为 Databricks LLM 模型模拟 Claude Code 后端（含 MCP、Git 工具和 Prompt 缓存）

Source: Dev.to

Claude Code 已迅速成为我最喜爱的仓库感知 AI 工作流工具之一。它能够理解你的代码库，浏览文件，概括差异，运行工具，并通过简单的 CLI 与 Git 集成——全部在一个命令行界面中。

问题： 官方的 Claude Code 后端仅支持 Anthropic 托管的模型。如果你想使用 Databricks 托管的 Claude 模型，通过 Azure 的 Anthropic 端点路由请求，添加本地工具和模型上下文协议（MCP）服务器，启用提示缓存，或自行运行后端进行实验，这些都行不通。

解决方案： Lynkr，一个自托管的 Claude Code 兼容代理。
GitHub:

Lynkr 的功能

Lynkr 是一个 HTTP 代理，它：

• 模拟 Claude Code 后端。
• 将请求转发至 Databricks 或 Azure Anthropic。
• 集成工作区工具、Git 辅助、提示缓存和 MCP 服务器。

你仍然使用常规的 Claude Code CLI，只需将其指向你自己的后端：

Claude Code CLI → Lynkr → Databricks / Azure Anthropic / MCP tools

核心功能

Provider 适配器

• 内置对两个上游提供商的支持：Databricks（默认）和 Azure Anthropic。
• 请求会被标准化，使 CLI 接收到标准的 Claude 风格响应。

仓库智能

• 为你的工作区构建轻量级 SQLite 索引，捕获：
  • 符号定义与引用
  • 框架与依赖提示
  • 语言混合检测
  • Lint/测试配置发现
• 生成 CLAUDE.md 摘要，为模型提供项目的结构化上下文。

Git 工作流集成

• 类似 Claude Code 的 Git 助手：
  • status、diff、stage、commit、push、pull
  • Diff 审查摘要
  • 发布说明生成
• 策略守卫（环境变量）：
  • POLICY_GIT_ALLOW_PUSH
  • POLICY_GIT_REQUIRE_TESTS
  • POLICY_GIT_TEST_COMMAND

Prompt 缓存

• 基于提示签名的本地 LRU+TTL 缓存：
  • 加速重复提示
  • 减少 Databricks/Azure 令牌消耗
  • 避免重复执行相同的分析步骤
• 调用工具时会自动绕过缓存，以防止不安全的副作用。

MCP 编排

• 自动发现 MCP 清单，启动服务器，使用 JSON‑RPC 包装，并将所有工具暴露给助手。
• 可选的 Docker 沙箱在需要时隔离 MCP 工具。

工作区工具

• 仓库索引与符号搜索
• Diff 审查
• 测试运行器
• 文件 I/O 实用工具
• 轻量级任务跟踪器（TODO 存储在 SQLite 中）

完全透明

• 所有活动均记录为结构化的 Pino 日志，包括：
  • 请求/响应追踪
  • 仓库索引器事件
  • Prompt 缓存命中/未命中
  • MCP 注册表诊断

架构概览

代码库故意保持小而易于 hack——所有内容都位于 src/ 目录下。

安装 Lynkr

先决条件

• Node.js 18+
• npm
• Databricks 或 Azure Anthropic 凭证
• （可选）用于 MCP 沙箱的 Docker
• （可选）Claude Code CLI

安装选项

# From npm
npm install -g lynkr

# Homebrew
brew tap vishalveerareddy123/lynkr
brew install lynkr

# From source
git clone https://github.com/vishalveerareddy123/Lynkr.git
cd Lynkr
npm install

配置代理

为上游提供商（Databricks 或 Azure Anthropic）以及所需的任何策略标志设置相应的环境变量。以下是 Azure Anthropic 的示例：

export ANTHROPIC_API_KEY=your_key_here
export ANTHROPIC_ENDPOINT=https://anthropic.azure.com/anthropic/v1/messages
export PROVIDER=azure_anthropic

连接 Claude Code CLI

在本地运行 Lynkr（默认端口 8080），并让 Claude Code 指向它：

lynkr start --port 8080

配置 Claude Code 使用代理，例如：

export CLAUDE_CODE_ENDPOINT=http://localhost:8080

然后像往常一样在你的仓库中运行 CLI；所有工具调用、聊天、差异和导航都通过 Lynkr 进行。

示例：调用工具

curl -X POST http://localhost:8080/v1/messages \
  -H "Content-Type: application/json" \
  -d '{
        "model": "claude-2.1",
        "messages": [{"role":"user","content":"Summarize the recent diff"}]
      }'

故障排除要点

路线图

• Per‑file threaded diff comments
• Risk scoring on diffs
• LSP bridging for deeper language understanding
• Declarative “skills” layer
• Historical coverage and test dashboards

为什么我构建了它

我喜欢 Claude Code 的用户体验，但我需要：

• 完全本地执行
• 能够接入 Databricks 和 Azure Anthropic
• 自定义工具和 MCP 服务器
• 对内部行为的完整可见性
• 在没有平台限制的情况下快速实验

如果您正在探索在 Databricks 或 Azure 上的 AI 辅助开发，并希望对后端拥有更多控制，Lynkr 可能会有帮助。

GitHub:
欢迎贡献、提出想法和报告问题。