【开源】LMMOCK：轻量级的本地 Mock LLM Provider。不调用真实模型，也能跑通 AI 应用！

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

- 我的帖子已经打上 开源推广 标签： 是

- 我的开源项目完整开源，无未开源部分： 是

- 我的开源项目已链接认可 LINUX DO 社区： 是

- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

在AI应用或者Agent开发时，如果初期测试时每次都请求真实模型，会消耗大量的Token，受成本、网络、请求时间等影响。

传统 HTTP Mock 能返回 JSON，但很难同时模拟 OpenAI Responses SSE、Anthropic Messages 等 LLM 协议细节。

于是我们开发并开源了LMMOCK，专业的模拟大模型响应的轻量级、可视化的本地 Mock LLM Provider

开源地址如下：

github.com

GitHub - lewismosciski/LMMOCK: A lightweight local mock LLM provider —...

A lightweight local mock LLM provider — deterministic OpenAI and Anthropic responses, with no API calls, no tokens, and no code changes.

前端页面如下，支持切换中文使用：

亮点：

- 同时支持 OpenAI 与 Anthropic 协议

覆盖 Chat Completions、Completions、Responses 和 Anthropic Messages，包括流式输出与 Tool Call。验证了 Codex 和 Claude Code。

- 轻量、友好、跨平台

简洁清晰的前端页面，方便配置和使用，支持源码启动、Docker，以及 Linux、macOS、Windows 发布包。

- 为多 Agent、多个模型后端而设计

可以使用 gpt-*、deepseek-chat、glm-*、claude-* 等任意模型名，并为每个模型分配不同的接口、API Key 和响应行为。

- 不只能返回固定文本

支持正则表达式，支持响应文本、JSON、Tool Call、HTTP 错误、响应延迟，以及指定大小的随机数据。

- 浏览器中可视化配置 Mock 行为

无需手写复杂配置文件，可以直接管理模型、规则、匹配条件、优先级和行为组。

项目处于开发初期，欢迎佬们提出issue和pr。爱佬们。