> ## 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.

# Guardrails

> Valide las salidas de los modelos de TokenLab con Guardrails

## Descripción general

Guardrails puede envolver cualquier objeto invocable compatible con su interfaz de API de LLM. Para TokenLab, configure el SDK de OpenAI con la URL base de TokenLab y pase el objeto invocable de chat completions a su guard.

<Note>
  **Tipo**: Marco de validación y salida estructurada

  **Ruta principal**: Chat Completions compatible con OpenAI

  **Nivel de soporte**: Ruta compatible con OpenAI soportada
</Note>

## Entorno

```bash theme={null}
export TOKENLAB_API_KEY="sk-your-tokenlab-key"
```

## Ejemplo

```python theme={null}
import os

from guardrails import Guard
from openai import OpenAI
from pydantic import BaseModel, Field


class Pet(BaseModel):
    pet_type: str = Field(description="Species of pet")
    name: str = Field(description="A unique pet name")


guard = Guard.for_pydantic(output_class=Pet)

client = OpenAI(
    api_key=os.environ["TOKENLAB_API_KEY"],
    base_url="https://api.tokenlab.sh/v1",
)

raw_output, validated_output, *rest = guard(
    llm_api=client.chat.completions.create,
    model="claude-sonnet-5",
    messages=[{"role": "user", "content": "What kind of pet should I get?"}],
)
```

## Notas sobre el endpoint

Guardrails se centra en la validación en torno a la llamada al LLM. Utilice la ruta compatible con OpenAI para flujos de chat-completions, o pase un objeto invocable personalizado si su aplicación necesita un endpoint nativo de TokenLab.