見る形になる。

    ./build/bin/server -m ./models/qwen3-coder-30b.gguf --host 0.0.0.0 --port 8080

    `.env` 側はこう。

    LLAMACPP_BASE_URL="http://localhost:8080/v1"
    MODEL="llamacpp/local-model"

    6-7. Ollama(ローカル・最も簡単)

    `ollama pull` でモデルを落とすだけで使える、最も導入が楽な ローカルLLMランナー。Anthropic Messages形式を直で喋れるので、Free Claude Codeとの相性がよい。

    ollama pull llama3.1
    ollama serve

    `.env` 側。

    OLLAMA_BASE_URL="http://localhost:11434"
    MODEL="ollama/llama3.1"

    READMEに列挙されているモデル例:

    • `ollama/llama3.1`

    • `ollama/llama3.1:8b`

    • `ollama/qwen2.5-coder:7b`

    画像

    7. 実行方法

    7-1. プロキシ起動

    `free-claude-code` ディレクトリで次を実行。

    uv run uvicorn server:app --host 0.0.0.0 --port 8082

    ログに `Application startup complete.` が出たら準備完了。このターミナルは閉じない。

    7-2. Claude Code を接続

    別ターミナルから環境変数を切り替えてClaude Codeを起動。

    Bash / zsh:

    ANTHROPIC_AUTH_TOKEN="freecc" \
    ANTHROPIC_BASE_URL="http://localhost:8082" \
    claude

    PowerShell:

    $env:ANTHROPIC_AUTH_TOKEN="freecc"
    $env:ANTHROPIC_BASE_URL="http://localhost:8082"
    claude

    `ANTHROPIC_AUTH_TOKEN` は 任意の文字列でよい(プロキシ側で `ANTHROPIC_AUTH_TOKEN` をセットしていれば一致が必要)。`freecc` は慣例の文字列で、推奨値。

    7-3. VSCode拡張のセットアップ

    VSCodeの Claude Code拡張 を使う場合は `settings.json` に環境変数を埋める。

    {
      "claudeCode.environmentVariables": [
        { "name": "ANTHROPIC_BASE_URL", "value": "http://localhost:8082" },
        { "name": "ANTHROPIC_AUTH_TOKEN", "value": "freecc" }
      ]
    }

    設定 → `claude-code.environmentVariables` で検索すれば該当キーが見つかる。編集後は 拡張機能の再読み込み を忘れずに。

    7-4. IntelliJ拡張のセットアップ(参考情報)

    以下のパス・キー名はリポジトリ同梱ドキュメントの記述を参考にしたもので、IntelliJ側のバージョンによって異なる場合がある。最終的には自分の環境の `acp-agents` 設定ファイルを直接確認してほしい。

    IntelliJ系(IDEA / PyCharm / WebStorm 等)の場合は `acp-agents` の設定ファイルを直接編集。

    Windows:

    C:\Users\%USERNAME%\AppData\Roaming\JetBrains\acp-agents\installed.json

    Linux / macOS:

    ~/.jetbrains/acp.json

    `acp.registry.claude-acp` ノードの `env` に次を追加。

    {
      "ANTHROPIC_AUTH_TOKEN": "freecc",
      "ANTHROPIC_BASE_URL": "http://localhost:8082"
    }

    7-5. claude-pick(モデルピッカー・リポジトリ同梱スクリプト)

    リポジトリに同梱されている 対話的モデル選択スクリプト。`fzf` を使って候補から選ぶ運用が想定されており、Bashエイリアスとして登録しておくと、起動のたびにOpus / Sonnet / Haikuのモデルを選び直せる。

    brew install fzf
    alias claude-pick="/absolute/path/to/free-claude-code/claude-pick"
    claude-pick

    カーソルキー+Enterで選んだモデル設定で、自動的にClaude Codeが起動する。「今日はDeepSeekでガッツリ、明日はNIMで軽く」 という日替わり運用にぴったり。

