13 GLM Rate Proxy — Claude CodeをZAI/GLMで動かす低コスト運用

Claude Code CLIのバックエンドをAnthropicからZAI（GLM-5.3）に切り替えるローカルプロキシの仕組みと運用ガイド。

<a id="overview"></a>概要：なぜプロキシが必要か

Claude Codeは通常、Anthropic APIApplication Programming Interface（エーピーアイ）の略。あるプログラムの機能を、別のプログラムから呼び出せるようにした「窓口」に直接接続する。しかし ANTHROPIC_BASE_URL を差し替えることで、Anthropic互換APIを持つ別プロバイダに向けられる。

通常:
Claude Code ────→ api.anthropic.com (Sonnet/Opus)

プロキシ経由:
Claude Code ──→ localhost:8787 (glm-rate-proxy) ──→ api.z.ai (GLM-5.3)
                                                 └──→ api.minimax.io (MiniMax, フォールバック)

コスト比較

<a id="architecture"></a>アーキテクチャ

settings.json
  └─ ANTHROPIC_BASE_URL: "http://127.0.0.1:8787"

Claude Code（CLI）
  │  Anthropic形式のAPIリクエスト
  ▼
┌─────────────────────────────────────────┐
│         glm-rate-proxy (port 8787)      │
│                                         │
│  1. モデル名を書き換え（claude → GLM-5.3） │
│  2. thinking制御を注入                  │
│  3. 使用量に応じてモデルをダウングレード   │
│  4. ピーク時間帯はMiniMaxに強制切替       │
│  5. MiniMaxフォールバック(2アカウント)    │
│     - keys[0]=MINIMAX_API_KEY(Pro優先・大量消費) │
│     - keys[1]=MINIMAX_API_KEY_FALLBACK(旧・5h制限) │
│     - 429/401/403で次キーへ連鎖           │
│     - 起動ログでkeys=2確認                 │
└─────────────────────────────────────────┘
  │                        │
  ▼                        ▼
api.z.ai              api.minimax.io
(GLM-5.3)             (MiniMax-M3)

ファイル構成

~/.claude/scripts/glm-rate-proxy/
├── src/glm_rate_proxy/
│   ├── proxy.py          # メインプロキシ処理・thinking制御
│   ├── config.py         # 設定読み込み（DEFAULTS + config.json）
│   ├── model_router.py   # モデル選択ロジック（使用量・ピーク判定）
│   ├── upstream.py       # ZAI/MiniMaxへのHTTP通信
│   └── usage_tracker.py  # 使用量トラッキング
├── config/
│   └── config.json       # ユーザー設定（DEFAULTSを上書き）
└── service/
    └── glm-rate-proxy.service  # systemdサービス定義

<a id="model-routing"></a>モデルルーティング

使用量（usage_pct）に応じて自動でモデルが切り替わる。

フォールバックメインの手段が使えなくなった時に、自動的に予備の手段へ切り替える仕組み。「本命が失敗したら副えに任せる」二段構えチェーン

ZAI 429 → Claude-Flash（emergency）→ MiniMax keys[0] → MiniMax keys[1] → 503
ZAI 5xx → MiniMax keys[0] → MiniMax keys[1] → 503

MiniMax 429/401/403 → 次キーへ連鎖（Pro→旧）
MiniMax 2キー両方 429/401/403 → 503

通常時: Claude Code → glm-rate-proxy → GLM（→ エラー時MiniMax）
上限時: Claude Code → （本体がAPIリクエストを送らずエラー）← プロキシに届かない

<a id="thinking"></a>Thinking（思考）モードの動的制御

GLM-5.3はデフォルト指定がない時に自動的に使われる初期値・初期設定のことで「思考モード」が有効で、内部推論トークンAIにとっての「文字数」のようなもの。AIは文章をトークンという小片に区切って処理する。課金や入力上限（コンテキストウィンドウ）はこの単位で数えられるを大量消費する。

問題

• 「このファイルも確認が必要」という1行のために 16,000トークンの内部思考を消費した例あり
• 全体として 平均LLMの2.6倍の冗長さ（Artificial Analysis実測）

解決策：キーワードベースの動的切り替え

プロキシがリクエストのメッセージ内容を見て自動判断する。

メッセージに以下のキーワードが含まれる場合 → Thinking ON（budget: 8,000トークン）
  edit / fix / implement / debug / write / refactor
  create / add / modify / update / build / test / generate

それ以外（質問・説明・要約など）→ Thinking OFF

thinking設定のパラメータ

config/config.json で制御可能（2026-08-15時点の現行構成: glm-5.3 をprimaryに切替・MiniMaxにM3追加・last_actual_model等の実測ラベルは自動記録）：

