Claude Code에서 GPT-6 Astra 쓰기: LiteLLM 연동과 Codex 플러그인 실측

Claude Code(클로드 코드)에서 GPT-6 Astra를 쓰는 방법은 서로 다른 두 가지 구성입니다. 하나는 Claude Code 앞에 LiteLLM 같은 변환 프록시를 두고 ANTHROPIC_BASE_URL과 모델 변수를 gpt-6-astra로 바꿔 Astra를 메인 모델로 쓰는 방법이고, 다른 하나는 Claude를 메인 모델로 둔 채 OpenAI 공식 Codex 플러그인의 /codex:rescue --model gpt-6-astra로 작업만 Astra에 맡기는 방법입니다. 세션 전체를 Astra로 돌리려면 프록시 쪽, Claude를 그대로 두고 일부 작업만 넘기려면 플러그인 쪽이 맞으며, 플러그인은 ChatGPT 요금제와 OpenAI API 키 중 어느 쪽으로도 씁니다. 어느 쪽이든 Anthropic은 Claude Code LLM 게이트웨이 문서에서 Claude가 아닌 모델로의 라우팅을 지원하지 않는다고 밝히고 있어, 금지는 아니지만 문제가 생겨도 공식 지원은 받을 수 없습니다.

2026년 11월 12일 Claude Code 2.1.316, LiteLLM 1.109.1, laozhang.ai API 조합으로 버그 두 개가 있는 Python 파일을 고치게 했더니 Astra가 테스트 4개를 모두 통과시키는 데 19.2초가 걸렸고, 정가로 환산한 비용은 $0.228이었습니다. 같은 실행에서 Claude Code가 표시한 비용은 $0.114로 절반이었는데, Claude Code가 이 모델의 가격을 모르기 때문입니다. Codex 플러그인 1.0.6의 실행 스크립트로 같은 작업을 gpt-6-astra에 맡긴 실행도 28초 만에 4/4로 끝났습니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

프록시 없이 ANTHROPIC_BASE_URL만 게이트웨이로 바꾸는 방법은 그 게이트웨이가 Claude 형식으로 Astra를 제공할 때만 됩니다. laozhang.ai의 Claude 형식 엔드포인트(/v1/messages)에 gpt-6-astra를 보내면 503 no available channels가 돌아오므로, 쓰는 게이트웨이에 curl 한 번으로 먼저 확인한 뒤 설정을 고치는 편이 빠릅니다.

Astra를 메인 모델로 쓸까, Codex 플러그인으로 맡길까

두 구성의 차이는 작업 루프를 누가 도는지와 무엇으로 과금되는지입니다. 프록시 구성에서는 Claude Code의 도구와 권한 설정은 그대로 두고 판단하는 모델만 Astra로 바뀌며, 토큰마다 API 요금이 나갑니다. 플러그인 구성에서는 Claude가 대화를 이끌다가 맡긴 작업만 Codex CLI가 Astra로 처리해 결과를 돌려주고, 사용량은 ChatGPT 요금제의 Codex 한도에서 빠집니다.

Claude가 계획하고 설명하는 흐름은 유지하면서 구현이나 디버깅만 Astra에 넘기고 싶다면 플러그인이 덜 번거롭습니다. Claude Code의 화면과 권한 체계 안에서 모든 판단을 Astra가 하길 원하거나, OpenAI가 아닌 게이트웨이의 API 키로 Astra를 부른다면 프록시 구성을 고르면 됩니다. OpenAI API 키만 있는 경우는 두 구성 모두 가능하므로, Claude를 메인으로 남길지를 기준으로 고르면 됩니다. Astra 자체가 Claude 모델보다 맞는지는 Fable 5.2 vs GPT-6 Astra 비교: 추론 강도 대응표와 실측 토큰 2.5배에서 따로 따져 볼 수 있습니다.

