揭秘Claude Code：网络分析利器mitmproxy
当使用Claude Code这样的AI编程助手，在惊叹于它神奇能力的同时，你是否也曾好奇：它究竟是如何工作的？作为一款AI应用，Claude Code的魔法隐藏在它与大型语言模型（LLM）的每一次对话中。但遗憾的是，Claude Code是闭源软件，我们无法从源代码中寻找答案。
那么，如何才能揭开它的神秘面纱呢？突破口就藏在网络通信中！通过抓取和分析Claude Code与后端服务的网络流量，我们可以从中洞悉它的核心工作机制。今天，就让我们借助mitmproxy这个强大工具，开启这段技术探索之旅。
为什么需要网络分析？
在AI应用领域，提示词工程堪称核心机密。Claude Code的出色表现，既得益于Claude模型本身强大的能力，也离不开其精心设计的提示词模板和与LLM的交互策略。通过网络流量分析，我们可以：
- 还原系统提示词（System Prompt）的设计
- 分析不同任务对应的用户提示词（User Prompt）
- 探索Agent的内部工具调用（Tools）
- 研究上下文管理机制（Context Management）
- 了解模型参数的配置细节和优化策略
这种“逆向工程”不仅能满足技术好奇心，更能为我们的AI应用开发提供宝贵参考。
mitmproxy：网络分析的瑞士军刀
mitmproxy是一个免费、开源的交互式HTTPS代理，可以用于拦截、检查、修改和重放网络流量。它提供了三个命令行/控制台工具：
- mitmproxy：一个基于ncurses的交互式工具，提供了一个带有快捷键的终端界面，允许用户实时查看和操作流量。这是最强大的交互模式。
- mitmdump：一个类似于tcpdump的命令行工具，不提供交互式界面，而是将捕获的流量直接输出到控制台或保存到文件。它非常适合与其它命令行工具（如grep，jq）结合使用，进行自动化日志记录和批量处理。
- mitmweb：一个基于Web的图形化界面，在浏览器中提供一个类似开发者工具的界面，对于不习惯命令行操作的用户来说更加友好。
对于Python开发者而言，安装mitmproxy只需一行命令（查看其他安装方式）：
1 | uvx mitmproxy |
由于现代应用普遍使用HTTPS，我们还需要安装CA证书:：
1 | mitmproxy |
运行后访问mitm.it，下载并安装对应系统的证书即可。
Claude Code流量初探
为了演示更直观，我们这里启动mitmweb：
1 | mitmweb |
mitmproxy默认监听8080端口（可以通过-p参数指定其他端口），因此需要将系统代理设置为该地址：
1 | export http_proxy=http://127.0.0.1:8080 |
随后，我们可以选择一个项目，打开Claude Code并输入hi：
如果一切顺利，mitmweb将会捕获到相关的网络流量：
至此，我们成功完成了对Claude Code的首次流量捕获！可以看到，这些流量包含了Claude Code与后端服务之间完整的HTTP请求和响应。在每一条数据流中，请求体包含了与提示词相关的输入信息，而响应体则包含了LLM生成的回答内容。
虽然请求和响应数据已被捕获，不过仔细观察我们会发现：
- 请求中的JSON数据内容较多，我们主要想分析与提示词有关的内容，如
system、messages和tools等字段。 - 请求中的提示词往往是多行文本，都被显示在同一行，导致信息冗长且难以阅读。
- 响应中的SSE（Server-Sent Events）数据是以流的形式返回，导致它们被拆分成了多个片段，需要重新拼接起来。
为了解决上述几个问题，我们需要进一步使用mitmproxy的插件机制，来对流量进行定制化的捕获和解析。
mitmproxy插件机制
mitmproxy的插件机制基于事件驱动，其核心原理是：mitmproxy在代理流量的生命周期中，会在特定时刻（如收到请求、收到响应、发生错误等）触发预设好的事件。
开发者编写的插件（称为addon）实际上就是一个事件监听器。你通过创建一个类，并定义对应的事件处理方法（如request(self, flow)、response(self, flow)），mitmproxy就会在相应事件发生时自动调用你的方法。
在这个方法内部，你可以通过操作flow对象（它包含了单个HTTP请求/响应的所有信息）来：
- 查看（Inspect）：读取URL、头、内容等。
- 过滤（Filter）：只处理你关心的特定流量。
- 修改（Modify）：改变请求或响应的内容。
- 输出（Output）：将信息打印到控制台或保存到文件。
这种机制让你能以非侵入的方式，对经过代理的流量进行精确的解析和处理。对编写插件感兴趣的读者，可以参考官方示例了解更多详情。
Claude Code流量的定制化分析
接下来，我们将借助mitmproxy的插件机制，对Claude Code的流量进行优化分析。
为了兼顾数据捕获的完整性和不同用户对格式化的个性化需求，我们将整个分析流程设计为两个独立的阶段：
- 流量记录：捕获所有HTTP请求和响应，并以JSON Lines格式逐行输出，确保数据的完整性，同时便于后续的逐行分析。
- 格式化输出：逐行解析流量记录，从JSON请求中提取
system、messages和tools等核心字段，并以结构化的方式展示；同时将SSE响应数据流还原为完整的JSON对象，并格式化输出以提升可读性。
最有趣的是，在AI编程时代，我们甚至无需翻阅mitmproxy文档或手动编写代码——Claude Code就能帮我们完成大部分工作。
流量记录
首先，从官网下载示例io-write-flow-file.py。然后，打开Claude Code，让它参考示例生成mitmproxy插件：
参考io-write-flow-file.py，编写一个mitmproxy脚本，用于将请求/响应对写入一行JSON Line
生成后的jsonl-writer.py插件（完整版）可以这样使用：
1 | mitmweb -s jsonl-writer.py |
运行后，所有捕获到的流量都会被记录到flows.jsonl文件中：
1 | tail -f flows.jsonl |
格式化输出
同样地，可以让Claude Code生成一个jsonl-viewer.py脚本，用于解析flows.jsonl文件中的每一行，并对其进行格式化输出：
编写一个解析脚本jsonl-viewer.py，可以逐行解析标准输入中的jsonl内容，每一行JSON Line格式如下：
解析要求：
- 针对request数据，只提取system、messages和tools的内容，相关text和content字段包含多行文本，需要格式化输出
- 针对response数据，需要将sse拼接成完整的json对象，然后其中的text字段包含多行文本，也需要格式化输出
生成后的jsonl-viewer.py脚本（完整版）可以用于解析flows.jsonl文件：
1 | cat flows.jsonl | python jsonl-viewer.py | less |
解析后的输出结果如下：
与原始的mitmweb界面相比，经过处理后的数据可读性有了显著提升：
- 每条HTTP数据流独立呈现，请求和响应内容清晰分离
- 提示词内容以整洁的多行文本格式展示，便于直观理解发送给LLM的具体指令
- 响应中的SSE数据流被拼接为完整内容，更易于阅读
通过这种结构化的展示方式，每次AI对话的完整流程都变得清晰可追溯，大大提升了分析和调试的效率。
结语
通过本文的探索，我们见证了mitmproxy在流量捕获、插件定制与数据解析方面的卓越能力。同时结合Claude Code的AI辅助，我们可以高效编写和调试mitmproxy插件，为揭秘Claude Code自身的工作原理提供了强大的助力。
魔法的大门已然打开，而深处仍有更多奥秘。从提示词构造、Agent工具调用到上下文管理，Claude Code的核心机制，正静候每一位探索者的到来。