Claude Code ブーム時代、いかがお過ごしですか？
どうも、calloc134 です。
Claude Code とは、Anthropic 社が提供するエージェント型コーディングツールです。
ターミナルから自然言語でコマンドの入力・バグ修正などを行ってくれます。
今回は、そんな Claude Code の中身を、o4-mini と検索機能にしてみようとしたのですが、残念ながらうまくいきませんでした。不完全ですが、実装の経緯や試行錯誤の内容を共有したいと思います。
6/27 に、OpenAI がある API を発表しました。
Web search is now available with OpenAI o3, o3-pro, and o4-mini. The model can search the web within its chain-of-thought!
なんと、今まで Web 版の ChatGPT or 一部のモデルでしか利用できなかった検索機能が、o3, o3-pro, o4-mini モデルで利用できるようになったようです。
今まで自分は、$20 を支払って Web 版の ChatGPT Plus プランを契約していました。その最大の理由は、優秀な検索機能でした。さっそくこの API を試してみることにしました。
ChatGPT のフロントエンド (ここでは https://lobechat.com を利用) で、o4-mini モデルを選択し、検索機能を有効にし、チャットを行ってみました。
すると、Web 版の ChatGPT と同じような精度の調査結果を返してくれました。
これは使える、と感じました。
とりあえず $20 のサブスクの解約と、代わりとして以前から気になっていた Claude Code を契約することを検討しました。しかし、つい先日 ChatGPT Plus 継続購入をしてしまったこともあり、すぐには契約ができないなぁ・・・という状況でした。
ここで、Claude Code の中身のエンドポイントをプロキシし、OpenAI の o4-mini モデルを使うこと、加えて検索機能を有効にすることができれば、能力の高いエージェント型コーディングツールにできるのではないか？と考えました。
自分は Claude Code を使ったことがないのですが、検索機能が少し貧弱であるという噂を聞いたことがあったため、その補完としても使えるのではないか？という試みです。
そんなわけで、実際に検討を進めていきました。
Claude Code には、環境変数 ANTHROPIC_BASE_URL と ANTHROPIC_AUTH_TOKEN を設定することで、通信先のエンドポイントを差し替えることができる機能が存在します。
例えば、以下のように設定することができます。
ANTHROPIC_BASE_URL="http://localhost:8082" ANTHROPIC_AUTH_TOKEN="some-api-key" claude
この機能を利用して o4-mini モデルのエンドポイントをプロキシすることができるのではないか？と考えました。
調査したところ、Claude Code の通信をプロキシして OpenAI のモデルを利用することのできるプロジェクトが既に存在していました。
しかしこれらのコードを確認すると、内部で OpenAI Completion API を利用していることがわかりました。
OpenAI Completion API はテキスト生成の基本的な API であり、一般的にこちらが広く利用されています。一方 OpenAI Responses API とは、2025 年 3 月にリリースされた比較的新しい API であり、より高度な機能を提供します。Web 検索機能やファイル検索機能、MCP の呼び出しなどは Responses API でのみ利用可能です。
今回は Web 検索機能を利用したかったため、Responses API を利用する必要がありました。
そのため、先程のプロジェクトは利用できないことがわかりました。TypeScript を利用し、自分で一から実装する必要があるようです。
フレームワークの選定
今回はストリーミングにおいて SSE を利用するため、フレームワークには Hono を利用しました。
ストリーミングを支援するためのヘルパーstreamSSEを利用し、Claude Code 側のストリーミング仕様に合わせてレスポンスを生成するようにしました。
ストリーミング仕様の調査
Claude Code の通信を中継するにあたって、Claude Code 側のストリーミング仕様と OpenAI Responses API のストリーミング仕様を調査しました。
Claude Code 側のストリーミング仕様
Claude Code 側のストリーミングに関するドキュメントは以下のとおりです。
簡単にまとめていきます。
message_start
ストリームの開始を通知するイベントです。ストリーミング開始時の最初の一回のみ送信されます。
content_block_start/delta/stop
レスポンス本文を「コンテンツブロック(content_block)」という単位に分割して通知するイベントです。