LiteLLM 프록시로 GPT-6 Astra를 메인 모델로 연결하기

프록시 구성은 LiteLLM이 Claude Code의 Anthropic Messages 형식 요청을 받아 OpenAI 형식으로 바꿔 Astra에 보내는 방식입니다. 2026년 11월 12일 아래 설정 그대로 Claude Code 2.1.316에서 동작했고, 상위로 나간 호출은 전부 /v1/responses였습니다. OpenAI API에서 Astra의 도구 호출은 Responses API에서만 되기 때문에, 이 경로가 Responses로 나간다는 점이 중요합니다.

1. LiteLLM을 프록시 기능과 함께 설치합니다. LiteLLM의 Claude Code 비Anthropic 모델 튜토리얼은 uv tool install 'litellm[proxy]'를 안내하며, 테스트에서는 Python 3.12 가상환경에 설치한 1.109.1을 썼습니다.
2. 아래 내용으로 litellm-config.yaml을 만듭니다. Astra는 메인 모델용, gpt-6-luna는 세션 제목을 만드는 보조 요청용입니다.
3. API 키와 프록시 접속 키를 환경 변수로 넣고 프록시를 띄웁니다.
4. 다른 터미널에서 curl로 /v1/messages를 호출해 응답의 model이 gpt-6-astra인지 봅니다.
5. Claude Code가 프록시를 보도록 환경 변수를 넣고 claude를 실행합니다.

model_list:
  - model_name: gpt-6-astra
    litellm_params:
      model: openai/gpt-6-astra
      api_base: https://api.laozhang.ai/v1
      api_key: os.environ/LAOZHANG_API_KEY
  - model_name: gpt-6-luna
    litellm_params:
      model: openai/gpt-6-luna
      api_base: https://api.laozhang.ai/v1
      api_key: os.environ/LAOZHANG_API_KEY
litellm_settings:
  drop_params: true

drop_params: true는 상위 API가 받지 않는 파라미터를 버리게 하는 설정입니다. Claude Code는 게이트웨이에도 anthropic-beta 헤더, output_config.effort, context_management 같은 Anthropic 전용 필드를 그대로 보내는데, 테스트에서는 beta 값 8개가 함께 갔지만 400 오류는 한 번도 나지 않았습니다. laozhang.ai는 gpt-6-astra를 Chat Completions와 Responses 두 방식으로 제공한다고 문서에 적고 있습니다. OpenAI API 키로 api.openai.com에 바로 붙이려면 LiteLLM 문서 방식대로 api_base 줄을 빼고 api_key: os.environ/OPENAI_API_KEY로 바꾸면 되는데, 이 조합은 2026년 11월 12일 테스트에서 돌리지 않았습니다. Astra API 키를 처음 만드는 단계는 GPT-6 Astra API 사용 방법: 프로젝트 권한 확인부터 첫 응답까지에 있습니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

export LAOZHANG_API_KEY="sk-..."          # Astra를 호출할 수 있는 API 키
export LITELLM_MASTER_KEY="sk-local-..."  # 프록시 접속용으로 직접 정한 긴 문자열
litellm --config litellm-config.yaml --host 127.0.0.1 --port 4011

curl -s http://127.0.0.1:4011/v1/messages \
  -H "Authorization: Bearer $LITELLM_MASTER_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","max_tokens":256,"messages":[{"role":"user","content":"Reply with exactly one word: connected"}]}'

응답 JSON에 "model":"gpt-6-astra"가 있고 "type":"message"로 돌아오면 변환은 정상입니다. 2026년 11월 12일 같은 프록시에 도구 정의를 하나 넣어 보냈을 때는 "stop_reason":"tool_use"와 함께 도구 호출이 돌아왔습니다. Claude Code가 쓰는 도구 형식도 프록시에서 제대로 변환된다는 뜻입니다.

