Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt

Use this file to discover all available pages before exploring further.

​
Überblick

Dieser Endpoint bietet native Kompatibilität mit der Anthropic Messages API. Verwenden Sie ihn für Claude-Modelle mit Funktionen wie Extended Thinking. Dieser Endpunkt behält den nativen Anthropic-Vertrag bei. messages muss ein Array aus user- / assistant-Nachrichten sein, system gehört in das Top-Level-Feld system, und max_tokens ist erforderlich. Wenn dein Payload OpenAI-Rollen wie system, developer oder tool innerhalb von messages verwendet, sende ihn stattdessen an /v1/chat/completions.
Base URL für Anthropic SDK: https://api.tokenlab.sh (ohne /v1-Suffix)

​
Request-Header

​
x-api-key
string
erforderlich
Ihr TokenLab API-Schlüssel. Alternative zum Bearer-Token.
​
anthropic-version
string
erforderlich
Anthropic API-Version. Verwenden Sie 2023-06-01.

​
Request-Body

​
model
string
erforderlich
Claude-Modell-ID (z. B. claude-sonnet-4-6 oder claude-opus-4-6).
​
messages
array
erforderlich
Array von Nachrichtenobjekten mit role und content.
​
max_tokens
integer
erforderlich
Maximale Anzahl zu generierender Tokens.
​
system
string
System-Prompt (separat vom messages-Array).
​
temperature
number
Standard:"1"
Sampling-Temperatur (0-1).
​
stream
boolean
Standard:"false"
Streaming-Antworten aktivieren.
​
thinking
object
Extended-Thinking-Konfiguration (Claude Opus 4.5).
  • type (string): "enabled" zum Aktivieren
  • budget_tokens (integer): Token-Budget für das Denken
​
tools
array
Verfügbare Tools für das Modell.
​
tool_choice
object
Wie das Modell Tools verwenden soll. Optionen: auto, any, tool (spezifisches Tool).
​
top_p
number
Nucleus-Sampling-Parameter. Verwenden Sie entweder temperature oder top_p, nicht beides.
​
top_k
integer
Für jedes Token nur aus den obersten K-Optionen sampeln.
​
stop_sequences
array
Benutzerdefinierte Stop-Sequenzen, die dazu führen, dass das Modell die Generierung beendet.
​
metadata
object
Metadaten, die zur Nachverfolgung an die Anfrage angehängt werden.

​
Antwort

​
id
string
Eindeutige Nachrichtenkennung.
​
type
string
Immer message.
​
role
string
Immer assistant.
​
content
array
Array von Content-Blöcken (text, thinking, tool_use).
​
model
string
Verwendetes Modell.
​
stop_reason
string
Warum die Generierung gestoppt wurde (end_turn, max_tokens, tool_use).
​
usage
object
Token-Nutzung mit input_tokens und output_tokens.
curl -X POST "https://api.tokenlab.sh/v1/messages" \
  -H "x-api-key: sk-your-api-key" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 1024,
    "system": "You are a helpful assistant.",
    "messages": [
      {"role": "user", "content": "Hello, Claude!"}
    ]
  }'

{
  "id": "msg_abc123",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hello! How can I help you today?"
    }
  ],
  "model": "claude-sonnet-4-6",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 15,
    "output_tokens": 10
  }
}

​
Vision-Eingabebeispiel

Bei Claude-Modellen mit Vision-Unterstützung platzieren Sie Bilder in messages[].content als strukturierte Bildblöcke. 
{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Please describe this image."
        },
        {
          "type": "image",
          "source": {
            "type": "url",
            "url": "https://example.com/demo.jpg"
          }
        }
      ]
    }
  ]
}

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Please describe this image."
        },
        {
          "type": "image",
          "source": {
            "type": "base64",
            "media_type": "image/jpeg",
            "data": "/9j/4AAQSkZJRgABAQ..."
          }
        }
      ]
    }
  ]
}

​
Beispiel für Extended Thinking

message = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=16000,
    thinking={
        "type": "enabled",
        "budget_tokens": 10000
    },
    messages=[{"role": "user", "content": "Solve this math problem..."}]
)

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

​
Anthropic Message-Batches

TokenLab stellt jetzt zusätzlich zu /v1/messages auch den nativen Anthropic-Message-Batches-Flow bereit. Verfügbare Routen:
  • POST /v1/messages/batches
  • GET /v1/messages/batches
  • GET /v1/messages/batches/:message_batch_id
  • GET /v1/messages/batches/:message_batch_id/results
  • POST /v1/messages/batches/:message_batch_id/cancel
  • DELETE /v1/messages/batches/:message_batch_id
Hinweise für den Betrieb:
  • Verwende denselben TokenLab-API-Key zusammen mit den nativen Anthropic-Headern.
  • Wenn Batch-Items auf file_id verweisen, füge zusätzlich anthropic-beta: files-api-2025-04-14 hinzu.
  • Batch-Jobs behalten die nativen Anthropic-Request/Response-Formate bei, während TokenLab den internen Abrechnungs-Lifecycle nachverfolgt.