startでコンテンツブロックの開始を通知します。その後、deltaで文字列や JSON の断片を順次送信していきます。最後にstopでコンテンツブロックの終了を通知します。
それぞれのコンテンツブロックには index が付与されており、最終的な配列の位置を示します。
content_block_deltaにはdelta.typeでタイプ情報が含まれます。対応するデータを断片的に送信します。
-
text_delta: レスポンスのテキストの文字列断片を送信 -
input_json_delta: 入力 JSON の断片を送信。部分的な JSON となり、content_block_stopが来るまでに組み立てられるようになっている
message_delta
Messageオブジェクトの変更についての通知を行うイベントです。累積トークン使用量usageなどの情報を含みます。
message_stop
すべてのコンテンツブロックの送信が完了したことを通知するイベントです。これにより最終的なMessageが確定し、ストリーミングが終了したことをクライアントに伝えます。
ping
定期的に送信されるイベントで、接続が生きていることを通知するための空イベントです。
OpenAI Responses API 側のストリーミング仕様
Open AI Responses API 側のストリーミングに関するドキュメントは以下のとおりです。
簡単にまとめていきます。
前提
OpenAI Responses API では、ストリームは階層構造になっているようです。順に次のような入れ子構造を持ちます。
-
response(レスポンス全体) -
output_item(モデル内に複数持てる出力単位) -
content_part(アイテム内に複数存在するサブ単位) -
delta(パート内の増分更新単位)
順に見ていきましょう。
response.created
ストリームの開始を通知するイベントです。ストリーミング開始時の最初の一回のみ送信されます。
ID やモデル名など、レスポンス全体のメタ情報を含むようです。
response.in_progress
ストリーミングが進行中であることを通知するイベントです。ping のような役割を果たします。
response.output_item.added
新しい「アイテム」が生成されたことを通知するイベントです。
モデルの出力は、複数の「アイテム」で構成されます。このアイテムにはメッセージブロックやツールの呼び出し結果が含まれます。
データ内部には output_index が付与され、アイテムの順序を示します。
response.output_item.done
該当するアイテムの生成がすべて完了したことを通知するイベントです。
response.content_part.added
新しい「パート」が生成されたことを通知するイベントです
アイテムは、複数の「パート」で構成されます。
パートには content_index が付与され、アイテム内での順序を示します。また、part_type でパートのタイプを示します。
response.content_part.done
該当するパートの生成がすべて完了したことを通知するイベントです。
response.function_call_arguments.delta
関数呼び出しの引数にあたる JSON の断片を逐次送信するためのイベントです。deltaに、生成された JSON の一部が含まれます。
response.function_call_arguments.done
関数呼び出しのための引数にあたる、最終的な JSON 全体の成果物を通知するイベントです。
response.output_text.delta
生成中のテキストの断片を逐次送信するためのイベントです。deltaに、生成されたテキストの一部が含まれます。
response.output_text.done
今回のパートの最終的なテキスト全体の成果物を通知するイベントです。
response.completed
すべてのアイテムおよびパートの生成が完了したことを通知するイベントです。最終的な使用量の情報も含まれます。
最終的な実装
実装を進めていくにあたり、型安全に進められるよう、Claude と OpenAI の提供する型定義を積極的に利用しました。ペイロードの内容でエラーになる時間を減らすため、型定義を利用してペイロードの内容を検証してエラーを早期に発見できるようにしています。
とりあえず非ストリームモードは無効にし、ストリームモードのみを実装しています。
Claude のボディから OpenAI の定義に変換し、これを用いて OpenAI Responses API を呼び出すようにしています。
ストリームのハンドリング部分は専用の関数に切り出しています。
その他、互換性を保つためのエンドポイントを用意しています。
リポジトリは以下のとおりです。
とりあえずプロトタイプなので一枚のファイルで実装しています。正常に動作したあとにリファクタリングを行う予定でした。
実際に動作を確認してみましょう。.envファイルに OPENAI の API キーと呼び出し先のモデルを指定します。
# OpenAI API Key (required)
OPENAI_API_KEY="sk-..."