{
  "thinking": {
    "mode": "auto",
    "budget_tokens": 8000
  }
}

<a id="status"></a>ステータス確認

# プロキシの状態確認
curl -s http://127.0.0.1:8787/proxy/status | python3 -m json.tool

{
  "usage_pct": 23.5,
  "request_count": 1016,
  "mode": "normal",
  "provider": "zai",
  "peak_block": false,
  "last_actual_model": "glm-5.3"
}

<a id="start-stop"></a>起動・停止

# 起動（SessionStart hookで自動実行されるが、手動でも可）
bash ~/.claude/scripts/llm/start-glm-proxy.sh

# プロセス確認
pgrep -a -f glm_rate_proxy

# 停止
pkill -f glm_rate_proxy

# ログ確認
tail -f /tmp/glm-proxy.log

ピークブロックを一時的に無効化

# 環境変数でピークブロック無効化
GLM_PEAK_BLOCK=false bash ~/.claude/scripts/llm/start-glm-proxy.sh

<a id="troubleshooting"></a>トラブルシューティング

❌ Claude Codeが「API error」を返す

確認手順:

# 1. プロキシが起動しているか
pgrep -a -f glm_rate_proxy

# 2. ポートが開いているか
curl -s http://127.0.0.1:8787/proxy/status

# 3. settings.jsonのBASE_URLが正しいか
grep ANTHROPIC_BASE_URL ~/.claude/settings.json

解決:

# プロキシを再起動
pkill -f glm_rate_proxy
bash ~/.claude/scripts/llm/start-glm-proxy.sh

❌ 応答が遅い・ハングする

原因候補:

1. Thinkingモードが暴走している（budget_tokensを超えている）
2. ZAIのレート制限短時間の利用回数にかけられる上限。API等で一定時間内のリクエスト数が制限されること。超えると一時的にエラーになるに引っかかっている

確認:

# ログでthinking状況を確認（DEBUGレベル要設定）
tail -50 /tmp/glm-proxy.log

# ステータスでpeak_blockを確認
curl -s http://127.0.0.1:8787/proxy/status | python3 -c "import json,sys; d=json.load(sys.stdin); print('mode:', d['mode'], '/ peak:', d['peak_block'])"

応急処置（全ThinkingをOFFに）:

config/config.json の thinking.mode を一時的に "always_off" に変更してプロキシ再起動。

❌ レート制限（429）が頻発する

確認:

curl -s http://127.0.0.1:8787/proxy/status | python3 -c "import json,sys; d=json.load(sys.stdin); print('usage:', d['usage_pct'], '%')"

• usage_pct が80%超 → economyモードに自動切替済みのはず
• 95%超 → emergencyモード（Claude-Flash）に切替済みのはず
• 429が続く場合 → MiniMaxへのフォールバックが機能しているか last_actual_model を確認

手動でMiniMaxに切り替え:

config/config.json に追加：

{
  "peak_hours": {
    "enabled": true,
    "start_hour": 0,
    "end_hour": 24
  }
}

（24時間ピーク扱いにして強制MiniMax）

❌ MiniMax APIキー変更後に400エラーが出る

原因

ピークブロック（JST 15:00–19:00）が有効な状態では全リクエストがMiniMaxに強制ルーティングされる。この時間帯にMiniMaxのAPIキーをリセット・変更すると、プロキシが古いキーを保持したまま稼働し続け、全リクエストが400エラーになってClaude Codeが停止する。

確認手順

# ピークブロック中かどうか確認
curl -s http://127.0.0.1:8787/proxy/status | python3 -c "import json,sys; d=json.load(sys.stdin); print('peak_block:', d['peak_block'], '/ provider:', d['provider'])"

# ログで400エラーを確認
tail -30 /tmp/glm-proxy.log

⚠️ APIキー変更時の手順（必須）

• [ ] ~/.secrets.env の MINIMAX_API_KEY を新しい値に更新
• [ ] プロキシを再起動して新しいキーを読み込ませる

# 1. ~/.secrets.env を編集（値はAPIキー管理ポリシーに従い直接記載）
# 2. プロキシ再起動
source ~/.secrets.env
pkill -f glm_rate_proxy
cd ~/.claude/scripts/glm-rate-proxy
PYTHONPATH=src nohup python3 -m glm_rate_proxy > /tmp/glm-proxy.log 2>&1 &
sleep 2
curl http://127.0.0.1:8787/proxy/status

ピークブロック中に緊急回避する場合

# ピークブロックを無効化してGLM（ZAI）直結に戻す
pkill -f glm_rate_proxy
source ~/.secrets.env
cd ~/.claude/scripts/glm-rate-proxy
GLM_PEAK_BLOCK=false PYTHONPATH=src nohup python3 -m glm_rate_proxy > /tmp/glm-proxy.log 2>&1 &

