【AIGC】在 Claude Code 中打印 LLM 请求体：抓包与非抓包方法全解

在Claude Code中打印Opus请求体：抓包与非抓包方法全解

结论：不只有抓包！ 以下提供4种方法，从简单到复杂，覆盖不同场景需求，帮你清晰看到最终发给Opus大模型的完整请求体（包含系统提示词、上下文、工具定义等）。

一、快速非抓包：启用调试日志（推荐）

这是最简单的内置方法，无需第三方工具，直接通过命令行参数或环境变量开启调试模式，输出完整请求信息。

操作步骤：

临时启用（单次会话）

# 方法1：使用--debug参数指定日志范围
claude --debug api,mcp "请用Python写一个计算斐波那契数列的函数" --model opus

# 方法2：设置环境变量
export CLAUDE_LOG_LEVEL=debug
claude "请用Python写一个计算斐波那契数列的函数" --model opus

永久配置（所有会话）

# 在~/.zshrc或~/.bashrc中添加
echo 'export CLAUDE_LOG_LEVEL=debug' >> ~/.zshrc
source ~/.zshrc

效果示例：

[DEBUG] anthropic.api: Request to https://api.anthropic.com/v1/messages
[DEBUG] anthropic.api: Payload: {
  "model": "claude-opus-4-6",
  "max_tokens": 4096,
  "system": [
    {"type": "text", "text": "<system-reminder>Skills列表...</system-reminder>"},
    {"type": "text", "text": "<system-reminder>CLAUDE.md + MEMORY.md...</system-reminder>"}
  ],
  "messages": [
    {"role": "user", "content": "请用Python写一个计算斐波那契数列的函数"}
  ],
  "tools": [/* 82个工具定义，共96.6 KB */]
}

优缺点：

✅ 无需抓包工具，内置功能，操作简单
✅ 可看到完整请求体（系统提示词、工具定义、上下文等）
⚠️ 日志输出较多，建议配合grep过滤：claude --debug api "query" | grep -A 20 "Payload:"

二、进阶非抓包：使用第三方监控工具

针对需要更清晰可视化或长期监控的场景，有专用工具可直接捕获Claude Code与Opus的通信。

工具1：CC-Viewer（推荐）

https://github.com/weiesky/cc-viewer?tab=readme-ov-file
Claude Code专用请求监控系统，实时捕获并可视化展示所有API请求。

# 安装
git clone https://github.com/weiesky/cc-viewer.git
cd cc-viewer
npm install

# 启动
npm run start

启动后会自动打开Claude Code界面，正常使用即可在浏览器中看到完整请求体，包括原始JSON和格式化视图。

工具2：claude-trace

专门用于“透视”Claude Code运行过程的工具，能捕获系统提示词、工具调用和请求体。

# 安装
pip install claude-trace

# 启动
claude-trace

每次对话结束后，会在当前目录生成日志文件，包含完整请求信息。

三、抓包方法（最完整，适合深度分析）

当需要最权威、无遗漏的请求数据时，使用抓包工具是终极方案。

工具：mitmproxy（跨平台）

安装

# macOS
brew install mitmproxy

# Ubuntu/Debian
sudo apt install mitmproxy

配置代理

# 启动代理
mitmproxy -p 8080

# 配置Claude Code使用代理
export HTTP_PROXY=http://localhost:8080
export HTTPS_PROXY=http://localhost:8080

安装证书（首次使用需信任mitmproxy证书，否则无法解密HTTPS流量）
- 访问http://mitm.it
- 下载对应系统的证书并安装
- 在系统钥匙串/证书管理器中设为“始终信任”

抓包效果：

在mitmproxy界面中，可看到所有发往api.anthropic.com的请求，包括：

完整URL：https://api.anthropic.com/v1/messages
请求头：Authorization、Content-Type等
请求体：完整JSON，包含系统提示词、工具定义、用户消息等
响应：Opus返回的结果

优缺点：

✅ 最完整数据，无任何信息丢失
✅ 可修改请求（用于调试）
⚠️ 配置稍复杂，需安装证书
⚠️ 可能影响其他网络应用，建议仅在需要时启用代理

四、代码级非抓包：自定义SDK请求拦截

如果你在代码中使用Anthropic SDK调用Opus，可通过拦截请求的方式打印请求体。

Python示例：

import anthropic
import logging
from anthropic._client import Anthropic

# 启用SDK日志
logging.basicConfig(level=logging.DEBUG)

# 或自定义请求拦截
class LoggingAnthropic(Anthropic):
    def _request(self, method, path, **kwargs):
        # 打印请求信息
        print(f"Request: {method} {path}")
        print(f"Payload: {kwargs.get('json', {})}")
        return super()._request(method, path, **kwargs)

# 使用自定义客户端
client = LoggingAnthropic(api_key="your-api-key")
response = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Hello, Opus!"}]
)

优缺点：

✅ 可编程控制，适合集成到自动化测试或监控系统
✅ 可自定义日志格式和输出位置
⚠️ 仅适用于代码中直接调用SDK的场景，不适用于Claude Code CLI

五、方法对比与选择建议

方法	难度	完整性	适用场景
调试日志	低	高	快速查看请求体，临时调试
CC-Viewer	中	高	可视化监控，长期使用
mitmproxy抓包	中	最高	深度分析，需要修改请求
SDK拦截	高	中	代码集成，自动化测试

我给你做最清晰、最精简、可直接抄作业的总结，严格区分你说的两种场景，只保留终端优先、无GUI、实用的方法，剔除所有无关方案：

🔥 终极总结：两种场景下捕获 Claude 请求体+返回结果全方法

场景1：你在终端直接用官方 Claude Code CLI

（命令行敲 claude code / anthropic code，无自定义代码）
✅ 核心前提：官方CLI无内置日志开关，只能通过「终端抓包/代理」拦截网络请求

方法	核心操作	优点	推荐指数
mitmproxy（首选）	1. 启动代理 2. 终端配置代理变量 3. 正常运行 Claude Code	纯终端、可视化、一键查看完整请求/返回	⭐⭐⭐⭐⭐
tcpdump + jq	系统原生抓包，解析HTTPS流量	无需安装任何软件、硬核命令行	⭐⭐⭐
httpry	轻量命令行HTTP监听工具	极简、无配置、自动打印日志	⭐⭐⭐

场景2：你自己写 Python / 代码调用 Claude API

（用 anthropic SDK 写代码，自定义请求）
✅ 核心前提：支持日志打印、代码拦截、命令行包裹，可选方案更多

方法	核心操作	优点	推荐指数
SDK 原生DEBUG日志	开启 `logging.DEBUG`，自动打印所有请求	零第三方依赖、官方原生	⭐⭐⭐⭐
claude-trace	1行导入开启追踪，自动彩色打印	Python专属、极简、无侵入	⭐⭐⭐⭐⭐
llm-trace	命令行包裹Python脚本，自动追踪	零代码修改、通用LLM工具	⭐⭐⭐⭐
官方 Anthropic CLI (-v)	命令行直接调用API，加 `-v` 打印详情	不写代码、官方、最简洁	⭐⭐⭐⭐⭐
mitmproxy	同场景1，全局抓包	全语言通用、无代码侵入	⭐⭐⭐