创建对话请求（Anthropic）

Cloubie 的 Claude 原生 Chat Completions 接口面向已接入 Claude 生态或计划统一接入多家模型的团队，提供一条与官方接口规格高度一致的接入路径。平台在协议层兼容 POST /v1/messages 等 Claude 官方规范：请求体沿用 model、messages（含多段内容块）、工具调用等字段设计，并支持流式响应与多模态扩展。

请求

Endpoint

POST https://api.token-hubs.com

text

Headers

Authorizationstring必填

Bearer Token，格式：Bearer YOUR_API_KEY

Content-Typestring必填

请求体格式，固定为 application/json

anthropic-versionstring

API 版本号，例如：2023-06-01

请求示例

from anthropic import Anthropic

client = Anthropic(
    api_key = "my-anthropic-api-key",
    base_url = "https://api.token-hubs.com"
)

message = client.messages.create( 
    max_tokens = 1024,
    messages = [
        {
            "content": "Hello, world",
            "role": "user"
        }
    ],
    model = "claude-sonnet-4-5-20250929",
)

print(message.id)

Request Body

max_tokensint必填

在模型停止前最多生成的 token 数（最小值 ≥ 1）。模型可能会在达到上限前自然结束；不同模型支持的最大值不同，请参考模型文档。

messagesIterable[MessageParam]必填

输入对话消息列表（最多 100,000 条）。Claude 以「用户 / 助手」交替轮次进行对话：

每条消息必须包含 role 与 content 字段
可只传一条 user 消息，也可传多轮 user / assistant 消息
如果最后一条消息是 assistant 角色，则模型输出会直接从该消息内容后继续（可用于强制前缀）
roleLiteral["user", "assistant"]（必填）：
消息角色仅支持："user"、"assistant"（系统提示需用顶层 system 字段，而不是这里的 system 角色）
contentstring | object：
content 可以是字符串，等价于单个内容块数组；具体可参考官方文档。

modelModelParam必填

本次调用使用的模型 ID，例如：claude-3-7-sonnet-latest 等；也支持传入字符串形式的自定义/未来模型名。

metadataMetadataParam

描述本次请求的元数据对象，便于你在业务侧做审计、统计、追踪等。

user_idstring

终端用户的标识（例如经哈希后的用户 ID），用于安全审计和用量分析。

service_tierstring

控制本次请求使用的服务层级：

auto：
根据项目配置自动选择（默认）
standard_only：
始终使用标准容量，不使用优先容量

stop_sequencesSequence[str]

自定义停止序列列表。模型生成内容遇到任一序列会立即停止，此时响应的 stop_reason 为 "stop_sequence"，同时 stop_sequence 字段会返回命中的具体序列。

streamboolean

是否以 Server-Sent Events 形式增量流式返回结果。目前该参数仅支持 false，流式模式需使用专门的流式接口/客户端。

systemstring | Iterable[TextBlockParam]

系统提示词，用于为 Claude 提供统一的角色设定与行为准则（如「你是一名资深 Python 开发助手」等）。可以是简单字符串，也可以是文本块数组。

temperaturefloat

控制输出的随机性，默认 1.0，范围 [0.0, 1.0]：

接近 0.0：更稳定、更偏向确定性（适合分析 / 选择题）
接近 1.0：更有创意和发散性。即使温度为 0.0，结果也不保证完全确定。

thinkingThinkingConfigParam

启用 Claude 扩展思考能力的配置：

启用后，响应中会包含模型思考过程的内容块
需至少预留 1024 个 max_tokens 作为思考预算，这部分也计入总 token 消耗
通过 ThinkingConfigEnabled / ThinkingConfigDisabled 控制

tool_choiceToolChoiceParam

控制模型如何使用提供的工具：

ToolChoiceAuto：
模型自行决定是否使用工具、使用哪个工具
- typeLiteral["auto"]（必填）：
  值只能为 auto
- disable_parallel_tool_useOptional[bool]：
  是否禁用并行工具的使用，默认值为 false。如果设置为 true，则模型最多输出一次工具使用情况。
ToolChoiceAny：
模型必须使用某个可用工具，但你不指定哪一个
- typeLiteral["any"]（必填）：
  值只能为 any
- disable_parallel_tool_useOptional[bool]：
  是否禁用并行工具的使用，默认值为 false。
ToolChoiceTool：
强制模型使用某个指定工具
- namestr：
  指定的工具名称
- typeLiteral["tool"]：
  值只能为 tool
- disable_parallel_tool_useOptional[bool]：
  是否禁用并行工具的使用，默认值为 false。
ToolChoiceNone：
禁止模型调用任何工具
- typeLiteral["none"]：
  值只能为 none

toolsIterable[ToolUnionParam]

