Claude Code를 서드파티 모델에 연결하면: 사라지는 기능들

결론부터

Claude Code의 기능은 세 계층으로 나뉘고, 사라지는 것은 가운데 한 계층뿐입니다:

• 클라이언트 계층(subagent, MCP, 파일 편집, 슬래시 명령): 여러분의 머신에서 실행되므로 모델을 바꿔도 영향받지 않습니다.
• 프로토콜 계층(Messages 형식, 스트리밍 이벤트, cache_control, thinking 블록): 게이트웨이가 구현한 만큼만 호환됩니다.
• 모델 계층(추론 능력, 이미지 입력, 캐시 적중): 모델 자체에 달려 있으므로, 모델을 바꾸면 기능도 함께 바뀝니다.

진짜 트레이드오프는 프로토콜 계층이 아니라 모델 계층에서 일어납니다. 이 점이 「모델 교체」에 대한 기대치를 정합니다. 여러분이 바꾸는 것은 모델이지 Claude Code가 아닙니다.

기능 손실 대조표

항목별 설명

이미지 입력이 동작하지 않습니다

Claude Code는 이미지를 붙여넣을 때 이미지 블록으로 인코딩해 메시지에 넣습니다. 텍스트 모델은 이런 블록을 받으면 파라미터 오류를 내거나 조용히 버립니다. 문제는 후자입니다. 모델이 그림에 무엇이 있는지 「추측」하기 시작합니다.

우회 방법: 이미지를 봐야 하는 작업은 비전 입력을 지원하는 모델로 전환하세요. 순수 텍스트 리팩터링에는 전환할 필요가 없습니다.

extended thinking은 나오지 않습니다

extended thinking은 Anthropic 모델 측의 추론 블록이고, Messages 프로토콜에서는 thinking 타입 콘텐츠 블록으로 표현됩니다. 게이트웨이는 이런 블록을 통과시킬 수 있지만, 모델 자체가 그것을 생성하지 않으면 경로는 비어 있습니다. DeepSeek을 연결할 때 이 경로가 비는 이유입니다.

대안은 추론형 모델을 직접 쓰는 것입니다(예: deepseek-v4-pro-0813 자체가 reasoning 모델). 추론은 모델 내부에서 일어나고 thinking 블록으로 노출되지 않습니다. 얻는 것은 「더 잘 생각한다」이지 「생각하는 과정이 보인다」가 아닙니다.

prompt caching은 부분적으로 사용 가능

이 항목이 가장 오판하기 쉽습니다. 두 계층을 봐야 합니다:

• 과금 계층: KimiSeek 가격표에 「캐시 입력」 구간이 있습니다. DeepSeek V4 Pro는 off-peak 기준 입력 ¥4.5 / 캐시 ¥0.45로 열 배 차이이며, 캐시 적중이 실제로 계량되고 정산된다는 뜻입니다.
• 프로토콜 계층: Anthropic은 cache_control로 캐시 분기점을 표시하는데, 그 의미가 업스트림의 캐시 구현과 완전히 일치하지는 않습니다. 적중률은 업스트림이 계산하는 방식에 달려 있고 클라이언트가 강제할 수 없습니다.

결론: 캐시는 동작하고 실제로 비용도 줄지만, 「공식 캐시 적중률」을 기준으로 청구서를 예상하지는 마세요.

WebSearch는 아예 쓸 수 없습니다

Claude Code의 WebSearch는 로컬에서 실행되는 도구가 아니라 Anthropic이 서버 측에서 제공하는 도구입니다. 요청이 게이트웨이를 지나면 업스트림이 그 도구 정의를 인식하지 못해 호출이 실패하거나 미구현을 반환합니다.

우회 방법: 로컬 MCP의 수집 계열 도구로 대체하세요. 클라이언트 계층이므로 모델 교체의 영향을 받지 않습니다.

영향받지 않는 부분

이 부분은 「바꿀 가치가 있는가」를 결정하므로 분명히 짚어야 합니다:

• 코드 편집 능력: 파일 읽기와 쓰기, 다중 파일 diff, 테스트 실행 모두 클라이언트가 합니다.
• subagent와 병렬 작업: Claude Code가 직접 스케줄링하며 모델 제공자에 의존하지 않습니다.
• MCP 생태계: 데이터베이스, 브라우저, 사내 시스템 연동은 그대로입니다.
• 권한과 hooks 체계: 로컬 설정이며 모델과 무관합니다.

다시 말해 「agent 스캐폴드」로서의 Claude Code 능력은 전부 남고, 잃는 것은 「Claude라는 모델의 일부 특성」입니다.

손실을 최소화하는 방법

1. 작업별로 모델을 고르세요: 리팩터링과 긴 파일 이해에는 deepseek-v4-pro-0813(1M context, 추론형), 오타 수정과 commit message 작성에는 deepseek-v4.1-flash가 열 배 저렴합니다.
2. 이미지 작업은 따로 처리하세요: 스크린샷을 텍스트 모델에 던지지 말고, 먼저 텍스트 설명으로 바꾸거나 잠시 비전 모델로 전환하세요.
3. thinking 블록에 의존하지 마세요: 「추론 과정을 보고 싶은」 상황에서는 먼저 계획을 출력하게 하고 실행하게 하세요.
4. 캐시 기대치는 30% 낮춰 잡으세요: 공식 캐시 적중률로 추정한 청구서는 실제로 더 높게 나옵니다.

검증 체크리스트

설정을 마친 뒤 이 세 가지로 연결이 실제로 통했는지 확인합니다:

curl을 실행할 같은 터미널에서 자리표시자를 자신의 KimiSeek API Key로 바꿔 설정하세요. 클라이언트에 저장한 인증 정보는 이 셸 환경 변수에 자동으로 설정되지 않습니다:

# Replace the placeholder with your own key from the dashboard.
export KIMISEEK_API_KEY="ks-your-key"

curl https://api.kimiseek.app/v1/messages \
  -H "x-api-key: ${KIMISEEK_API_KEY:?Set KIMISEEK_API_KEY before running this command}" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-pro-0813",
    "max_tokens": 512,
    "messages": [{"role": "user", "content": "Hello"}]
  }'

• 200과 함께 content 배열이 돌아옴 → 프로토콜 계층 통과.
• Claude Code에서 「안녕」이라고 보내면 답이 옴 → 클라이언트 설정 정상.
• 파일 하나를 읽고 수정하게 함 → tool call 체인 통과.

어느 단계든 실패하면 오류 대조표에서 오류 원문으로 찾아보세요.

언제 공식 서비스로 돌아가야 하는가

모든 상황에서 이 비용을 아끼는 것이 정답은 아닙니다. 세 경우는 공식 서비스를 남겨 두는 편이 좋습니다:

• 이미지 입력 의존도가 높은 경우(디자인 시안을 코드로, UI 검수)
• WebSearch로 실시간 조사를 하는 경우
• 캐시 적중률에 극도로 민감한 경우(아주 긴 system prompt + 높은 호출 빈도)

나머지 상황에서 서드파티 모델로 아낄 수 있는 비용은 실재합니다. 구체적인 숫자는 해외 카드 없는 방법을 참고하세요.

적용 버전과 검증

• Claude Code: 2.x
• 검증 날짜: 2026-10-26
• 사실 출처: Anthropic 공식 문서(Messages 프로토콜, extended thinking, cache_control, 서버 측 도구); KimiSeek 모델 catalog의 능력 및 가격 필드