Utwórz wiadomość

POST

messages

import os
import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key=os.environ["COMETAPI_KEY"],
)

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    system="You are a helpful assistant.",
    messages=[
        {"role": "user", "content": "Hello, world"}
    ],
)

print(message.content[0].text)

{
  "id": "<string>",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "text": "<string>",
      "thinking": "<string>",
      "signature": "<string>",
      "id": "<string>",
      "name": "<string>",
      "input": {}
    }
  ],
  "model": "<string>",
  "stop_sequence": "<string>",
  "usage": {
    "input_tokens": 123,
    "output_tokens": 123,
    "cache_creation_input_tokens": 123,
    "cache_read_input_tokens": 123,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 123,
      "ephemeral_1h_input_tokens": 123
    },
    "output_tokens_details": {
      "thinking_tokens": 123
    }
  }
}

CometAPI natywnie obsługuje Anthropic Messages API, zapewniając bezpośredni dostęp do modeli Claude z funkcjami specyficznymi dla Anthropic. Używaj tego endpointu do możliwości Claude, takich jak adaptacyjne myślenie, cache’owanie promptów i kontrola wysiłku.

Używaj oficjalnej dokumentacji Anthropic Messages API jako autorytatywnego źródła pełnej listy parametrów, schematu odpowiedzi oraz zachowania specyficznego dla Claude. Ta strona CometAPI wyjaśnia, jak wysłać taki format żądania przez CometAPI.

Parametry żądania Anthropic i pola odpowiedzi mogą się zmieniać wraz z rozwojem funkcji Claude. Sprawdź dokumentację Anthropic Messages API, aby uzyskać najnowszą pełną listę parametrów i zachowanie specyficzne dla dostawcy.

Wiele nowszych modeli Claude odrzuca niestandardowe wartości temperature, top_p i top_k w Messages API. Pomiń te pola próbkowania, chyba że zweryfikowano ich obsługę dla wybranego modelu. Jeśli model zwraca błąd nieobsługiwanego lub przestarzałego parametru, usuń to pole z żądania.

Zarówno nagłówki x-api-key, jak i Authorization: Bearer są obsługiwane do uwierzytelniania. Oficjalne SDK Anthropic domyślnie używają x-api-key.

Szybki start

Aby używać oficjalnego SDK Anthropic z CometAPI, ustaw podstawowy URL:

import os
import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key=os.environ["COMETAPI_KEY"],
)

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello!"}],
)
print(message.content[0].text)

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
    apiKey: process.env.COMETAPI_KEY,
    baseURL: "https://api.cometapi.com",
});

const message = await client.messages.create({
    model: "claude-sonnet-5",
    max_tokens: 1024,
    messages: [{ role: "user", content: "Hello!" }],
});
console.log(message.content[0].text);

Kontroluj adaptacyjne myślenie

Użyj adaptacyjnego myślenia z output_config.effort, aby kontrolować, ile pracy Claude wkłada w odpowiedź. Nowsze modele Claude odrzucają starszy format ręcznego myślenia thinking={"type": "enabled", "budget_tokens": ...}.

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=4096,
    thinking={"type": "adaptive"},
    output_config={"effort": "xhigh"},
    messages=[
        {
            "role": "user",
            "content": "Analyze the trade-offs between a monolithic architecture and microservices for a small engineering team.",
        }
    ],
)

for block in message.content:
    if block.type == "text":
        print(block.text)

Tokeny myślenia wliczają się do limitu max_tokens. Ustaw max_tokens wystarczająco wysoko zarówno dla myślenia, jak i odpowiedzi końcowej, gdy używasz wyższych poziomów wysiłku.

Buforowanie Promptów

Aby zmniejszyć opóźnienia i koszty przy kolejnych żądaniach, buforuj duże systemowe Prompty lub prefiksy konwersacji. Dodaj cache_control do bloków content, które powinny być buforowane:

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": "You are an expert code reviewer. [Long detailed instructions...]",
            "cache_control": {"type": "ephemeral"},
        }
    ],
    messages=[{"role": "user", "content": "Review this code..."}],
)

Użycie pamięci podręcznej jest raportowane w polu usage odpowiedzi:

cache_creation_input_tokens — Tokens zapisane do pamięci podręcznej (rozliczane według wyższej stawki)
cache_read_input_tokens — Tokens odczytane z pamięci podręcznej (rozliczane według obniżonej stawki)

Buforowanie Promptów wymaga minimum 1,024 Tokens w buforowanym bloku content. Krótsza zawartość nie będzie buforowana.