定义模型可以使用的工具列表（客户端工具或服务端工具）：

每个工具包含：name（名称）、description（推荐提供）、input_schema（输入 JSON Schema）
当模型决定调用某个工具时，会在输出中生成 tool_use 内容块（包含 name 和 input）
你在应用侧根据 tool_use 中的 input 实际调用工具，然后将结果通过 tool_result 内容块发回 Claude 完成后续对话。

top_kint

仅从概率最高的前 K 个 token 中采样（≥ 0），用于截断「长尾」低概率选项。属于高级参数，一般只需调用 temperature 即可。

top_pfloat

核采样（nucleus sampling）参数，范围 [0, 1]：按照概率从高到低累积，直到达到 top_p 为止，只在该集合内采样。建议与 temperature 二选一调整。

Response Body

idstring

对象的唯一标识符。ID 的格式和长度可能会随着时间变化。

contentList[ContentBlock]

模型生成的内容，为一组内容块数组，每个块有一个 type 决定结构。示例：

[{"type": "text", "text": "Hi, I'm Claude."}]

如果请求中最后一条消息是 assistant 角色，则响应内容会直接从该消息继续，可用于约束模型输出前缀。
内容块可能的类型包括：TextBlock、ThinkingBlock、RedactedThinkingBlock、ToolUseBlock、ServerToolUseBlock、WebSearchToolResultBlock等。

modelModel

实际用于完成本次补全的模型 ID，例如 claude-3-7-sonnet-latest 等，也可为字符串。

rolestring

生成消息的会话角色。对于 Claude Messages 响应，该字段始终为 "assistant"。

stop_reasonStopReason | null

本次生成停止的原因，可能值：

end_turn：
模型到达自然结束点
max_tokens：
达到请求的 max_tokens 或模型上限
stop_sequence：
生成了你提供的某个 stop_sequences
tool_use：
模型调用了一个或多个工具
pause_turn：
长轮次对话被暂停，可将本次响应原样带回下一次请求继续
refusal：
流式分类器因疑似策略违规而介入

stop_sequencestring | null

如果触发了自定义停止序列，则为实际命中的那条 stop 序列；否则为 null。

typestring

对象类型。对于 Messages 响应，该字段始终为 "message"。

usageUsage

计费与速率限制相关的 token 用量统计。

请注意，请求在内部会被转换为模型可接受的格式，再由模型输出并解析，因此 usage 中的 token 计数与可见文本不一定一一对应，即使返回空字符串也可能有非零 output_tokens。
总输入 token 数 = input_tokens + cache_creation_input_tokens + cache_read_input_tokens。
cache_creation CacheCreation | null：
按 TTL 维度拆分的缓存 token
cache_creation_input_tokens int | null：
用于创建缓存条目的输入 token 数
cache_read_input_tokens int | null：
从缓存中读取的输入 token 数
input_tokens int：
本次请求中实际使用的输入 token 数
output_tokens int：
本次请求中实际生成的输出 token 数
server_tool_use ServerToolUsage | null：
服务端工具调用的次数统计
web_search_requests int：
Web 搜索工具请求次数
service_tier "standard" | "priority" | "batch" | null：
本次请求实际使用的服务层级

响应示例

{
  "id": "msg_013Zva2CMHLNnXjNJJKqJ2EF",
  "content": [
    {
      "citations": [
        {
          "cited_text": "cited_text",
          "document_index": 0,
          "document_title": "document_title",
          "end_char_index": 0,
          "file_id": "file_id",
          "start_char_index": 0,
          "type": "char_location"
        }
      ],
      "text": "Hi! My name is Claude.",
      "type": "text"
    }
  ],
  "model": "claude-sonnet-4-5-20250929",
  "role": "assistant",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "type": "message",
  "usage": {
    "cache_creation": {
      "ephemeral_1h_input_tokens": 0,
      "ephemeral_5m_input_tokens": 0
    },
    "cache_creation_input_tokens": 2051,
    "cache_read_input_tokens": 2051,
    "input_tokens": 2095,
    "output_tokens": 503,
    "server_tool_use": {
      "web_search_requests": 0
    },
    "service_tier": "standard"
  }
}

