TL;DR

Free Claude Code는 로컬 프록시 서버와 Admin UI를 통해 Claude Code와 Codex를 다양한 클라우드 제공자 또는 로컬 OpenAI 호환 서버에 연결하는 도구로, fcc-server로 로컬 프록시를 띄우고 fcc-claude 또는 fcc-codex를 실행해 네이티브 /model 선택기를 통해 FCC가 노출한 모델을 사용할 수 있다. 설치 스크립트는 필요한 런타임과 종속성을 점검하고 실패 시 즉시 중단하며 설치 후 Admin UI에서 각 제공자의 API 키와 MODEL을 검증해 적용하는 방식으로 동작한다. 모델 티어 라우팅과 에디터 통합(VS Code, JetBrains), 메시징/음성 전사 옵션을 통해 멀티모델 운영과 IDE 연동을 쉽게 구성할 수 있지만 각 제공자별 API 키와 로컬 서버 구동이 전제되어야 하며 일부 모델에서는 메타데이터 누락 같은 제약이 발생할 수 있다.

주요 기능

• 로컬 프록시와 Admin UI로 Claude Code와 Codex 런처를 시작할 수 있으며 fcc-server가 Admin UI 주소와 포트를 로그에 출력한다. 런처는 fcc-claude 및 fcc-codex 명령으로 실행되며 클라이언트 내에서 /model 명령을 통해 FCC가 노출하는 모델 카탈로그를 사용한다. CLI 인자는 기존 방식대로 전달되어 기존 워크플로와 호환된다.
• 다양한 클라우드와 로컬 제공자를 Admin UI에서 구성하고 검증할 수 있으며 README에 NVIDIA NIM, OpenRouter, Gemini, Hugging Face, Ollama, llama.cpp 등 다수의 제공자 예시가 나열되어 있다. 각 제공자에 맞춘 환경변수와 API 키를 Admin UI에 입력하면 FCC가 해당 제공자 엔드포인트로 요청을 프록시한다. 로컬 서버(예: LM Studio, llama-server, Ollama)를 OpenAI 호환 엔드포인트로 띄우면 동일한 방식으로 통합된다.
• 모델 티어별 라우팅을 지원하여 MODEL_OPUS, MODEL_SONNET, MODEL_HAIKU 같은 환경변수로 요청 유형별로 서로 다른 모델로 분기시킬 수 있다. 이 라우팅을 통해 고비용·저지연 모델과 저비용·저용량 모델을 요청 유형에 따라 분리할 수 있다. 티어 설정을 비워두면 기본 MODEL을 계승하도록 구성되어 유연한 운영이 가능하다.
• 에디터 통합을 제공하여 VS Code Claude Code 확장 구성과 Codex의 config.toml·auth.json 예시를 통해 IDE에서 프록시를 직접 사용하도록 설정할 수 있다. JetBrains ACP 역시 환경변수 조정으로 프록시를 가리키면 기존 IDE 내에서 Claude Code 세션을 실행할 수 있다. Discord 및 Telegram 연동과 음성 메시지 전사 기능도 옵션으로 설정할 수 있다.

어떻게 동작하는가

Free Claude Code는 uv로 관리되는 Python 기반 로컬 서버(fcc-server)를 띄워 Admin UI에서 제공자 설정과 모델 식별자 목록을 저장하고 검증한다. 클라이언트(Claude Code, Codex)는 Admin UI의 엔드포인트와 인증 토큰으로 프록시에 연결되며 프록시는 요청을 구성된 클라우드 제공자나 로컬 OpenAI 호환 서버로 전달한다. 프록시는 모델 카탈로그를 생성하여 클라이언트의 네이티브 /model 선택기와 통합하고, 모델 티어별 라우팅 및 스트리밍·툴 사용 지원을 유지한다.

해결 문제

로컬 환경에서 Claude Code와 Codex를 공식 로그인 절차 없이 다양한 제공자나 로컬 모델에 연결할 수 있는 프록시와 관리 UI를 제공한다. 이 도구는 여러 제공자의 API 키와 모델 식별자를 중앙에서 검증·관리하고 클라이언트가 기존 네이티브 모델 선택기를 그대로 사용하게 만든다. 또한 요청 유형에 따른 모델 티어 라우팅과 에디터·메시징 플랫폼 통합을 통해 코딩 에이전트의 배포 복잡도를 줄인다.

지금 주목받는 이유

README에 Star History 차트가 포함되어 있고 여러 에디터·로컬 서버와의 통합 예시를 통해 즉시 사용 가능한 설치 흐름을 제공하므로 관심을 끌었다. 다양한 상용 제공자와 로컬 모델을 한곳에서 관리하는 실용적 유틸리티라는 점이 주목을 받는 요인으로 보인다. 또한 설치 스크립트와 자동 검증 절차로 초기 진입 장벽을 낮춘 점도 인기의 배경이다.