Odpowiedzi Streaming

Aby streamować odpowiedzi przy użyciu Server-Sent Events (SSE), ustaw stream: true. Zdarzenia przychodzą w następującej kolejności:

message_start — zawiera metadane wiadomości i początkowe użycie
content_block_start — oznacza początek każdego bloku content
content_block_delta — przyrostowe fragmenty tekstu (text_delta)
content_block_stop — oznacza koniec każdego bloku content
message_delta — końcowy stop_reason i pełne usage
message_stop — sygnalizuje koniec strumienia

with client.messages.stream(
    model="claude-sonnet-5",
    max_tokens=256,
    messages=[{"role": "user", "content": "Hello"}],
) as stream:
    for text in stream.text_stream:
        print(text, end="")

Kontrolowanie wysiłku

Aby kontrolować, ile wysiłku Claude wkłada w generowanie odpowiedzi, użyj output_config.effort:

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "Summarize this briefly."}
    ],
    output_config={"effort": "low"},  # "low", "medium", "high", "xhigh", or "max"
)

Korzystanie z narzędzi serwerowych

Claude obsługuje narzędzia po stronie serwera, które działają w infrastrukturze Anthropic:

Web Fetch
Web Search

Pobieraj i analizuj content z URL-i:

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Analyze the content at https://arxiv.org/abs/1512.03385"}
    ],
    tools=[
        {"type": "web_fetch_20250910", "name": "web_fetch", "max_uses": 5}
    ],
)

Przeszukuj internet w poszukiwaniu informacji w czasie rzeczywistym:

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "What are the latest developments in AI?"}
    ],
    tools=[
        {"type": "web_search_20250305", "name": "web_search", "max_uses": 5}
    ],
)

Przykład odpowiedzi

Typowa odpowiedź z endpointu Anthropic w CometAPI:

{
  "id": "msg_bdrk_01UjHdmSztrL7QYYm7CKBDFB",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello!"
    }
  ],
  "model": "claude-sonnet-5",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 19,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 0,
      "ephemeral_1h_input_tokens": 0
    },
    "output_tokens": 4
  }
}

Porównanie z endpointem kompatybilnym z OpenAI

Funkcja	Anthropic Messages (`/v1/messages`)	Zgodny z OpenAI (`/v1/chat/completions`)
Myślenie adaptacyjne	`thinking` z `type: "adaptive"` i `output_config.effort`	Niedostępne
Cache’owanie promptów	`cache_control` na blokach `content`	Niedostępne
Kontrola wysiłku	`output_config.effort`	Niedostępne
Pobieranie/wyszukiwanie w sieci	Narzędzia serwerowe (`web_fetch`, `web_search`)	Niedostępne
Nagłówek uwierzytelniania	`x-api-key` lub `Bearer`	Tylko `Bearer`
Format odpowiedzi	Format Anthropic (`content` blocks)	Format OpenAI (`choices`, `message`)
Modele	Tylko Claude	Wielu dostawców (GPT, Claude, Gemini itp.)

Autoryzacje

x-api-key

string

header

wymagane

Your CometAPI key passed via the x-api-key header. Authorization: Bearer $COMETAPI_KEY is also supported.

Nagłówki

anthropic-version

string

domyślnie:2023-06-01

The Anthropic API version to use. Defaults to 2023-06-01.

Przykład:

"2023-06-01"

anthropic-beta

string

Comma-separated list of beta features to enable. Examples: max-tokens-3-5-sonnet-2024-07-15, pdfs-2024-09-25, output-128k-2025-02-19.

Treść

application/json

model

string

wymagane

The Claude model to use. See the Models page for available Claude model IDs.

Przykład:

"claude-sonnet-5"

messages

object[]

wymagane

The conversation messages. Must alternate between user and assistant roles. Each message's content can be a string or an array of content blocks (text, image, document, tool_use, tool_result). There is a limit of 100,000 messages per request.

Show child attributes

max_tokens

integer

wymagane

The maximum number of tokens to generate. The model may stop before reaching this limit. When using thinking, the thinking tokens count towards this limit.

Wymagany zakres: x >= 1

Przykład:

1024

system

System prompt providing context and instructions to Claude. Can be a plain string or an array of content blocks (useful for prompt caching).

temperature

number

domyślnie:1

Model-dependent sampling control. Many newer Claude models reject non-default temperature values on the Messages API. Omit this field unless you have verified that the selected model accepts it; if the model returns an unsupported or deprecated-parameter error, remove the field instead of substituting another sampling value.