❌ No module named glm_rate_proxy エラー

プロキシの作業ディレクトリフォルダのこと。ファイルを階層的に整理する入れ物。Linux系ではフォルダをディレクトリと呼ぶのが普通かPYTHONPATHが正しくない。

# 正しい起動方法
cd ~/.claude/scripts/glm-rate-proxy
PYTHONPATH=src python3 -m glm_rate_proxy

❌ thinking ONなのに効果が感じられない

ZAIの enabled モードはモデルが「自動判断」して思考量を決める。budget_tokensを上げても体感が変わらない場合、モデル自身が「不要」と判断している可能性がある。

always_on + budget_tokens: 16000 を試すことで強制的に思考を増やせるが、トークン暴走リスクが上がる。

<a id="config-reference"></a>設定リファレンス

config/config.json の全項目：

{
  "zai_base_url": "https://api.z.ai/api/anthropic",
  "minimax_base_url": "https://api.minimax.io/anthropic/v1",
  "listen_host": "127.0.0.1",
  "listen_port": 8787,
  "upstream_timeout": 1200,
  "log_level": "INFO",
  "default_model": "GLM-5.3",
  "thresholds": {
    "normal":    {"max_pct": 80,  "model": null},
    "economy":   {"max_pct": 95,  "model": "Claude"},
    "emergency": {"max_pct": 100, "model": "Claude-Flash"}
  },
  "fallback": {
    "provider": "minimax",
    "model": "MiniMax-M3"
  },
  "peak_hours": {
    "enabled": true,
    "start_hour": 15,
    "end_hour": 19,
    "timezone_offset": 9
  },
  "thinking": {
    "mode": "auto",
    "budget_tokens": 8000,
    "coding_keywords": [
      "edit", "fix", "implement", "debug", "write", "refactor",
      "create", "add", "modify", "update", "build", "test", "generate"
    ]
  }
}

<a id="proxy-doctor"></a>proxy-doctor スキルClaude Codeで「特定の作業手順」をパッケージ化したもの。SKILL.mdに手順を書いておくと、対応する場面でAIがその手順を読み込んで従う。経験を再利用する仕組み — 診断を自動化する

プロキシが壊れた時の原因調査を自動化する Claude Code スキル。

できること

• プロセス動いているプログラム1つ1つの実体。番号（PID）で管理される・ステータス・ログを自動収集して原因を分類
• 10パターン（停止・400/401/429・タイムアウト待ち時間の上限。指定時間内に応答が無ければ「失敗」とみなして打ち切る仕組み・99%固定・設定書き換えなど）を診断
• 各パターンへの具体的な対処コマンドターミナルに入力してコンピュータに与える一行の指示。lsやcdのように『プログラム名+補足指定』で構成されるを提示（実行はユーザー確認後）
• 複数プロセス起動・32MB上限接近・ZAI直結化などエッジケースも検出

いつ使うか

「なんか遅い・エラーが出る・フォールバックしない」と思ったら、原因を自分で追わずこのスキルを最初に使う。

使い方

CLIセッションClaude Codeの1回の対話単位。起動から終了までの会話と作業状態のこと。長く使うと内容が混ざるため、トピックの区切りで新セッションに引き継ぐ運用をする内で以下のいずれかを言うとトリガーされる：

/proxy-doctor
プロキシ直して
GLMが使えない
400エラーが出る
プロキシを診断して

出力例

## proxy-doctor 診断結果

プロセス      : 起動中 (PID: 354224)
BASE_URL      : http://127.0.0.1:8787（プロキシ経由）
モード        : peak_block
プロバイダ    : minimax
ZAI使用率     : 0.0%
直近リクエスト: 2.1MB
ピークブロック: true

【検出された問題】 パターン J: 正常
【原因】 -

【推奨対処】 なし（正常動作中）

💡 やさしい補足（初心者向け）

• 「プロキシ」= AIを安く使うための中継地点: 公式の高価なAIに直接つなぐ代わりに、間に安いAIを置いてコストを下げる仕組み
• この環境の核心: Claude Code → 中継（プロキシ）→ GLM/MiniMax（安いAI）。これで大幅に節約
• 壊れたら: AIが反応しない・エラーが出る等は、このプロキシが原因のことが多い。この章の「トラブルシューティング」を参照
• 意識しなくてOK: 普段は裏で自動で動いている。トラブル時だけこの章を見る

<a id="related"></a>関連リンク

• ZAI公式ドキュメント - Deep Thinking
• ZAI公式ドキュメント - GLM-5.3モデル概要
• Artificial Analysis - GLM-5.2ベンチマーク（※GLM-5.3版ページは2026-08-17時点で未掲載・404確認済み。5.2が直近の計測対象）
• 04 MCPサーバー
• 11 現場の知見