Claude Messages API

curl https://api.apimart.ai/v1/messages \
  -H "x-api-key: $API_KEY" \
  -H "anthropic-version: 2025-10-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-5-20250929",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello, world"}
    ]
  }'

{
  "code": 200,
  "data": {
    "id": "msg_013Zva2CMHLNnXjNJJKqJ2EF",
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "text",
        "text": "こんにちは！私はClaudeです。お会いできて嬉しいです。"
      }
    ],
    "model": "claude-sonnet-4-5-20250929",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 12,
      "output_tokens": 18
    }
  }
}

認証

x-api-key

string

required

認証用APIキーAPIキー管理ページにアクセスしてAPIキーを取得してくださいリクエストヘッダーに追加：

x-api-key: YOUR_API_KEY

anthropic-version

string

required

APIバージョン使用するClaude APIバージョンを指定します例：2025-10-01

リクエストボディ

model

string

default:"claude-haiku-4-5-20251001"

required

モデル名

claude-haiku-4-5-20251001 - Claude 4.5 高速レスポンス版
claude-sonnet-4-5-20250929 - Claude 4.5 バランス版
claude-opus-4-1-20250805 - 最も強力な Claude 4.1 フラッグシップモデル
claude-opus-4-1-20250805-thinking - Claude 4.1 Opus 深層思考版
claude-sonnet-4-5-20250929-thinking - Claude 4.5 Sonnet 深層思考版

messages

array

required

メッセージのリストモデルが次のレスポンスを生成するためのメッセージの配列。各メッセージには role と content の2つのフィールドが含まれます。💡 クイック入力（Try itエリア）：

”+ Add an item” をクリックしてメッセージを追加
role に入力：user（ユーザーメッセージ）または assistant（AI応答、複数ターン会話用）
content に入力：話したい内容

表示フィールド詳細

role

string

default:"user"

required

ロールタイプ選択肢：user（ユーザーメッセージ）、assistant（AI応答、複数ターン会話および事前入力用）注：Claude APIではシステムプロンプトは別の system パラメータを使用し、messagesには含めません

content

string

required

メッセージ内容メッセージのテキスト内容

単一のユーザーメッセージ：

[{"role": "user", "content": "こんにちは、Claude"}]

複数ターンの会話：

[
  {"role": "user", "content": "こんにちは。"},
  {"role": "assistant", "content": "こんにちは、私はClaudeです。どのようにお手伝いできますか？"},
  {"role": "user", "content": "LLMを分かりやすく説明していただけますか？"}
]

事前入力されたアシスタント応答：

[
  {"role": "user", "content": "太陽のギリシャ語名は？ (A) Sol (B) Helios (C) Sun"},
  {"role": "assistant", "content": "正解は("}
]

max_tokens

integer

生成する最大トークン数停止前に生成する最大トークン数。モデルはこの制限に達する前に停止する可能性があります。モデルによって最大値が異なります。最小値：1

system

string | array

システムプロンプトシステムプロンプトはClaudeの役割、性格、目標、指示を設定します。文字列形式：

{
  "system": "あなたはプロフェッショナルなPythonプログラミング講師です"
}

構造化形式：

{
  "system": [
    {
      "type": "text",
      "text": "あなたはプロフェッショナルなPythonプログラミング講師です"
    }
  ]
}

temperature

number

温度パラメータ、範囲は0～1出力のランダム性を制御：

低い値（例：0.2）：より決定的、保守的
高い値（例：0.8）：よりランダム、創造的

デフォルト：1.0

top_p

number

ニュークレアスサンプリングパラメータ、範囲は0～1ニュークレアスサンプリングを使用します。temperatureまたはtop_pのいずれかの使用を推奨します。デフォルト：1.0

top_k

integer

Top-Kサンプリング上位K個のオプションのみからサンプリングし、「ロングテール」の低確率応答を除去します。高度なユースケースにのみ推奨。

stream

boolean

ストリーミングを有効化trueの場合、Server-Sent Events（SSE）を使用してレスポンスをストリーミングします。デフォルト：false

stop_sequences

array

停止シーケンスモデルの生成を停止させるカスタムテキストシーケンス。最大4つのシーケンス。例：["\n\nHuman:", "\n\nAssistant:"]

metadata

object

MetadataMetadata object for the request.Includes:

user_id: User identifier

tools

array

Tool definitionsList of tools the model can use to complete tasks.Function tool example:

{
  "tools": [
    {
      "name": "get_weather",
      "description": "Get the current weather in a given location",
      "input_schema": {
        "type": "object",
        "properties": {
          "location": {
            "type": "string",
            "description": "The city and state, e.g. San Francisco, CA"
          },
          "unit": {
            "type": "string",
            "enum": ["celsius", "fahrenheit"],
            "description": "Temperature unit"
          }
        },
        "required": ["location"]
      }
    }
  ]
}