Wymagany zakres: 0 <= x <= 1

Przykład:

1

top_p

number

Model-dependent nucleus sampling control. Many newer Claude models reject non-default top_p values on the Messages API. Omit this field unless you have verified support for the selected model. Do not set temperature and top_p together.

Wymagany zakres: 0 <= x <= 1

Przykład:

1

top_k

integer

Model-dependent top-k sampling control. Many newer Claude models reject non-default top_k values on the Messages API. Omit this field unless you have verified support for the selected model.

Wymagany zakres: x >= 0

Przykład:

0

stream

boolean

domyślnie:false

If true, stream the response incrementally using Server-Sent Events (SSE). Events include message_start, content_block_start, content_block_delta, content_block_stop, message_delta, and message_stop.

stop_sequences

string[]

Custom strings that cause the model to stop generating when encountered. The stop sequence is not included in the response.

thinking

object

Controls Claude thinking when the selected model supports a configurable thinking mode. For newer adaptive-thinking models, use {"type":"adaptive"} with output_config.effort, or omit thinking when adaptive thinking is already the model default. Manual {"type":"enabled","budget_tokens":...} is supported only by older models and is rejected by newer Claude models.

Show child attributes

tools

object[]

Tools the model may use. Supports client-defined functions, web search (web_search_20250305), web fetch (web_fetch_20250910), code execution (code_execution_20250522), and more.

Show child attributes

tool_choice

object

Controls how the model uses tools.

Show child attributes

metadata

object

Request metadata for tracking and analytics.

Show child attributes

output_config

object

Configuration for response effort and output format. Field support depends on the selected Claude model.

Show child attributes

service_tier

enum<string>

The service tier to use. auto tries priority capacity first, standard_only uses only standard capacity.

Dostępne opcje:

auto,

standard_only

Odpowiedź

200 - application/json

Successful response. When stream is true, the response is a stream of SSE events.

string

Unique identifier for this message (e.g., msg_01XFDUDYJgAACzvnptvVoYEL).

type

enum<string>

Always message.

Dostępne opcje:

message

role

enum<string>

Always assistant.

Dostępne opcje:

assistant

content

object[]

The response content blocks. May include text, thinking, tool_use, and other block types.

Show child attributes

model

string

The specific model version that generated this response, such as claude-sonnet-5.

stop_reason

enum<string>

Why the model stopped generating. refusal can be returned as a successful HTTP response when the model declines a request.

Dostępne opcje:

end_turn,

max_tokens,

stop_sequence,

tool_use,

pause_turn,

refusal

stop_sequence

string | null

The stop sequence that caused the model to stop, if applicable.

usage

object

Token usage statistics.

Show child attributes

Utwórz odpowiedź modelu

Poprzedni

Generowanie treści

Następny

import os
import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key=os.environ["COMETAPI_KEY"],
)

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    system="You are a helpful assistant.",
    messages=[
        {"role": "user", "content": "Hello, world"}
    ],
)

print(message.content[0].text)

{
  "id": "<string>",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "text": "<string>",
      "thinking": "<string>",
      "signature": "<string>",
      "id": "<string>",
      "name": "<string>",
      "input": {}
    }
  ],
  "model": "<string>",
  "stop_sequence": "<string>",
  "usage": {
    "input_tokens": 123,
    "output_tokens": 123,
    "cache_creation_input_tokens": 123,
    "cache_read_input_tokens": 123,
    "cache_creation": {
      "ephemeral_5m_input_tokens": 123,
      "ephemeral_1h_input_tokens": 123
    },
    "output_tokens_details": {
      "thinking_tokens": 123
    }
  }
}

Moderacja treści

Klucze API

Szybki start

Kontroluj adaptacyjne myślenie

Buforowanie Promptów

Odpowiedzi Streaming

Kontrolowanie wysiłku

Korzystanie z narzędzi serwerowych

Przykład odpowiedzi

Porównanie z endpointem kompatybilnym z OpenAI

Autoryzacje

Nagłówki

Treść

Odpowiedź

​Szybki start

​Kontroluj adaptacyjne myślenie

​Buforowanie Promptów

​Odpowiedzi Streaming

​Kontrolowanie wysiłku

​Korzystanie z narzędzi serwerowych

​Przykład odpowiedzi

​Porównanie z endpointem kompatybilnym z OpenAI

Autoryzacje

Nagłówki

Treść

Odpowiedź

Szybki start

Kontroluj adaptacyjne myślenie

Buforowanie Promptów

Odpowiedzi Streaming

Kontrolowanie wysiłku

Korzystanie z narzędzi serwerowych

Przykład odpowiedzi

Porównanie z endpointem kompatybilnym z OpenAI