在国产网络环境下跑海外 AI 编程工具，最大的坎往往不是工具本身，而是「接不上模型」：官方 API 直连不稳定、注册门槛高、手动配置教程一堆但每换一次模型就要重来。本文分享一个 30 秒完成配置的开源方案 agent-cn，以及它背后的协议兼容原理。
先上结论：写了个零依赖的 Python CLI，专门解决「海外 Agent 工具在国内用不起来」的问题，叫 agent-cn。
痛点
Claude Code、Codex CLI 这类工具很好用，但在国内有两条坎：
- 直连不稳定，官方注册还要国外手机号和外币支付；
- 网上教程基本都是「手动配环境变量」，配一次半小时，换个模型又要重来一遍。
agent-cn 是什么
一条命令自检环境，交互式配置，写配置前自动备份：
pip install agent-cn
agent-cn doctor # 环境自检：工具、Python、网络连通性
agent-cn setup claude-code # 交互式：选模型 → 填 Key → 自动写配置 → 自动验证
agent-cn switch claude-code deepseek/deepseek-v4-flash # 一键切模型
agent-cn list # 工具 × 模型兼容矩阵
agent-cn cost # 比价 + 成本预估
agent-cn export / import # 换机迁移
支持的工具：Claude Code（Anthropic 兼容，写 ~/.claude/settings.json）、Codex CLI（OpenAI 兼容，写 ~/.codex/config.toml）、Cline（手动指引）。
支持的模型：DeepSeek、通义千问、智谱 GLM、Kimi，四个端点是逐一手动实测过的（零 Key 探测：401 即证明端点存在）。
设计取舍
- 官方直连，不走任何第三方中转服务，Key 只进本机配置文件；
- 零依赖，纯 Python 标准库；
- 所有配置写入前自动备份（.bak + 时间戳），改错可回滚；
- 全中文交互和错误提示，Windows / macOS / Linux 通用。
现状
42 个单元测试全绿，GitHub Actions 双平台三版本 CI 通过，PyPI 已发布，MIT 协议。
GitHub: https://github.com/wangray1997-droid/agent-cn
PyPI: https://pypi.org/project/agent-cn/
为什么做这个
我本人就是重度用户，DeepSeek + Claude Code 的组合跑了大半年，配置踩过的坑都在这了。谈不上多高级，但求「开箱即用」。欢迎试用，有问题直接提 issue，star 更是动力。