차별점

• 다수의 상용 및 로컬 제공자를 한곳에서 구성·검증하도록 Admin UI를 제공하여 사용자가 개별 클라이언트 설정을 직접 수정할 필요를 줄였다. README에는 NVIDIA NIM, OpenRouter, Gemini, Hugging Face, Ollama, llama.cpp 등 여러 제공자별 설정 예시와 검증 절차를 나열하여 즉시 적용 가능한 템플릿을 제공한다. 이 접근은 개별 제공자 API를 직접 다루는 수고를 줄여 통합 운영을 단순화한다.
• 클라이언트의 네이티브 /model 선택기와의 통합을 유지하여 사용자가 익숙한 워크플로를 그대로 사용할 수 있도록 설계되었다. README 예시는 Claude Code와 Codex의 네이티브 /model UI가 FCC가 노출하는 모델 카탈로그를 통해 동작하는 모습을 스크린샷과 설명으로 제시한다. 결과적으로 클라이언트 측 변경을 최소화하면서 프록시 기반 모델 전환을 가능하게 한다.
• 모델 티어 라우팅 기능을 제공하여 Opus·Sonnet·Haiku 같은 요청 레벨별로 서로 다른 모델을 지정할 수 있으므로 비용과 성능을 분리된 경로로 제어할 수 있다. 환경변수 기반 설정으로 특정 티어를 빈 칸으로 두면 기본 MODEL을 상속하도록 설계되어 유연한 설정이 가능하다. 이 기능은 멀티모델 운영에서 요청 특성에 따른 최적화를 쉽게 적용하도록 한다.

사용 사례

• 공식 Anthropic 계정이 없거나 특정 클라우드 모델에 직접 접근할 수 없는 환경에서 Claude Code 또는 Codex를 로컬로 실행해 개발 워크플로를 유지할 때 유용하다. 프록시가 Admin UI에서 제공자 설정을 관리하므로 다양한 API 키를 중앙에서 검증하고 즉시 사용할 수 있다. IDE 통합을 통해 로컬 개발 환경에서 별도 포팅 없이 기존 확장으로 작업을 이어갈 수 있다.
• 여러 모델을 조합해 비용과 응답 품질을 분리하고자 할 때 모델 티어 라우팅을 통해 Opus·Sonnet·Haiku 등에 서로 다른 모델을 배정함으로써 특정 요청 유형에서 고성능 모델을, 다른 요청에서 저비용 모델을 사용하도록 운영할 수 있다. 이 방식은 코드 생성·테스트·문서화 등 작업별 특성에 따라 모델을 최적화하는 데 적합하다. 티어 설정은 환경변수로 제어되어 배포 자동화에 편리하다.
• Discord나 Telegram 기반 챗봇에 음성 노트 전사 및 코드 에이전트를 통합하려는 경우 FCC의 Messaging 및 Voice 옵션을 통해 플랫폼별 토큰과 허용 디렉터리를 설정하면 에이전트를 메시징 플랫폼으로 확장할 수 있다. README의 디테일한 단계는 권한·인텐트 설정과 채널 허용 범위를 명시하고 있어 운영 설정을 재현하기 쉽다. 음성 전사는 NVIDIA NIM 혹은 로컬 Whisper 백엔드를 선택해 구성할 수 있다.

시작하기

설치는 리포지토리의 설치 스크립트를 실행하는 한 줄 명령으로 시작하며 macOS/Linux는 curl -fsSL "https://raw.githubusercontent.com/Alishahryar1/free-claude-code/main/scripts/install.sh" | sh, Windows는 PowerShell의 원격 스크립트 실행을 사용한다. 설치 후에는 fcc-server 명령으로 로컬 프록시 서버를 기동하고 로그에 출력된 Admin UI 주소를 통해 제공자 API 키와 MODEL을 입력·검증한 뒤 fcc-claude 또는 fcc-codex로 클라이언트를 실행하면 즉시 /model 선택기를 통해 FCC가 노출한 모델을 사용할 수 있다. VS Code나 JetBrains 통합은 README에 제시된 환경변수 예시를 에디터 설정에 반영하고 확장/IDE를 재시작하면 연결이 이루어진다.

요구사항

• Git이 먼저 설치되어야 하며 설치 스크립트가 레포지토리를 직접 클론하기 때문에 기본 Git 클라이언트가 필요하다. Python 3.14 환경이 권장되며 설치 과정에서 uv로 관리되는 Python 런타임이 사용되며 추가 종속성은 설치 스크립트가 자동으로 처리한다. 외부 제공자 사용 시에는 각 제공자의 API 키(예: NVIDIA_NIM_API_KEY, OPENROUTER_API_KEY 등)와 로컬 서버 사용 시에는 해당 서버(LM Studio, llama-server, Ollama 등)의 실행과 OpenAI 호환 엔드포인트가 필요하다.

이미지 분석