    画像

    8. プロンプト(.envテンプレート集)

    `.env` の書き方は4パターンを押さえておけば十分。

    8-1. NVIDIA NIM単体(最も推奨)

    # === Provider keys ===
    NVIDIA_NIM_API_KEY="nvapi-your-key-here"
    
    # === Model routing ===
    MODEL="nvidia_nim/z-ai/glm4.7"
    MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5"
    MODEL_SONNET="nvidia_nim/z-ai/glm4.7"
    MODEL_HAIKU="nvidia_nim/stepfun-ai/step-3.5-flash"
    
    # === Thinking ===
    ENABLE_MODEL_THINKING=true
    ENABLE_OPUS_THINKING=true
    
    # === Auth ===
    ANTHROPIC_AUTH_TOKEN="freecc"

    8-2. プロバイダー混在(Opusだけ最強モデル、他はローカル)

    NVIDIA_NIM_API_KEY="nvapi-..."
    OLLAMA_BASE_URL="http://localhost:11434"
    
    MODEL="ollama/llama3.1"
    MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5"
    MODEL_SONNET="ollama/llama3.1"
    MODEL_HAIKU="ollama/llama3.1"
    
    ENABLE_OPUS_THINKING=true

    「重い処理だけクラウド、雑用はローカル」という賢い分担。NIMの40 req/min無料枠を本当に必要なときだけに温存できる。

    8-3. OpenRouter(無料モデル中心)

    OPENROUTER_API_KEY="sk-or-your-key-here"
    
    MODEL="open_router/deepseek/deepseek-r1-0528:free"
    MODEL_OPUS="open_router/openai/gpt-oss-120b:free"
    MODEL_SONNET="open_router/deepseek/deepseek-r1-0528:free"
    MODEL_HAIKU="open_router/stepfun/step-3.5-flash:free"
    
    ENABLE_MODEL_THINKING=true

    `:free` モデルは 規約上ログ提供等の条件が課されているケース が多い。OpenRouterの規約は時期で変動するため、利用前に必ず公式の利用規約を確認すること。社外秘コードや顧客情報を投入する前提では使わない。

    8-4. 完全ローカル(オフライン運用)

    OLLAMA_BASE_URL="http://localhost:11434"
    LM_STUDIO_BASE_URL="http://localhost:1234/v1"
    
    MODEL="ollama/llama3.1"
    MODEL_OPUS="lmstudio/unsloth/MiniMax-M2.5-GGUF"
    MODEL_SONNET="ollama/llama3.1"
    MODEL_HAIKU="ollama/llama3.1"
    
    ENABLE_MODEL_THINKING=false

    オフライン環境・閉域網はこの構成で完結する。

    8-5. YAMLプロンプトテンプレート(Claude Codeに投げる初手指示)

    `.env` のセットアップが終わったら、Claude Codeセッションで最初に このYAMLを丸ごと貼る とプロジェクト初期化が一気に終わる。

    task: >
      Free Claude Code(プロキシ経由のClaude Code)でTODOアプリを新規作成する。
      バックエンドはFastAPI、フロントエンドはNext.js 14、データベースはSQLiteで、
      最低限の認証(JWTトークン)と CRUD と 簡易テストまで揃えること。
    
    audience:
      primary: "個人開発のエンジニア"
      knowledge_level: "Python中級・TypeScript初級"
    
    goal: "週末2日でMVPを完成させる"
    
    inputs:
      project_dir: "./todo-app"
      python_version: "3.14"
      node_version: "20"
    
    execution_policy:
      run_in_order: true
      ask_for_confirmation: false
      output_language: "ja"
    