export ANTHROPIC_BASE_URL="http://127.0.0.1:4011"
export ANTHROPIC_AUTH_TOKEN="$LITELLM_MASTER_KEY"
export ANTHROPIC_MODEL="gpt-6-astra"
export ANTHROPIC_DEFAULT_OPUS_MODEL="gpt-6-astra"
export ANTHROPIC_DEFAULT_SONNET_MODEL="gpt-6-astra"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="gpt-6-luna"
export CLAUDE_CODE_MAX_CONTEXT_TOKENS=272000
claude

모델 변수를 네 개나 넣는 이유는 Claude Code가 요청 종류마다 다른 자리의 모델을 쓰기 때문입니다. --model 없이 시작한 메인 세션은 Opus 자리에 들어가는 모델(ANTHROPIC_DEFAULT_OPUS_MODEL)을 쓰고, 대화형 화면의 세션 제목은 Haiku 자리(ANTHROPIC_DEFAULT_HAIKU_MODEL)로 요청되며, 서브 에이전트는 세션 모델을 따릅니다. 자리 하나를 비워 두면 Claude Code가 프록시에 없는 Claude 모델 ID를 요청하게 되므로 네 개를 모두 채우고, 제목 요청에는 gpt-6-luna를 넣었습니다. 자리별 동작은 GLM-5.3-Flash Claude Code 설정: Flash로 도는 슬롯 매핑과 effort에서 GLM을 예로 자세히 다루고, 같은 값을 셸 대신 settings.json에 두는 방법과 우선순위는 Claude Code API 설정: 키, settings.json, 모델, 게이트웨이 확인 순서에 정리되어 있습니다.

CLAUDE_CODE_MAX_CONTEXT_TOKENS=272000은 Claude Code가 모르는 모델 ID에 200K 컨텍스트를 가정하는 문제를 바로잡는 값입니다. Claude Code 모델 설정 문서에 따르면 claude-로 시작하지 않는 ID에는 이 변수만으로 적용되고, 자동 압축도 이 크기를 기준으로 일어납니다. Astra의 실제 컨텍스트는 1,050,000토큰이지만 입력이 272K를 넘는 요청은 요청 전체가 입력 $20 / 출력 $75의 높은 단가로 과금되므로, 정가 구간 안에서 압축이 먼저 일어나도록 272000을 골랐습니다. 공식 권장값은 아니며, 2026년 11월 12일 이 값을 넣자 Claude Code가 보고하는 컨텍스트 창이 272000으로 바뀌고 200k 경고 줄이 사라졌습니다. DeepSeek처럼 Anthropic 형식을 직접 제공하는 모델은 프록시 없이도 붙일 수 있는데, 그 경우는 Claude Code에서 OpenRouter와 DeepSeek 쓰기: 경로, 설정, 첫 오류 해결을 참고하면 됩니다.

Codex 플러그인으로 GPT-6 Astra에 작업 맡기기

플러그인 구성은 Claude Code 안에서 /codex:rescue --model gpt-6-astra로 작업을 Codex에 넘기는 방식이며, ChatGPT 로그인이나 OpenAI API 키로 동작합니다. --model을 빼면 Codex가 자체 기본 모델을 고르므로 Astra를 쓰려면 매번 모델을 지정해야 합니다. OpenAI의 Codex plugin for Claude Code 저장소에 있는 설치 순서는 다음과 같습니다.

1. Claude Code에서 /plugin marketplace add openai/codex-plugin-cc를 입력합니다.
2. /plugin install codex@openai-codex로 설치하고 /reload-plugins로 다시 읽습니다.
3. /codex:setup을 실행합니다. Codex CLI가 없으면 npm으로 설치를 제안하고, 로그인이 안 되어 있으면 !codex login으로 ChatGPT 계정에 로그인합니다.
4. /codex:rescue --model gpt-6-astra --effort medium 실패하는 테스트를 고쳐 줘처럼 모델과 추론 강도를 붙여 작업을 넘깁니다.

