Skip to content

Claude Messages ​

兼容 Anthropic Messages,可以直接用 Anthropic SDK 和 Claude Code。用于 claude 分组的模型。

POSThttps://api.codingrouter.ai/v1/messages

鉴权 ​

请求头说明
x-api-key: <令牌>Anthropic 官方写法;也可以用 Authorization: Bearer <令牌>
anthropic-version: 2023-06-01建议带上,SDK 会自动添加

Base URL 不带 /v1

Anthropic SDK 和 Claude Code 会自己拼上 /v1/messages,Base URL 填 https://api.codingrouter.ai。

请求参数 ​

参数类型必填说明
modelstring是模型名,如 claude-sonnet-5-5
messagesarray是对话消息,role 为 user 或 assistant
max_tokensinteger建议最多生成多少 token;不填时网关使用默认值
systemstring / array否系统提示;用数组时可以加 cache_control
streamboolean否true 时以 SSE 事件流返回
temperaturenumber否0 到 1
top_p、top_knumber否采样参数
stop_sequencesarray否遇到这些字符串时停止
thinkingobject否扩展思考:{"type": "enabled", "budget_tokens": 2000}
toolsarray否可调用的工具
tool_choiceobject否{"type": "auto"}、{"type": "any"} 或指定工具

请求示例 ​

bash
curl https://api.codingrouter.ai/v1/messages \
  -H "x-api-key: $CODINGROUTER_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-5-5",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "用一句话解释什么是 API 网关"}]
  }'
python
import anthropic

client = anthropic.Anthropic(
    base_url="https://api.codingrouter.ai",
    api_key="sk-你的令牌",
)

msg = client.messages.create(
    model="claude-sonnet-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "用一句话解释什么是 API 网关"}],
)
print(msg.content[0].text)
js
import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  baseURL: "https://api.codingrouter.ai",
  apiKey: process.env.CODINGROUTER_KEY,
});

const msg = await client.messages.create({
  model: "claude-sonnet-5-5",
  max_tokens: 1024,
  messages: [{ role: "user", content: "用一句话解释什么是 API 网关" }],
});
console.log(msg.content[0].text);

响应示例 ​

json
{
  "id": "msg_...",
  "type": "message",
  "role": "assistant",
  "model": "claude-sonnet-5-5",
  "content": [{"type": "text", "text": "API 网关是位于客户端与后端服务之间的统一入口……"}],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 50,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0,
    "output_tokens": 70
  }
}

stop_reason:end_turn 正常结束,max_tokens 达到上限,tool_use 要求调用工具,stop_sequence 遇到停止词。

流式输出 ​

python
with client.messages.stream(
    model="claude-sonnet-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "写一首关于星空的短诗"}],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

事件依次为 message_start、content_block_start、content_block_delta(文本增量)、content_block_stop、message_delta(含 stop_reason 和用量)、message_stop。

扩展思考 ​

json
{
  "model": "claude-opus-5-5",
  "max_tokens": 4000,
  "thinking": {"type": "enabled", "budget_tokens": 2000},
  "messages": [{"role": "user", "content": "设计一个限流算法"}]
}

content 里先出现 {"type": "thinking", ...} 块,再是 text 块。max_tokens 必须大于 budget_tokens,思考内容按输出 token 计费。

提示缓存 ​

在 system 或消息块上加 cache_control,之后相同前缀的请求按缓存读取价计费:

json
{
  "model": "claude-sonnet-5-5",
  "max_tokens": 1024,
  "system": [
    {"type": "text", "text": "<很长的系统提示或文档>", "cache_control": {"type": "ephemeral"}}
  ],
  "messages": [{"role": "user", "content": "根据文档回答:……"}]
}

第一次请求的 usage.cache_creation_input_tokens 是写入缓存的 token 数,5 分钟内的后续请求在 usage.cache_read_input_tokens 里显示命中数。缓存前缀至少 1024 个 token 才会生效。

图片输入 ​

json
{
  "model": "claude-sonnet-5-5",
  "max_tokens": 1024,
  "messages": [{
    "role": "user",
    "content": [
      {"type": "image", "source": {"type": "base64", "media_type": "image/png", "data": "iVBORw0KGgo..."}},
      {"type": "text", "text": "这张图是什么颜色?"}
    ]
  }]
}

工具调用 ​

json
{
  "model": "claude-sonnet-5-5",
  "max_tokens": 1024,
  "messages": [{"role": "user", "content": "北京今天天气怎么样?"}],
  "tools": [{
    "name": "get_weather",
    "description": "查询城市天气",
    "input_schema": {
      "type": "object",
      "properties": {"city": {"type": "string"}},
      "required": ["city"]
    }
  }]
}

模型调用工具时,content 里出现 {"type": "tool_use", "id": "toolu_...", "name": "get_weather", "input": {"city": "北京"}},stop_reason 为 tool_use。把结果作为 tool_result 块放进下一条 user 消息即可继续。