    workflow:
      - step: 1
        action: "scaffold"
        description: "ディレクトリ構成を作る(backend / frontend / docker)"
      - step: 2
        action: "backend_implementation"
        description: "FastAPI + SQLAlchemy + JWT認証 + Todo CRUD"
      - step: 3
        action: "frontend_implementation"
        description: "Next.js 14 App Router + Tailwind v4 + shadcn/ui"
      - step: 4
        action: "tests"
        description: "pytest + Playwright e2e"
      - step: 5
        action: "docker_compose"
        description: "docker-compose.yml で一括起動"
      - step: 6
        action: "readme"
        description: "README.md 作成(起動手順、テスト手順)"
    
    style:
      backend:
        - "型ヒント必須"
        - "FastAPI dependency injection で認証を分離"
        - "Pydantic v2"
      frontend:
        - "Server Components 基本"
        - "use client は葉ノードのみ"
        - "Tailwind v4 + shadcn/ui --style=new-york"
    
    avoid:
      - "TODOコメントを残したまま完成扱いにすること"
      - "skeleton実装でお茶を濁すこと"
      - "Tailwind v3とv4を混ぜること"
    
    error_handling:
      on_provider_429: "60秒待機して再試行"
      on_local_provider_offline: "ユーザーに通知して停止"

    「`@output-skill` の精神」を最初に握っておくのがコツで、プレースホルダ・TODO・skeletonを禁止 すると、ローカルLLMでも完成度が一段上がる。

    画像

    9. 成果物

    | 成果物 | 形式 | 説明 |
    |----|----|----|
    | ローカルプロキシ | プロセス | `:8082` で常駐、Anthropic API互換 |
    | 環境変数 | `.env` | プロバイダー・モデル・思考設定の単一情報源 |
    | Claude Code セッション | ターミナル | 通常通り動作。Skill / MCP もそのまま使える |
    | VSCode連携 | 拡張機能 | `settings.json` の env 設定で完結 |
    | IntelliJ連携 | 拡張機能 | `acp-agents` 設定ファイル経由 |
    | Discord bot | プロセス | `MESSAGING_PLATFORM=discord` で起動 |
    | Telegram bot | プロセス | `MESSAGING_PLATFORM=telegram` で起動 |
    | 音声メモ処理 | サブシステム | Whisper(ローカル or NIM)で文字起こし |

    画像

    10. よく使うコマンド集

    10-1. プロキシ操作

    # 起動(開発用・ホットリロード付き)
    uv run uvicorn server:app --reload --host 0.0.0.0 --port 8082
    
    # 起動(本番用)
    uv run uvicorn server:app --host 0.0.0.0 --port 8082
    
    # ツール経由起動
    free-claude-code
    
    # 初期化(環境ファイル生成)
    fcc-init
    
    # アンインストール(uv tool方式の場合)
    uv tool uninstall free-claude-code

    10-2. Claude Code 接続

    # 単発起動(環境変数を一行で)
    ANTHROPIC_AUTH_TOKEN="freecc" ANTHROPIC_BASE_URL="http://localhost:8082" claude
    
    # 永続化(~/.bashrc や ~/.zshrc に追加)
    export ANTHROPIC_AUTH_TOKEN="freecc"
    export ANTHROPIC_BASE_URL="http://localhost:8082"
    
    # 切り戻し(Anthropic公式に戻す)
    unset ANTHROPIC_BASE_URL
    unset ANTHROPIC_AUTH_TOKEN
    claude

    10-3. 開発・拡張

    # コード整形
    uv run ruff format
    
    # リント
    uv run ruff check
    
    # 型チェック
    uv run ty check
    
    # テスト実行
    uv run pytest
    
    # 全部まとめて(CI想定)
    uv run ruff format && uv run ruff check && uv run ty check && uv run pytest
    画像

    11. Discord / Telegram からの自律コーディング

    Free Claude Codeの隠れた目玉が MessagingPlatform 統合 だ。スマホからDiscordやTelegramに `/code 〇〇直して` と書くと、自宅PCのClaude Codeがバックグラウンドで動く。

