Windsurf 开源反代工具：59 个 AI 模型一站式接入

WindsurfAPI 把 Windsurf IDE 的后端 Language Server 独立部署，封装成 OpenAI 兼容接口，支持 59 个大模型调用，自带账号管理和负载均衡。

项目背景

Windsurf 是一款专注于 AI 辅助编程的集成开发环境（之前叫 Codeium），在开发者圈子里口碑不错。它内置的 Language Server 负责与各种大模型通信，让开发者能在 IDE 里直接调用 Claude、GPT 等模型的能力。

一位 GitHub 开发者（@dwgx）发现这个 Language Server 其实可以独立运行，于是把它从 IDE 里抽出来，包装成了标准的 OpenAI API 格式。

项目仓库：https://github.com/dwgx/WindsurfAPI

这样你不需要打开 Windsurf 编辑器，也能通过 HTTP 接口调用那些 AI 模型。任何支持 OpenAI 协议的工具或 SDK，改个配置就能接入。

核心价值

1. 统一接口，多模型切换

不同 AI 厂商的 API 格式各不相同，想换个模型用用，得重新研究文档、调整代码。WindsurfAPI 把这些差异都屏蔽了，你只需要改一个参数：

model: "claude-opus-4-7-max" # 切换模型

支持的模型阵容：

厂商	可用模型
Anthropic	Claude Opus 4.7 Max、4.6
OpenAI	GPT-5.4、4o-mini
Google	Gemini 2.5 Flash
其他	DeepSeek、Grok、通义千问、Kimi 2.5、SWE

2. 账号池与负载均衡

单个账号的调用次数有限制，团队协作或高频使用时很容易触顶。WindsurfAPI 允许多个账号组成资源池：

自动在账号间轮换请求
某个账号额度不足时自动切换
模型级别的故障不影响其他调用
实时监控账号状态，提前预警

从调用方的角度看，就像有一个「无限额度」的账号在背后支撑。

3. 零外部依赖

代码风格上有个特点：完全不依赖第三方 npm 包，全部使用 Node.js 原生模块：

HTTP 服务：http
文件系统：fs
路径处理：path
环境变量：process.env
gRPC 通信：内置实现

在 JavaScript 生态里，这种「洁癖式」的写法相当罕见。好处也很明显：没有供应链攻击风险，部署简单，维护成本低。

4. Web 管理界面

访问 http://你的服务器:3003/dashboard 可以打开管理后台：

账号管理：

添加或删除 Windsurf 账号
启用/禁用特定账号
查看各账号的使用统计
批量导入 Token

监控仪表盘：

实时请求量
平均响应时间
错误率变化趋势
各模型调用占比

代理与限流：

全局 HTTP/SOCKS5 代理配置
单账号独立代理设置
模型访问白名单/黑名单
请求频率限制

对于需要管理多个账号的场景，这个界面能省不少事。

技术架构

系统分为四个层次：

客户端（OpenAI SDK / curl）
 ↓
WindsurfAPI（Node.js 服务，3003 端口）
 ↓
Language Server（gRPC，42100 端口）
 ↓
Windsurf 官方后端

关键接口 /v1/chat/completions 和 /v1/models 都已实现，兼容所有基于 OpenAI API 构建的工具：

OpenAI 官方 SDK（Python、Node.js、Go 等语言）
LangChain 框架
LlamaIndex
其他第三方封装库

Python 调用示例：

from openai import OpenAI

client = OpenAI(
 api_key="任意值", # 实际验证由 WindsurfAPI 处理
 base_url="http://你的服务器:3003/v1"
)

response = client.chat.completions.create(
 model="claude-opus-4-7-max",
 messages=[{"role": "user", "content": "你好"}]
)

部署指南

前置条件

Node.js 20 或更高版本
至少一个 Windsurf 账号（免费版即可）
Language Server 可执行文件（需自行提取）

提取 Language Server

该文件不包含在项目仓库中，需要从 Windsurf 官方安装包中提取：

# 下载安装包
wget https://downloads.windsurf.com/windsurf-linux.deb

# 解压
dpkg-deb -x windsurf-linux.deb windsurf-extracted

# 定位文件
find windsurf-extracted -name "language_server_linux_x64"

安装流程

# 1. 获取项目
git clone https://github.com/dwgx/WindsurfAPI.git
cd WindsurfAPI

# 2. 部署 Language Server
mkdir -p /opt/windsurf
cp language_server_linux_x64 /opt/windsurf/
chmod +x /opt/windsurf/language_server_linux_x64