2026년 11월 12일 새 설정 폴더에 플러그인 1.0.6을 설치하고, ChatGPT로 로그인한 Codex CLI 0.166.0에서 플러그인의 codex:codex-rescue 서브 에이전트가 부르는 실행 스크립트를 같은 방식(task --write --model gpt-6-astra --effort medium)으로 직접 실행했습니다. 프록시 구성과 같은 Python 작업이 28초 만에 테스트 4/4로 끝났고, Codex 세션 기록에는 "model":"gpt-6-astra", "reasoning_effort":"medium", 입력 130,507토큰(그중 캐시 112,128) / 출력 369토큰이 남았습니다. 설치된 파일을 보면 이 서브 에이전트는 사용자가 모델을 말하지 않으면 --model을 비워 두고, 기본으로 --write를 붙이며, 서브 에이전트 자신은 Sonnet으로 돕니다. 대화형 Claude 세션에서 /codex:rescue를 직접 입력하는 단계는 이 테스트에서 실행하지 않았습니다. 두 구성은 추론 강도(high와 medium)와 도구가 달라 토큰 합계를 그대로 비교할 수 없습니다.

어떤 ChatGPT 요금제로 Astra를 쓸 수 있는지가 이 구성의 전제입니다. 2026년 10월 26일 기준 OpenAI 안내로는 Free와 Go는 Codex에서 GPT-6 Luna만 쓰고 Astra는 쓸 수 없으며, Plus와 일반 Business는 Work와 Codex에서 5시간마다 대략 5~45회의 Astra 로컬 메시지를, Pro는 5시간 한도 없이 씁니다. 사용량은 Codex 한도에서 빠지고, /codex:setup --enable-review-gate로 켜는 리뷰 게이트는 README가 경고하듯 한도를 빠르게 소모할 수 있습니다. 두 도구의 요금제와 한도를 비용 관점에서 나란히 본 내용은 Claude Code vs Codex 비용 비교: 구독, 한도, 실제 API 청구에 있습니다.

API 키 없이 ChatGPT 구독만으로 Claude Code에서 GPT를 쓰고 싶다면 이 플러그인이 OpenAI가 직접 내놓은 방법입니다. ChatGPT 로그인을 Codex 밖에서 재사용해 Claude Code의 메인 모델로 쓰게 해 주는 커뮤니티 리버스 프록시도 있지만, OpenAI가 제공하는 경로가 아니어서 계정에 어떤 영향이 있을지 보장되지 않습니다.

응답이 정말 gpt-6-astra에서 오는지 확인하는 법

모델에게 이름을 묻는 것보다 Claude Code 헤더, /status, 프록시나 Codex의 기록을 보는 편이 확실합니다. 2026년 11월 12일 프록시 구성의 Astra는 스스로 "I am GPT-6 Astra (gpt-6-astra)."라고 답했지만, 플러그인 구성의 Astra는 "I'm Codex, based on GPT-6."라고만 답했고 실제 모델은 Codex 세션 기록의 "model":"gpt-6-astra"로 확인됐습니다.

프록시 구성으로 대화형 Claude Code를 열면 헤더와 첫 경고가 다음처럼 나옵니다. 헤더의 모델명이 gpt-6-astra이고 과금 표시가 API Usage Billing이면 Claude 구독 로그인이 아니라 환경 변수의 키로 인증되고 있다는 뜻입니다. 경고는 CLAUDE_CODE_MAX_CONTEXT_TOKENS를 넣지 않았을 때 나오는 것으로, 오류가 아닙니다.

 ▐▛███▛█   Claude Code v2.1.316
▝▜██████▀  gpt-6-astra · API Usage Billing

⚠ Model "gpt-6-astra" isn't recognized · context assumed to be 200k tokens · update Claude Code, or see
  https://code.claude.com/docs/en/model-config

/status에서는 인증, 주소, 모델 세 줄을 봅니다. 아래처럼 인증이 ANTHROPIC_AUTH_TOKEN, 주소가 프록시, 모델이 gpt-6-astra로 나오면 설정이 적용된 것입니다. 사용자 지정 ANTHROPIC_BASE_URL을 쓰면 원격 관리 설정과 조직 정책을 가져오지 않는다는 줄도 함께 보이는데, 회사 계정으로 쓰는 경우 이 차이를 알아 둘 필요가 있습니다.