    11-1. Discord bot セットアップ

    `.env` に追記。

    MESSAGING_PLATFORM="discord"
    DISCORD_BOT_TOKEN="your_discord_bot_token_here"
    ALLOWED_DISCORD_CHANNELS="123456789012345678,987654321098765432"
    CLAUDE_WORKSPACE="./agent_workspace"
    ALLOWED_DIR="C:/Users/yourname/projects"

    チャンネルID取得手順:

    1. Discordの設定 → 詳細設定 → 「開発者モード」をON

    2. 対象チャンネルを右クリック → 「IDをコピー」

    3. カンマ区切りで `ALLOWED_DISCORD_CHANNELS` に列挙

    11-2. Telegram bot セットアップ

    MESSAGING_PLATFORM="telegram"
    TELEGRAM_BOT_TOKEN="123456789:ABCdefGHIjklMNOpqrSTUvwxYZ"
    ALLOWED_TELEGRAM_USER_ID="your_telegram_user_id"
    CLAUDE_WORKSPACE="./agent_workspace"
    ALLOWED_DIR="/home/yourname/projects"

    Telegram bot トークン取得: @BotFather と会話して `/newbot` コマンドで作成。ユーザーID は @userinfobot に話しかければ表示される。

    11-3. 機能一覧

    | 機能 | 説明 |
    |----|----|
    | ツリーベースのスレッド | 返信ごとに分岐したセッション履歴を保持 |
    | セッション永続化 | プロキシを再起動してもチャット文脈が残る |
    | ライブストリーミング | 思考トークン・ツール呼び出しがメッセージ編集で流れる |
    | 並列セッション | 複数のチャンネルで同時にClaude Codeを動かせる |
    | 音声メモ対応 | ボイスメッセージを送ると自動で文字起こし → Claude Codeへ投入 |
    | `/stop` | 走っているClaude Codeセッションを停止 |
    | `/clear` | スレッドをクリアして新しいセッションを開始 |
    | `/stats` | レート制限・コスト・モデル統計を表示 |

    11-4. セキュリティ上の注意

    `ALLOWED_DIR` は 必ず明示的に絞る。空欄や `/` だと、エージェントがホームディレクトリ全域に書き込めてしまう。プロジェクトのルートだけ を許可する設計にしよう。

    ALLOWED_DIR="C:/Users/yourname/projects/todo-app"
    画像

    12. 音声メモ機能(Whisper連携)

    Discord / Telegram bot とセットで使うのが、内蔵の Whisper音声処理 だ。「外出先でスマホに向かって独り言を吹き込む → 自宅PCがコードに起こす」 という運用が現実的に組める。

    12-1. バックエンドの選択

    | バックエンド | 強み | 弱み |
    |----|----|----|
    | ローカルWhisper(CPU) | 完全オフライン・無料 | 遅い・large-v3はRAM消費大 |
    | ローカルWhisper(CUDA) | 高速 | NVIDIA GPU 必須 |
    | NVIDIA NIM Whisper | 速い・無料枠で動く | NIMの40 req/min枠を消費 |

    12-2. ローカルWhisperでセットアップ

    uv sync --extra voice_local

    `.env` 側。

    VOICE_NOTE_ENABLED=true
    WHISPER_DEVICE="cpu"
    WHISPER_MODEL="base"

    GPUがあるなら `WHISPER_DEVICE="cuda"`、品質を上げたいなら `WHISPER_MODEL="large-v3"` に変える。

    ローカルで選べる Whisper モデル(READMEより):

    • `tiny`

    • `base`

    • `small`

    • `medium`

    • `large-v2`

    • `large-v3`

    • `large-v3-turbo`

    12-3. NVIDIA NIM版

    uv sync --extra voice
    VOICE_NOTE_ENABLED=true
    WHISPER_DEVICE="nvidia_nim"
    WHISPER_MODEL="openai/whisper-large-v3"