# Server Configuration
PORT=8082
OPENAI_MODEL=gpt-4.1
プロキシサーバーを起動します。
Claude Code の環境変数を設定し、プロキシサーバーを起動します。この際、API キーについては任意の値で問題ありません。
ANTHROPIC_BASE_URL="http://localhost:8082" ANTHROPIC_AUTH_TOKEN="some-api-key" claude
ツール呼び出しの失敗
みたところ、簡単なレスポンスは正常に終了するようです。
しかし、ツールの呼び出しなどがうまく動作しないように見受けられます。
※ Tip: Run /install-github-app to tag @claude right from your Github issues and PRs
> こんにちはと表示して
● こんにちは
⎿ API Error: Cannot read properties of undefined (reading 'filter')
プロキシサーバ側ではエラーとならず、Claude Code 側でエラーが発生しているため、デバッグが難しい状況です。
また、TODO を指定した任意のタスク実行についても指示してみたところ、同じようなエラーが発生しました。
> あなたは、以下のタスクを渡されました。
typescript と vite, taiwind css、簡単な react を利用して、スタックとキューでそれぞれ DFS と BFS を行う様子を可視化させるようなプログラムを作成してください。
いきなり手を動かすのではなく、まずしっかりと検討を行ってください。
すべての情報を収集し終わった後、変更内容を決定する抽象レポートを作成し、それを元に細部のコーディングを含んだ具体レポートの作成について開始して
ください。それを元に、実装を開始してください。 タスクはすべてまとめて行ってください。実装段階ではしっかり type:
"tool_use"機能を利用して提供されているツール群を利用しファイル書き込みや関連コマンド実行まで行ってください。
私はすべてを承認するので、私の許可をとらず、最後まで実装を終えるようにしてください。
コーディングにおいてエラーが出た場合もまずできるだけ情報を集めるようにしてほしい。依存ライブラリのバージョン情報なども重要である。
コードを含んだ具体レポートが完成した場合、実際にコードを反映するようにしてください。
なお、実装が終わったあと、npm run
dev で開発サーバを実行しないようにしてください。ユーザが実行するので実行しないでください。代わりに、チャットを一旦終了させてください。
これに対する TODO が以下のとおりです。
この TODO リストを進めてください。
● Update Todos
⎿ ☐ Gather requirements and design abstract report
☐ Write abstract report summarizing architecture and changes
☐ Write detailed implementation plan report
☐ Initialize Vite+React+TypeScript project
☐ Install and configure Tailwind CSS
☐ Implement graph data structure and BFS/DFS logic
☐ Implement visualization components (stack, queue, graph nodes/edges)
☐ Implement control UI for algorithm execution
☐ Integrate components and test manually
☐ Run lint and typecheck
● Update Todos
⎿ ☐ Gather requirements and design abstract report
☐ Write abstract report summarizing architecture and changes
☐ Write detailed implementation plan report
☐ Initialize Vite+React+TypeScript project
☐ Install and configure Tailwind CSS
☐ Implement graph data structure and BFS/DFS logic
☐ Implement visualization components (stack, queue, graph nodes/edges)
☐ Implement control UI for algorithm execution
☐ Integrate components and test manually
☐ Run lint and typecheck
⎿ API Error: Cannot read properties of undefined (reading 'filter')
今回はプロキシサーバ側でもエラーログが出力されました。
該当するログを確認してみると、以下のようなエラーが発生していました。
🔥 [Stream Error] 2 | import { castToError } from "../internal/errors.mjs";
3 | export class OpenAIError extends Error {
4 | }
5 | export class APIError extends OpenAIError {
6 | constructor(status, error, message, headers) {
7 | super(`${APIError.makeMessage(status, error, message)}`);
^
error: 400 No tool output found for function call call_jioUVasTKkS7yXP7oYJwJx04.
