> ## 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 as saídas de modelos do TokenLab com Guardrails

## Visão Geral

O Guardrails pode envolver qualquer `callable` compatível com sua interface de API de LLM. Para o TokenLab, configure o SDK da OpenAI com a URL base do TokenLab e passe o `callable` de `chat completions` para o seu `guard`.

<Note>
  **Tipo**: Framework de validação e saída estruturada

  **Caminho Principal**: Chat Completions compatível com OpenAI

  **Nível de Suporte**: Caminho compatível com OpenAI suportado
</Note>

## Ambiente

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

## Exemplo

```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 o Endpoint

O Guardrails concentra-se na validação em torno da chamada de LLM. Use o caminho compatível com OpenAI para fluxos de `chat-completions`, ou passe um `callable` personalizado se sua aplicação precisar de um endpoint nativo do TokenLab.