    NIM 側で選べるモデル:

    • `openai/whisper-large-v3`

    • `nvidia/parakeet-ctc-1.1b-asr`

    12-4. 両方入れる

    uv sync --extra voice --extra voice_local

    「普段はローカル、長文だけNIMに飛ばす」という二段運用。

    画像

    13. 思考トークン(reasoning)の扱い

    DeepSeek-R1 / GLM-4.7 / Kimi-K2.5 のような reasoningモデル は、回答前に長い「考え中ログ」を吐く。これをClaude Code側に出すかどうかを `.env` で制御できる。

    13-1. グローバル設定

    ENABLE_MODEL_THINKING=true

    これが フォールバック値。下のモデル別設定が空なら全部この値になる。

    13-2. モデル別設定

    ENABLE_OPUS_THINKING=true       # Opusの枠(=最も重いモデル)には思考を出す
    ENABLE_SONNET_THINKING=false    # Sonnetは思考なしで速度優先
    ENABLE_HAIKU_THINKING=false     # Haikuは軽量タスクなので思考不要

    コード生成では思考ON、雑タスクではOFF が定石。思考ONは生成トークン数が3〜5倍に膨らむので、無料枠を圧迫しないように使い分ける。

    13-3. 動作の詳細

    プロキシ内部で次の変換が走る:

    • `<think>...</think>` タグ → Claude thinking block

    • OpenAI互換の `reasoning_content` フィールド → 同上

    • `<tool_call>...</tool_call>` 形式のテキスト出力 → Claude tool_use block に構造化

    これにより、どのプロバイダー経由でも Claude Code側のUIが崩れない。

    画像

    14. リクエスト最適化(軽量呼び出しのローカル処理)

    Free Claude Codeが「無料枠で実用に耐える」もう一つの理由が、Claude Codeの 本筋ではない軽量呼び出し(クォータプローブ、タイトル生成、プレフィックス検出、サジェスチョン、ファイルパス抽出など)を プロキシ側でローカル処理 している点だ。これらをLLMに通さず即返すことで、無料枠の40 req/min を本当の作業にだけ使える。

    おおまかなカテゴリは次の5種:

    • ネットワークプローブ検出(クォータ確認をローカル即返)

    • タイトル生成スキップ(スレッドタイトル生成をスキップ)

    • 高速プレフィックス検出(プロンプトプレフィックスをローカル判定)

    • サジェスチョン先送り(補完候補生成をスキップ)

    • ファイルパス抽出モック(ファイル名候補抽出をモック返却)

    各最適化の有効/無効を切り替えるフラグ名は内部実装に依存するため、最新の `.env.example` を直接見て確認するのが確実だ。「Claude Codeの一部機能が動かない」と感じたら、該当の最適化を切って本物のプロバイダーに通すと解決することがある。

    画像

    15. レート制限・タイムアウト設定

    無料枠を活用するなら、レート制限の設計を理解しておきたい。

    | 変数 | 説明 | デフォルト |
    |----|----|----|
    | `PROVIDER_RATE_LIMIT` | 1ウィンドウあたりの要求数 | 40 |
    | `PROVIDER_RATE_WINDOW` | レート制限ウィンドウ(秒) | 60 |
    | `PROVIDER_MAX_CONCURRENCY` | 同時開放プロバイダーストリーム最大数 | 5 |
    | `HTTP_READ_TIMEOUT` | 読み込みタイムアウト(秒) | 120 |
    | `HTTP_WRITE_TIMEOUT` | 書き込みタイムアウト(秒) | 10 |
    | `HTTP_CONNECT_TIMEOUT` | 接続タイムアウト(秒) | 10 |

    NIMの 40 req/min に合わせて作られているので、別プロバイダー(OpenRouter等)を使うときは規約に応じて調整する。プロキシ側で 指数バックオフ + ローリングウィンドウ を回しているので、429が頻発しても自動で再試行される。