代码示例

Python 示例

使用 Anthropic SDK（推荐）

from anthropic import Anthropic

client = Anthropic(
    base_url='https://api.token-hubs.com',
    api_key='YOUR_API_KEY'
)

非流式调用

message = client.messages.create(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "你好，请介绍一下你自己"}
    ]
)

print(message.content[0].text)

流式调用

from anthropic import Anthropic

client = Anthropic(
    base_url='https://api.token-hubs.com',
    api_key='YOUR_API_KEY'
)

with client.messages.stream(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    messages=[{"role": "user", "content": "讲个笑话"}]
) as stream:
    for text in stream.text_stream:
        print(text, end='', flush=True)

Go 示例

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "io"
    "net/http"
)

type ClaudeRequest struct {
    Model     string    `json:"model"`
    MaxTokens int       `json:"max_tokens"`
    Messages  []Message `json:"messages"`
}

type Message struct {
    Role    string `json:"role"`
    Content string `json:"content"`
}

type ClaudeResponse struct {
    Content []struct {
        Text string `json:"text"`
    } `json:"content"`
}

func main() {
    reqBody := ClaudeRequest{
        Model:     "claude-3-5-sonnet-20241022",
        MaxTokens: 1024,
        Messages: []Message{
            {Role: "user", Content: "你好"},
        },
    }

    jsonData, _ := json.Marshal(reqBody)
    req, _ := http.NewRequest("POST", 
        "https://api.token-hubs.com", 
        bytes.NewBuffer(jsonData))
    req.Header.Set("Content-Type", "application/json")
    req.Header.Set("x-api-key", "YOUR_API_KEY")
    req.Header.Set("anthropic-version", "2023-06-01")

    client := &http.Client{}
    resp, _ := client.Do(req)
    defer resp.Body.Close()

    body, _ := io.ReadAll(resp.Body)
    var result ClaudeResponse
    json.Unmarshal(body, &result)
    
    fmt.Println(result.Content[0].Text)
}

Node.js 示例

使用 Anthropic SDK（推荐）

const Anthropic = require('@anthropic-ai/sdk');

const client = new Anthropic({
    baseURL: 'https://api.token-hubs.com',
    apiKey: 'YOUR_API_KEY'
});

// 非流式调用
async function main() {
    const message = await client.messages.create({
        model: 'claude-3-5-sonnet-20241022',
        max_tokens: 1024,
        messages: [
            { role: 'user', content: '你好，请介绍一下你自己' }
        ]
    });

    console.log(message.content[0].text);
}

main();

流式调用

const Anthropic = require('@anthropic-ai/sdk');

const client = new Anthropic({
    baseURL: 'https://api.token-hubs.com',
    apiKey: 'YOUR_API_KEY'
});

async function main() {
    const stream = await client.messages.stream({
        model: 'claude-3-5-sonnet-20241022',
        max_tokens: 1024,
        messages: [{ role: 'user', content: '讲个笑话' }]
    });

    for await (const chunk of stream) {
        if (chunk.type === 'content_block_delta' && 
            chunk.delta.type === 'text_delta') {
            process.stdout.write(chunk.delta.text);
        }
    }
}

main();

#创建对话请求（Anthropic）

#请求

#Endpoint

#Headers

#请求示例

#Request Body

#Response Body

#响应示例

#代码示例

#Python 示例

#使用 Anthropic SDK（推荐）

#非流式调用

#流式调用

#Go 示例

#Node.js 示例

#使用 Anthropic SDK（推荐）

#流式调用

创建对话请求（Anthropic）

请求

Endpoint

Headers

请求示例

Request Body

Response Body

响应示例

代码示例

Python 示例

使用 Anthropic SDK（推荐）

非流式调用

流式调用

Go 示例

Node.js 示例

使用 Anthropic SDK（推荐）

流式调用