  Auth token:                 ANTHROPIC_AUTH_TOKEN
  Anthropic base URL:         http://127.0.0.1:4011

  Model:                      gpt-6-astra
  Managed settings (remote):  not fetched — not available with a custom ANTHROPIC_BASE_URL
  Organization policy:        not fetched with a custom ANTHROPIC_BASE_URL

가장 확실한 근거는 프록시 로그입니다. 같은 날 대화형 화면에서 질문 하나를 보냈을 때 프록시에는 요청이 세 건 찍혔는데, 두 건은 gpt-6-astra, 한 건은 세션 제목을 만드는 Haiku 자리의 gpt-6-luna였습니다. LiteLLM을 --detailed_debug로 띄우면 요청마다 모델 이름과 상위 주소(/v1/responses)가 남으므로, Claude 모델 ID가 섞여 나가지 않는지 여기서 확인하면 됩니다.

GPT-6 Astra 작업 비용: Claude Code 표시 금액은 정가의 절반

프록시 구성에서 Claude Code가 화면에 보여 주는 비용은 Astra 정가의 약 절반이라 그대로 믿으면 안 됩니다. Claude Code는 gpt-6-astra의 가격표가 없어 비용 근거를 unknown으로 두고 금액을 계산하기 때문에, 실제 비용은 상위 API가 돌려준 토큰 사용량에 Astra 정가를 곱해 따로 구해야 합니다. 2026년 11월 12일 같은 작업을 추론 강도별로 한 번씩 돌린 결과는 다음과 같습니다.

세 실행 모두 테스트 4/4를 통과했고, Claude Code의 effort 값이 Astra의 reasoning.effort로 그대로 전달됐습니다. 기본값이 high로 나간 것은 Claude Code가 모르는 모델 ID에 high를 기본으로 보내기 때문입니다. 경우마다 한 번씩 쉬운 작업에서 돌린 결과라 어느 강도가 낫다는 근거는 아니고, 값이 전달된다는 확인으로 보면 됩니다. effort 값의 의미와 적용 순서는 Claude Code effort 설정과 차이: Opus 5.5 기본값 medium, 안 먹힐 때 해결에 있습니다.

정가 환산은 Astra의 100만 토큰당 가격(입력 $10, 캐시 쓰기 $12.5, 캐시 읽기 $1, 출력 $50)에 상위 API가 보고한 사용량을 곱한 값입니다. 기본값 실행은 캐시 안 된 입력 12, 캐시 쓰기 11,728, 캐시 읽기 55,265, 출력 521토큰이었습니다.

(12 × 10 + 11,728 × 12.5 + 55,265 × 1 + 521 × 50) ÷ 1,000,000
= 0.00012 + 0.14660 + 0.05527 + 0.02605 ≈ $0.228

이 중 약 64%는 Claude Code의 시스템 프롬프트와 도구 정의 약 1.17만 토큰을 처음 캐시에 쓰는 비용이었습니다. 그래서 같은 날 대화형 화면에서 짧은 질문 하나만 보낸 세션(프록시 요청 3건)도 Astra 정가로 합산하면 약 $0.17이었습니다. 이 합계는 gpt-6-luna로 간 작은 제목 요청까지 Astra 단가로 계산한 상한 추정치이고, 실제 작업 세션은 이 테스트보다 훨씬 길어 금액도 커집니다. 캐시는 게이트웨이와 OpenAI 쪽 자동 캐시에 따른 것이고, 위 금액은 청구서가 아니라 사용량으로 계산한 추정치입니다. 272K 구간, 캐시, 서비스 티어를 포함한 전체 가격은 GPT-6 Astra API 가격: 272K 기준과 캐시·서비스 티어 계산법에서 볼 수 있습니다.