    15-1. HTTPプロキシ経由でプロバイダーに出る

    社内ネット・閉域網から外部APIに出るときは、各プロバイダー個別に HTTPプロキシ を指定できる環境変数が用意されている(READMEより)。

    | 変数 | 対象 |
    |----|----|
    | `NVIDIA_NIM_PROXY` | NVIDIA NIM への通信を指定プロキシ経由にする |
    | `OPENROUTER_PROXY` | OpenRouter への通信を指定プロキシ経由にする |
    | `LMSTUDIO_PROXY` | LM Studio エンドポイントへの通信を指定プロキシ経由にする |
    | `LLAMACPP_PROXY` | llama.cpp エンドポイントへの通信を指定プロキシ経由にする |

    設定例:

    NVIDIA_NIM_PROXY="http://corp-proxy.example.com:8080"
    OPENROUTER_PROXY="http://corp-proxy.example.com:8080"

    研修・社内検証で 会社プロキシを通さないと外に出られない 環境では必須の設定になる。

    画像

    16. プロジェクト構成と拡張ポイント

    Free Claude Codeを 自分のプロバイダー / 自分のメッセージング基盤 に拡張するためのアーキテクチャを整理する。

    16-1. ディレクトリ構成

    free-claude-code/
    ├── server.py              # FastAPI エントリーポイント
    ├── api/                   # ルーティング層・モデル選択・最適化
    ├── core/                  # Anthropicプロトコル / SSE / パーサー / トークン計算
    ├── providers/             # プロバイダーレジストリ / OpenAI互換 / Anthropic互換
    ├── messaging/             # MessagingPlatform ABC / Discord / Telegram / 音声 / セッション
    ├── config/                # 設定・ロギング・NIMチューニング
    ├── cli/                   # CLIセッション・プロセス管理
    └── tests/                 # pytest

    16-2. OpenAI互換プロバイダーの追加(Groq / Together AI 等)

    from providers.openai_compat import OpenAIChatTransport
    from providers.base import ProviderConfig
    
    class GroqProvider(OpenAIChatTransport):
        def __init__(self, config: ProviderConfig):
            super().__init__(
                config,
                provider_name="GROQ",
                base_url="https://api.groq.com/openai/v1",
                api_key=config.api_key,
            )
    • `providers/registry.py` にディスクリプタを追加

    • `.env` に `GROQ_API_KEY` を生やす

    • `MODEL_OPUS="groq/llama-3.1-405b"` のように使う

    16-3. ネイティブAnthropicプロバイダーの追加

    `AnthropicMessagesTransport` を継承する形で同様に追加できる。レスポンス変換が要らないので、より高品質。

    16-4. メッセージング基盤の追加(Slack / LINE 等)

    `MessagingPlatform` 抽象を継承し、4メソッドを実装する。

    class SlackPlatform(MessagingPlatform):
        async def start(self) -> None: ...
        async def stop(self) -> None: ...
        async def send_message(self, channel: str, text: str) -> str: ...
        async def edit_message(self, channel: str, message_id: str, text: str) -> None: ...
        async def on_message(self, handler) -> None: ...

