GMI Cloud Inference Engine 是全球 AI 模型统一接入与在线使用的“高性能推理引擎平台”，底层搭载 H100/H200 芯片，集成全球近百个最前沿的大语言模型和视频生成模型，如 Gemini、Claude、Minimax、DeepSeek、GPT、Qwen、Kling 等，为 AI 开发者与企业提供速度更快、质量更高的模型服务。
欢迎来到！🎉🎉🎉
GMI Cloud Inference Engine AI 场景实践案例集【AI Coding 篇】之二。
本期任务目标： 在 Windows 终端里，使用 Claude Code 命令行工具，连接 GMI Cloud Inference Engine 的 MiniMax 模型 API。
Claude Code 是 Anthropic 推出的命令行 AI 编程工具，基于 Claude 大模型，可在终端 / IDE 中用自然语言交互，深度理解代码库，支持跨文件编辑、Git 协作。其具有 agent 优势，与超大上下文+多文件编辑+终端原生+安全自主执行+顶级模型能力，在处理大型项目、复杂重构和企业级开发时展现出明显优势。
本文将以接入 Inference Engine 中的 MiniMax-M2 api 为例，详细讲解在 Claude Code 中接入 api 的过程。Token福利文末自行领取！！
MiniMax-M2 界面：
console.gmicloud.ai/playground/…
01
准备工作
Get ready?
确保你已经掌握 AI Coding 基础知识，没有可看上一篇：
附上链接~
Kooty，公众号：GMI Cloud 黑板报小白友好教程！如何在 Cursor 接入 GMI Cloud 的 API
确保你的电脑已经安装了：
-
Python （为了运行 LiteLLM）
-
Node.js （为了运行 Claude Code）
02
接入步骤
API Connection Guide
步骤 1：安装必要工具
打开 PowerShell，依次运行以下命令：
1.安装 Claude Code 工具
npm install -g @anthropic-ai/claude-code
2.安装 LiteLLM（带代理功能）
# 注意加上引号，因为[proxy]是特殊字符 pip install "litellm[proxy]"
如果不懂怎么安装，可以直接在 Cursor 聊天框输入（亲测 Gemini3 可以直接一步到位，模型不够好可能中途会报错）：
https://docs.claude.com/en/docs/claude-code/overview参考这个文档，帮我安装claudecode
无论是通过哪种安装方式，Claude Code 在安装后都会引导你配置参数或者注册登录，如果你有账号可以按照引导往下走。如果没有、希望和笔者一样直接接入自己的（便宜的）api，可以登录到非得付费的那一步退出，然后继续步骤 2。
步骤 2：启动“翻译官” （LiteLLM）
我们需要启动一个本地服务，用来做连接我们的 api 和 Anthropic 之间的桥梁。在 PowerShell 中运行（替换为你自己的 API Key）：
# 设置 Key (必须加引号)$env:OPENAI_API_KEY = "你的MiniMax_API_Key"
# 启动服务# --drop_params: 自动丢弃不兼容的参数，防止报错litellm --model openai/MiniMaxAI/MiniMax-M2 --api_base https://api.gmi-serving.com/v1 --drop_params
✅ 成功标志：看到 Running on http://0.0.0.0:4000。
⚠️ 注意：这个窗口不要关闭。步骤 3 打开一个新的 powershell 窗口。
步骤 3：配置 PowerShell 连接
现在我们要告诉 Claude 工具：“别去连官网了，来连我们本地的翻译官”。
1. 打开配置文件：
在新的 PowerShell 窗口中输入：
notepad $PROFILE
2.粘贴以下代码：
function minimax { & { # 1. 把目标地址指向本地 LiteLLM (端口 4000) $env:ANTHROPIC_BASE_URL = "http://localhost:4000" # 2. Key 随便填，因为真实的 Key 已经在 LiteLLM 那边配好了 $env:ANTHROPIC_AUTH_TOKEN = "sk-placeholder" # 3. 模型名称要和 LiteLLM 启动时的匹配 $env:ANTHROPIC_MODEL = "MiniMaxAI/MiniMax-M2" $env:ANTHROPIC_SMALL_FAST_MODEL = "MiniMaxAI/MiniMax-M2" # 4. 启动 Claude 工具 if (Get-Command claude -ErrorAction SilentlyContinue) { claude @args } else { Write-Error "请先安装 claude-code: npm install -g @anthropic-ai/claude-code" } } }
步骤 4：开始使用
-
新建一个 PowerShell 窗口（确保配置生效）。
-
输入命令：
# 启动自设定的minimax程序 minimax # 进行测试 你好
🎉 看到回复即搞定！ 现在你就在用 Anthropic 的顶级命令行体验，驱动着公司的 MiniMax 模型了。
大家可以对比输入“claude code”和“minimax”下的差别：
步骤 5：将 LiteLLM 的启动简化（选做）
Cursor 聊天框输入:
帮我将LiteLLM的启动简化，生成一个一键启动脚本。
下次使用时，就只需两步：
-
点击该脚本
-
在另一个终端窗口中输入“minimax”
另外，如果想更方便，比如在桌面启动 LiteLLM，也可以将这个 .bat 的文件和 .yaml 的参数文件一起复制到目标位置。比如我将其复制到了桌面。
💡 常见报错
Q: 报错 ImportError: Missing dependency 'backoff'？
A: 你安装时少装了组件。请运行 pip install "litellm[proxy]"。
Q: 报错 UnsupportedParamsError: ... reasoning_effort?
A: 启动 LiteLLM 时忘了加 --drop_params 参数。
Q: 输入 minimax 提示找不到命令？
A: 修改完配置文件后，需要重启 PowerShell 窗口，或者运行 。 $PROFILE 刷新一下。
03
总结和拓展
Summary & Expansion
总结
1. 核心文件
2. 完整的逻辑链路图
- 准备层（启动网关）
运行 start_minimax_proxy.bat。
关键动作：它不仅加载了 yaml 配置，还通过 set OPENAI_API_KEY 把**通行证（Token）**交给了 LiteLLM 进程。
结果：本地 4000（或其他）端口开始监听。
- 调用层（触发指令）
你输入 minimax。
关键动作：系统执行 ps1 脚本里的函数。
- 重定向层（配置环境）
关键动作：ps1 脚本在内存里临时改了两个环境变量：
ANTHROPIC_BASE_URL：指路，让 Claude Code 走向本地端口。
ANTHROPIC_MODEL：定名，告诉 Claude Code 要发出的“暗号”是什么。
结果：Claude Code 启动并按照这个路标发包。
- 翻译层（中转适配）
关键动作：这是最复杂的一步。
收包：LiteLLM 收到 Claude Code 的 Anthropic 格式请求。
查表：它看一眼 yaml，发现 model_name（暗号）对上了。
变身：它把请求拆开，去掉多余参数（drop_params），重新包装成标准的 OpenAI 格式。
送达：最后，它带着 .bat 里的那个 Token，把请求发给供应商的 v1 接口。
拓展：思考题
如果不想用MiniMax了，想用Inference Engine平台的其他模型，该修改哪几个文件？
正确答案： 以Deepseek为例
修改.ps1、修改yaml，将 minimax function 一样的格式复制一份、修改模型名称部分就可以啦！
在启动时则可在终端输入deepseek，同样能成功启动
教程完毕！😍😍😍 快去试试吧~