status: 400,
headers: Headers {
"date": "Tue, 08 Jul 2025 08:28:07 GMT",
"content-type": "application/json",
"content-length": "184",
"connection": "keep-alive",
"strict-transport-security": "max-age=31536000; includeSubDomains; preload",
"x-content-type-options": "nosniff",
"set-cookie": [ "__cf_bm=2Ki6iPDkL0q0amPnlSilVDXh8gh2lcOK2hfr7TMJ29k-1751963287-1.0.1.1-wJvsl3m_feOsMq5KdGfb9xiQqMQoVqxjdVU5xNne4WrDxqhjdC1snBPyOQ8kG8YhGTgNvAusTq9kJ7CNqeaoI9VCrIBQF2uMyDUWSxaRbLA; path=/; expires=Tue, 08-Jul-25 08:58:07 GMT; domain=.api.openai.com; HttpOnly; Secure; SameSite=None",
"_cfuvid=7LCsYQdRruP2cwLoIGDO4Ow1bBd8bWC8xG7IJvSDQJc-1751963287191-0.0.1.1-604800000; path=/; domain=.api.openai.com; HttpOnly; Secure; SameSite=None"
],
"openai-version": "2020-10-01",
"openai-organization": "mahipal-singh-2bobxm",
"x-request-id": "req_86360655b58ca750eba544b9c3df5188",
"openai-processing-ms": "105",
"cf-cache-status": "DYNAMIC",
"server": "cloudflare",
"cf-ray": "95be34cf1fb95eb4-NRT",
"alt-svc": "h3=\":443\"; ma=86400",
},
requestID: "req_86360655b58ca750eba544b9c3df5188",
error: {
message: "No tool output found for function call call_jioUVasTKkS7yXP7oYJwJx04.",
type: "invalid_request_error",
param: "input",
code: null,
},
code: null,
param: "input",
type: "invalid_request_error",
at new OpenAIError (unknown:1:28)
at new APIError ([省略]/cloud-code-proxy-with-search/node_modules/openai/core/error.mjs:7:9)
at new BadRequestError (unknown:1:28)
at generate ([省略]/cloud-code-proxy-with-search/node_modules/openai/core/error.mjs:53:24)
at makeRequest ([省略]/cloud-code-proxy-with-search/node_modules/openai/client.mjs:427:29)
原因について調査したのですが、あんまりよくわからないまま今に至ります。不勉強を自覚・・・！
o4-mini が思ったより言うことを聞いてくれない
o4-mini が意外と Claude Code 特有のプロンプトに素直に従ってくれないようです。具体的には、クライアントで実行すべきツールをまったく利用してくれず、タスクの実行がすすまないことが多いです (エージェントなのに「このコマンドを実行してください」とユーザに返答してくる等)。
o4-mini でクレジットを消費するのがもったいないのでgpt-4.1モデルに切り替えたところ、ちゃんとコマンドを実行してくれるようになりました。しかしモデルの能力は o4-mini の方が高いため、なんとか o4-mini を使いたいところです。プロンプト次第で改善できるかもしれません。
実は o4-mini 自体 Claude ほどコーディング能力が高くない可能性がある
なんとなくですが、o4-mini 自体それほどコーディング能力が高くない可能性があります。今後調査・検証していきたいと思います。
今回は、Claude Code の中身を o4-mini とし、更に検索機能を有効にしてみるという試みを行いましたが、残念ながら成功しませんでした。
原因としては、自分が OpenAI・Anthropic の双方のストリーム仕様に不慣れであることが思い当たります。とりあえず一旦は実装を諦め、凍結状態にしようかなあと思います。また再開する場合はあらためてストリームの仕様を勉強しつつ、実装を進めていきたいと思います。
最終的に、素直に Claude Code を契約しようかな・・・と思いました。Claude Code を契約してから、以下の記事で紹介されている o3 MCP を使ったほうが幸せになれそうです・・・笑
Anthropic SSE や OpenAI に詳しい各位、もしよろしければ、この記事を読んでいただき、アドバイスをいただけると幸いです。
Claude Code でコーディングしたら今回の実装もうまくできるんだろうか？また契約したら試してみたいです。
ここまで読んでいただきありがとうございました。
Views: 0