    これだけでDiscord / Telegram と完全に同じ機能(音声メモ・セッション永続化・ライブストリーミング)が乗る。

    画像

    17. トラブルシューティング

    | 症状 | 原因 | 解決策 |
    |----|----|----|
    | Claude Code が応答しない | プロキシが起動していない | `uvicorn server:app` を起動しているターミナルを確認 |
    | `401 Unauthorized` | `ANTHROPIC_AUTH_TOKEN` の不一致 | プロキシ側 `.env` とCLI側の値を合わせる |
    | `429 Too Many Requests` | NIM無料枠(40 req/min)超過 | プロキシは自動再試行する。少し待つ |
    | 思考が表示されない | `ENABLE_MODEL_THINKING=false` になっている | `true` に変更し再起動 |
    | ツール呼び出しが文字列のまま出る | プロバイダーがツール非対応 | LM Studioならツール対応モデルに切替 |
    | ローカルLLMが激遅い | RAM不足・CPU動作 | 量子化モデル(Q4_K_M等)を選ぶ・GPU使用 |
    | Discord botが反応しない | `ALLOWED_DISCORD_CHANNELS` 未設定 | チャンネルIDを正確に指定 |
    | 音声メモが処理されない | `voice` extra未インストール | `uv sync --extra voice_local` |
    | Pythonバージョンエラー | 3.12 / 3.13 を使っている | `uv python install 3.14` |
    | ポート8082が衝突 | 他のサーバーが使用中 | `--port 9000` などに変更し `ANTHROPIC_BASE_URL` も合わせる |

    画像

    18. ライセンス・コミュニティ

    Free Claude Codeは MIT License で公開されている。Claude Code(Anthropic公式)とは独立したサードパーティ実装なので、Anthropicの利用規約とは別物だ。

    コントリビュート手順:

    # Fork → Clone → ブランチ作成
    git checkout -b my-feature
    
    # 開発・整形・型チェック・テスト
    uv run ruff format
    uv run ruff check
    uv run ty check
    uv run pytest
    
    # プルリクエスト作成
    git push origin my-feature
    gh pr create

    受け入れられているPR:

    • 新しいLLMプロバイダー(Groq / Together AI / Anthropicサードパーティ等)

    • 新しいメッセージングプラットフォーム(Slack / LINE / Mattermost)

    • テストカバレッジ改善

    • 思考トークン・ツール呼び出し変換の精度改善

    現時点で受け入れられていないPR:

    • Dockerインテグレーション(メンテナの方針)

    画像

    19. 運用パターン集(実戦投入のレシピ)

    最後に、明日から手元で動く 5つの実戦運用パターン をまとめる。

    19-1. 「平日の夜・週末のみ無料運用」パターン

    平日昼: Anthropic公式 Claude Code(業務用)
    平日夜: Free Claude Code + NVIDIA NIM(個人開発)
    休日:   Free Claude Code + DeepSeek(重い処理は従量課金で)

    シェル関数で切替を一発化:

    # ~/.zshrc
    free-cc() {
      export ANTHROPIC_AUTH_TOKEN="freecc"
      export ANTHROPIC_BASE_URL="http://localhost:8082"
      claude
    }
    
    paid-cc() {
      unset ANTHROPIC_BASE_URL
      unset ANTHROPIC_AUTH_TOKEN
      claude
    }

    19-2. 「研修・授業」パターン

    参加者全員に 同じ.env テンプレート を配り、講師が立てた共有プロキシ(社内LAN内)に向ける。OpenRouter `:free` モデルなら全員が無料で同じ体験を得られる。

    ANTHROPIC_BASE_URL="http://192.168.1.100:8082"
    ANTHROPIC_AUTH_TOKEN="seminar2026"

    19-3. 「閉域網開発」パターン

    外部ネットワークなし、ローカルLLMのみ。

    OLLAMA_BASE_URL="http://localhost:11434"
    LM_STUDIO_BASE_URL="http://localhost:1234/v1"
    
    MODEL="ollama/llama3.1"
    MODEL_OPUS="lmstudio/unsloth/MiniMax-M2.5-GGUF"
    MODEL_SONNET="ollama/qwen2.5-coder:7b"
    MODEL_HAIKU="ollama/llama3.1:8b"
    
    ENABLE_MODEL_THINKING=false

    19-4. 「外出先からスマホで指示」パターン

    家のデスクトップで `Free Claude Code + Discord bot` を起動しっぱなしにする。外出先から Discordチャンネルに `/code バグ直して` と書く(あるいはボイスメッセージで吹き込む)と、家のClaude Codeが動いてPRまで作る。