# 3. 准备数据目录
mkdir -p /opt/windsurf/data/db

# 4. 设置环境变量
cat > .env << 'EOF'
PORT=3003
API_KEY=
DEFAULT_MODEL=gpt-4o-mini
MAX_TOKENS=8192
LOG_LEVEL=info
LS_BINARY_PATH=/opt/windsurf/language_server_linux_x64
LS_PORT=42100
DASHBOARD_PASSWORD=你的密码
EOF

# 5. 运行服务
node src/index.js

服务启动后监听 http://0.0.0.0:3003。

环境变量参考

变量名	说明	默认值
PORT	HTTP 服务端口	3003
API_KEY	API 访问密钥（可选）	空
DEFAULT_MODEL	默认使用的模型	gpt-4o-mini
MAX_TOKENS	单次请求最大 token 数	8192
LOG_LEVEL	日志详细程度	info
LS_BINARY_PATH	Language Server 文件路径	必填
LS_PORT	Language Server 端口	42100
DASHBOARD_PASSWORD	管理后台登录密码	必填

进程守护（PM2）

# 安装 PM2
npm install -g pm2

# 启动应用
pm2 start src/index.js --name windsurf-api

# 持久化配置
pm2 save

# 配置开机自启
pm2 startup

重启的正确方式

不要使用 pm2 restart，这会导致 Language Server 进程残留成为僵尸进程。

推荐做法：

pm2 stop windsurf-api
pm2 delete windsurf-api
fuser -k 3003/tcp 2>/dev/null
sleep 2
pm2 start src/index.js --name windsurf-api --cwd /root/WindsurfAPI

先完全停止并删除进程，清理端口占用，再重新启动。

网络配置

# Ubuntu 防火墙
ufw allow 3003/tcp

# CentOS 防火墙
firewall-cmd --add-port=3003/tcp --permanent
firewall-cmd --reload

# 云服务器：在安全组规则中开放 3003 端口

配置 Windsurf 账号

# 单个账号（使用 Token）
curl -X POST http://localhost:3003/auth/login \
 -H "Content-Type: application/json" \
 -d '{"token": "你的 windsurf-token"}'

# 批量添加
curl -X POST http://localhost:3003/auth/login \
 -H "Content-Type: application/json" \
 -d '{"accounts": [{"token": "token1"}, {"token": "token2"}]}'

获取 Token

启动 Windsurf IDE
进入设置（Settings）
找到 Account 或 Profile 页面
复制 Token 字符串

如果找不到 Token 选项，也可以使用账号密码方式登录，但 Token 方式更安全便捷。

验证部署

curl http://localhost:3003/v1/chat/completions \
 -H "Content-Type: application/json" \
 -d '{
 "model": "gpt-4o-mini",
 "messages": [{"role": "user", "content": "你好"}],
 "stream": false
}'

收到正常响应即表示部署成功。

使用须知

开源协议

项目采用 MIT 许可证，但作者在 README 中附加了额外条款：

禁止商业用途（除非获得书面授权）
禁止转售或代部署服务
个人学习和研究不受限制

使用前请仔细阅读相关条款。

安全建议

管理后台密码必须设置：DASHBOARD_PASSWORD 环境变量不要留空，否则任何人都能访问你的后台并查看账号信息。

代理支持

如果服务器网络需要代理，可以在管理后台配置：

# 全局代理配置
curl -X POST http://localhost:3003/proxy/config \
 -H "Content-Type: application/json" \
 -d '{"type": "http", "host": "proxy.example.com", "port": 8080}'

# 单账号代理
curl -X POST http://localhost:3003/account/1/proxy \
 -H "Content-Type: application/json" \
 -d '{"type": "socks5", "host": "proxy.example.com", "port": 1080}'

支持 HTTP 和 SOCKS5 两种协议，可以全局配置也可以为单个账号单独设置。

模型访问权限

Windsurf 对不同订阅等级的账号开放了不同的模型：

免费账号：gpt-4o-mini、gemini-2.5-flash 等基础模型
Pro 订阅：Claude 系列、GPT-5.4、Kimi 2.5 等高级模型

具体可用模型列表可在管理后台查看。

调用限额

Windsurf 对账号实行周限额制度：

账号类型	周调用次数	备注
免费版	约 300 次	仅限基础模型
Pro 版	约 2000 次	全部模型可用

多账号池的设计初衷就是为了解决这个问题。

结语

把 IDE 的后端独立出来做成通用 API 代理，想法挺有意思。感兴趣的话可以去 GitHub 看看。

项目仓库：https://github.com/dwgx/WindsurfAPI

本文仅做技术分享，请遵守开源协议和相关法律法规。