Anthropic Messages - CometAPI Documentation

POST

messages

import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key="<COMETAPI_KEY>",
)

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    system="You are a helpful assistant.",
    messages=[
        {"role": "user", "content": "Hello, world"}
    ],
)

print(message.content[0].text)

{
  "id": "<string>",
  "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
    }
  }
}

A CometAPI oferece suporte nativo à API Anthropic Messages, dando a você acesso direto aos modelos Claude com todos os recursos específicos da Anthropic. Use este endpoint para capacidades exclusivas do Claude, como extended thinking, prompt caching e controle de esforço.

Tanto os headers x-api-key quanto Authorization: Bearer são compatíveis para autenticação. Os SDKs oficiais da Anthropic usam x-api-key por padrão.

Início rápido

Para usar o SDK oficial da Anthropic com a CometAPI, defina a base URL:

import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key="<COMETAPI_KEY>",
)

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello!"}],
)
print(message.content[0].text)

Habilitar extended thinking

Habilite o raciocínio passo a passo do Claude com o parâmetro thinking. A resposta inclui blocos de conteúdo thinking que mostram o raciocínio interno do Claude antes da resposta final.

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000,
    },
    messages=[
        {"role": "user", "content": "Prove that there are infinitely many primes."}
    ],
)

for block in message.content:
    if block.type == "thinking":
        print(f"Thinking: {block.thinking[:200]}...")
    elif block.type == "text":
        print(f"Answer: {block.text}")

Thinking requer um budget_tokens mínimo de 1,024. Os tokens de thinking contam para o seu limite de max_tokens — defina max_tokens alto o suficiente para acomodar tanto o thinking quanto a resposta.

Armazenar prompts em cache

Para reduzir a latência e o custo em solicitações subsequentes, armazene em cache prompts de system grandes ou prefixos de conversa. Adicione cache_control aos blocos de conteúdo que devem ser armazenados em cache:

message = client.messages.create(
    model="claude-sonnet-4-6",
    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..."}],
)

O uso do cache é informado no campo usage da resposta:

cache_creation_input_tokens — tokens gravados no cache (cobrados a uma taxa mais alta)
cache_read_input_tokens — tokens lidos do cache (cobrados a uma taxa reduzida)

O prompt caching requer um mínimo de 1,024 tokens no bloco de conteúdo armazenado em cache. Conteúdo mais curto do que isso não será armazenado em cache.

Transmitir respostas em Streaming

Para transmitir respostas usando Server-Sent Events (SSE), defina stream: true. Os eventos chegam nesta ordem:

message_start — contém os metadados da mensagem e o uso inicial
content_block_start — marca o início de cada bloco de conteúdo
content_block_delta — trechos de texto incrementais (text_delta)
content_block_stop — marca o fim de cada bloco de conteúdo
message_delta — stop_reason final e usage completo
message_stop — sinaliza o fim do stream

with client.messages.stream(
    model="claude-sonnet-4-6",
    max_tokens=256,
    messages=[{"role": "user", "content": "Hello"}],
) as stream:
    for text in stream.text_stream:
        print(text, end="")

Controlar o esforço

Para controlar quanto esforço o Claude coloca na geração de uma resposta, use output_config.effort:

message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=4096,
    messages=[
        {"role": "user", "content": "Summarize this briefly."}
    ],
    output_config={"effort": "low"},  # "low", "medium", or "high"
)

Usar ferramentas do servidor

O Claude oferece suporte a ferramentas no lado do servidor que são executadas na infraestrutura da Anthropic:

Web Fetch
Web Search

Busque e analise conteúdo de URLs:

message = client.messages.create(
    model="claude-sonnet-4-6",
    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}
    ],
)

Pesquise na web por informações em tempo real:

message = client.messages.create(
    model="claude-sonnet-4-6",
    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}
    ],
)

Exemplo de resposta

Uma resposta típica do endpoint Anthropic da CometAPI:

{
  "id": "msg_bdrk_01UjHdmSztrL7QYYm7CKBDFB",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello!"
    }
  ],
  "model": "claude-sonnet-4-6",
  "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
  }
}

Comparar com o endpoint compatível com OpenAI

Recurso	Anthropic Messages (`/v1/messages`)	OpenAI-Compatible (`/v1/chat/completions`)
Extended thinking	parâmetro `thinking` com `budget_tokens`	Não disponível
Prompt caching	`cache_control` em blocos de conteúdo	Não disponível
Controle de esforço	`output_config.effort`	Não disponível
Web fetch/search	Ferramentas do servidor (`web_fetch`, `web_search`)	Não disponível
Header de autenticação	`x-api-key` ou `Bearer`	Apenas `Bearer`
Formato da resposta	Formato Anthropic (blocos `content`)	Formato OpenAI (`choices`, `message`)
Modelos	Apenas Claude	Multiplos provedores (GPT, Claude, Gemini etc.)

Autorizações

x-api-key

string

header

obrigatório

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

Cabeçalhos

anthropic-version

string

padrão:2023-06-01

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

Exemplo:

"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.

Corpo

application/json

model

string

obrigatório

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

Exemplo:

"claude-sonnet-4-6"

messages

object[]

obrigatório

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

obrigatório

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.

Intervalo necessário: x >= 1

Exemplo:

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

padrão:1

Controls randomness in the response. Range: 0.0–1.0. Use lower values for analytical tasks and higher values for creative tasks. Defaults to 1.0.

Intervalo necessário: 0 <= x <= 1

top_p

number

Nucleus sampling threshold. Only tokens with cumulative probability up to this value are considered. Range: 0.0–1.0. Use either temperature or top_p, not both.

Intervalo necessário: 0 <= x <= 1

top_k

integer

Only sample from the top K most probable tokens. Recommended for advanced use cases only.

Intervalo necessário: x >= 0

stream

boolean

padrão: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

Enable extended thinking — Claude's step-by-step reasoning process. When enabled, the response includes thinking content blocks before the answer. Requires a minimum budget_tokens of 1,024.

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 output behavior.

Show child attributes

service_tier

enum<string>

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

Opções disponíveis:

auto,

standard_only

Resposta

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.

Opções disponíveis:

message

role

enum<string>

Always assistant.

Opções disponíveis:

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 (e.g., claude-sonnet-4-6).

stop_reason

enum<string>

Why the model stopped generating.

Opções disponíveis:

end_turn,

max_tokens,

stop_sequence,

tool_use,

pause_turn

stop_sequence

string | null

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

usage

object

Token usage statistics.

Show child attributes

Responses

Gemini Generating Content

import anthropic

client = anthropic.Anthropic(
    base_url="https://api.cometapi.com",
    api_key="<COMETAPI_KEY>",
)

message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    system="You are a helpful assistant.",
    messages=[
        {"role": "user", "content": "Hello, world"}
    ],
)

print(message.content[0].text)

{
  "id": "<string>",
  "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
    }
  }
}

Documentation Index

​Início rápido

​Habilitar extended thinking

​Armazenar prompts em cache

​Transmitir respostas em Streaming

​Controlar o esforço

​Usar ferramentas do servidor

​Exemplo de resposta

​Comparar com o endpoint compatível com OpenAI

Autorizações

Cabeçalhos

Corpo

Resposta

Início rápido

Habilitar extended thinking

Armazenar prompts em cache

Transmitir respostas em Streaming

Controlar o esforço

Usar ferramentas do servidor

Exemplo de resposta

Comparar com o endpoint compatível com OpenAI