    MESSAGING_PLATFORM="discord"
    DISCORD_BOT_TOKEN="..."
    ALLOWED_DISCORD_CHANNELS="..."
    CLAUDE_WORKSPACE="./agent_workspace"
    ALLOWED_DIR="C:/Users/yourname/projects/myapp"
    VOICE_NOTE_ENABLED=true
    WHISPER_DEVICE="cuda"
    WHISPER_MODEL="large-v3"

    19-5. 「LLM比較ベンチマーク」パターン

    `MODEL_OPUS` だけを切り替えながら、同じプロンプトを投げてコード品質を比較する。`claude-pick` を活用して、5モデル分の評価を1日で取る。

    claude-pick  # → MODEL_OPUS="nvidia_nim/moonshotai/kimi-k2.5"
    claude       # 同じプロンプトを投げる
    # Ctrl+D
    claude-pick  # → MODEL_OPUS="open_router/deepseek/deepseek-r1-0528:free"
    claude
    # 結果を比較表に貼り付け
    画像

    おすすめ記事↓



    20. まとめ

    Free Claude Codeを導入することで得られる効果を整理する。

    • ゼロコスト運用: NVIDIA NIMの40 req/minとOpenRouterの`:free`モデルで、個人開発レベルなら 完全無料 で回せる

    • オフライン運用: LM Studio / Ollama / llama.cpp と組み合わせれば、閉域網・移動中・出張先 でもClaude Codeが動く

    • マルチプロバイダー: Opus / Sonnet / Haiku のスロットを別プロバイダーに振り分けて、A/B比較 や 重要度別モデル選択 ができる

    • モバイル運用: Discord / Telegram bot 統合により、スマホから自宅Claude Codeを操作 できる

    • 音声メモ: Whisper連携で 「喋るだけでコードが書かれる」 体験を実現

    • 拡張性: `BaseProvider` / `MessagingPlatform` という抽象基底クラスにより、新規プロバイダー / 新規プラットフォーム を数十行で追加できる

    「Claude Codeを使いたいけれど課金が悩ましい」「ローカルLLMの実力を試したい」「外出先からエージェントを動かしたい」 ―― これらすべてに、1つの軽量プロキシ で答えを出すのが Free Claude Code の真価だ。

    最後に、運用上の 3つの黄金ルール を強調しておきたい。

    1. 無料枠の使い分け: NVIDIA NIM の 40 req/min を 全部Claude Codeに使う のではなく、Opusだけに当てて他はローカルに逃がす。これだけで枠の枯渇頻度が劇的に下がる。

    2. 思考トークンのモデル別制御: `ENABLE_OPUS_THINKING=true / ENABLE_SONNET_THINKING=false` の組み合わせが「品質と速度のスイートスポット」。

    3. 業務情報の取り扱い: `:free`モデル(OpenRouter)や中国系プロバイダーは ログ提供前提 や 法務確認が必要 なケースがある。個人の素振り と 業務利用 は明確に分ける。

    画像

    このガイドが、明日から 「無料からClaude Codeを始める」 あるいは 「公式と無料を二刀流で使い分ける」 ためのスタート地点になれば幸いだ。

    • STEP 1: この記事への「スキ♡」

    • STEP 2: noteで「クドクラ KudouCraft」をフォロー

    • STEP 3: X(Twitter)での拡散

    画像

    無料の記事とメンバーシップ記事どちらも
    更新していくので見てくれたら嬉しいです

    皆さんの感想や「こんな使い方してるよ!」という報告、
    お待ちしています!
    最後まで読んで頂きありがとうございます
    それではまた次回の記事でお会いしましょう。

     
     
    KudouCraft AI駆動開発で未経験から上級者まで生成AI活用! 質が良い完成品のある自動化をコンセプトに 最新AIエージェントの情報をお届け これであなたもAIを使いなす側に。

    あなたへのおすすめ