처음 만나는 오류: 503 no available channels와 200k 경고

처음 막히는 곳은 대부분 게이트웨이 형식 문제이거나, 오류처럼 보이지만 정상 동작인 경고입니다. 503은 재시도로 해결되지 않고, 200k 경고는 변수 하나로 사라집니다. 2026년 11월 12일 프록시 없이 ANTHROPIC_BASE_URL=https://api.laozhang.ai와 모델 변수 네 개를 모두 gpt-6-astra로 두고 Claude Code를 실행하자 다음이 나왔습니다. curl로 같은 주소에 보낸 요청도 도구 유무와 관계없이 같은 503이었고 과금되지 않았습니다.

안내: laozhang.ai는 이 블로그 운영팀의 자사 서비스입니다. 그 가격은 독립적인 비교가 아니라 자사 제시 가격입니다.

Claude Code doesn't recognize the model "gpt-6-astra", so it assumes a context window of 200k tokens. Update Claude Code, or see https://code.claude.com/docs/en/model-config#correct-the-window-for-a-gateway-or-custom-model-id to set the window.
API Error: 503 Current group default has no available channels for model gpt-6-astra under billing mode [pay-as-you-go, pay-per-request] (request id: …). This is a server-side issue, usually temporary — try again in a moment. If it persists, check your inference gateway (api.laozhang.ai).

laozhang.ai의 Claude Code 안내 페이지에 있는 Claude 형식 모델 목록에도 GPT 모델은 없습니다. 다른 게이트웨이는 서버 쪽에서 형식을 바꿔 줄 수도 있으므로, 어느 게이트웨이든 위의 curl을 게이트웨이 주소로 한 번 보내 보고 프록시가 필요한지 판단하면 됩니다. 400 오류는 Anthropic의 Claude Code 게이트웨이 프로토콜 문서가 형식이 다른 상위로 본문을 그대로 넘길 때 생긴다고 설명하는 경우로, Claude Code는 effort나 context_management가 거부되면 그 필드를 빼고 한 번 다시 보냅니다. 이 표의 아래 두 줄은 공식 문서와 2026년 10월 30일 모의 서버로 관찰한 Claude Code 동작에 근거한 것이고, 11월 12일 LiteLLM 구성에서는 나타나지 않았습니다.

테스트하지 않은 기능: WebSearch, 서브 에이전트, MCP, 긴 세션

위 결과는 작은 Python 작업 하나를 경우마다 한 번씩 돌린 것이라, Claude Code의 모든 기능이 Astra에서 동작한다는 뜻은 아닙니다. 2026년 11월 12일 테스트에서 실제로 돈 것은 파일 읽기, 검색, 수정, 셸 실행과 대화형 화면 하나였고, WebSearch·WebFetch 같은 서버 도구, 이미지 입력, 서브 에이전트, MCP, 자동 압축이 일어날 만큼 긴 세션은 실행하지 않았습니다. 웹 검색이 필요하다면 LiteLLM 문서 목록에 "Claude Code - WebSearch Across All Providers"라는 별도 페이지가 있으니 그쪽 설정부터 확인하는 것이 순서입니다.

메인은 Astra, 서브 에이전트는 Claude로 나누는 구성도 소개되어 있지만, 위 설정만 쓰면 서브 에이전트도 세션 모델인 Astra로 돕니다. LiteLLM 대신 Claude Code Router를 쓸 수도 있는데, 2026년 10월 9일 나온 3.1.3은 데스크톱 앱(또는 npm install -g @musistudio/claude-code-router 후 ccr ui, Node.js 22 이상)으로 http://127.0.0.1:3456에 로컬 게이트웨이를 띄우고 상위 형식으로 OpenAI Chat과 Responses를 지원한다고 README에 적혀 있습니다. 두 방법 모두 이번 테스트 범위 밖이라, 쓰기 전에 위의 curl 확인과 /status 확인을 똑같이 거치는 것이 안전합니다.