Supported tool types:

Custom function tools
Computer use tool (computer_20241022)
Text editor tool (text_editor_20241022)
Bash tool (bash_20241022)

tool_choice

object

Tool choice strategyControls how the model uses tools:

{"type": "auto"}: Auto-decide (default)
{"type": "any"}: Must use a tool
{"type": "tool", "name": "tool_name"}: Use specific tool

Response

string

Unique message identifierExample: "msg_013Zva2CMHLNnXjNJJKqJ2EF"

type

string

Object typeAlways "message"

role

string

RoleAlways "assistant"

content

array

Content blocks arrayContent generated by the model, as an array of content blocks.Text content:

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

Tool use:

[
  {
    "type": "tool_use",
    "id": "toolu_01A09q90qw90lq917835lq9",
    "name": "get_weather",
    "input": {"location": "San Francisco, CA", "unit": "celsius"}
  }
]

Content types:

text: Text content
tool_use: Tool invocation

model

string

Model that handled the requestExample: "claude-sonnet-4-5-20250929"

stop_reason

string

Stop reasonPossible values:

end_turn: Natural completion
max_tokens: Reached maximum tokens
stop_sequence: Hit stop sequence
tool_use: Invoked a tool

stop_sequence

string | null

Stop sequence triggeredThe stop sequence that was generated, if any; otherwise null

usage

object

Token usage statistics

表示 Properties

input_tokens

integer

Number of input tokens

output_tokens

integer

Number of output tokens

Usage Examples

Basic Conversation

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_API_KEY",
    base_url="https://api.apimart.ai"
)

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

print(message.content[0].text)

Multi-turn Conversation

messages = [
    {"role": "user", "content": "What is machine learning?"},
    {"role": "assistant", "content": "Machine learning is a branch of AI..."},
    {"role": "user", "content": "Can you give a practical example?"}
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=messages
)

Using System Prompts

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    system="You are a senior Python developer expert in code review and optimization.",
    messages=[
        {"role": "user", "content": "How to optimize this code?\n\n[code]"}
    ]
)

Streaming Response

with client.messages.stream(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Write a short essay about AI"}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

Tool Use

tools = [
    {
        "name": "get_stock_price",
        "description": "Get real-time stock price",
        "input_schema": {
            "type": "object",
            "properties": {
                "ticker": {
                    "type": "string",
                    "description": "Stock ticker symbol, e.g., AAPL"
                }
            },
            "required": ["ticker"]
        }
    }
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "What's Tesla's stock price?"}
    ]
)

# Handle tool calls
if message.stop_reason == "tool_use":
    tool_use = next(block for block in message.content if block.type == "tool_use")
    print(f"Calling tool: {tool_use.name}")
    print(f"Arguments: {tool_use.input}")

Vision Understanding

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://example.com/image.jpg"
                    }
                },
                {
                    "type": "text",
                    "text": "Describe this image"
                }
            ]
        }
    ]
)

Base64 Image

import base64

with open("image.jpg", "rb") as image_file:
    image_data = base64.b64encode(image_file.read()).decode("utf-8")

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/jpeg",
                        "data": image_data
                    }
                },
                {
                    "type": "text",
                    "text": "Analyze this image"
                }
            ]
        }
    ]
)

Best Practices

1. Prompt Engineering

Clear role definition:

system = """You are an experienced data scientist specializing in:
- Statistical analysis and data visualization
- Machine learning model development
- Python and R programming
Provide professional, accurate advice."""

Structured output:

message = "Please return the analysis results in JSON format with summary, key_findings, and recommendations fields."

2. Error Handling

from anthropic import APIError, RateLimitError

try:
    message = client.messages.create(
        model="claude-sonnet-4-5-20250929",
        max_tokens=1024,
        messages=[{"role": "user", "content": "Hello"}]
    )
except RateLimitError:
    print("Rate limit exceeded, please retry later")
except APIError as e:
    print(f"API error: {e}")

3. Token Optimization

# Use shorter prompts
messages = [
    {"role": "user", "content": "Summarize key points:\n\n[long text]"}
]

# Limit output length
message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=500,  # Limit output
    messages=messages
)

4. Prefilling Responses

# Guide model to specific format
messages = [
    {"role": "user", "content": "List 5 Python best practices"},
    {"role": "assistant", "content": "Here are 5 Python best practices:\n\n1."}
]

message = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=messages
)

Streaming Response Handling

Python Streaming

import anthropic

client = anthropic.Anthropic(
    api_key="YOUR_API_KEY",
    base_url="https://api.apimart.ai"
)

with client.messages.stream(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Write a Python decorator example"}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

JavaScript Streaming

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
  apiKey: process.env.API_KEY,
  baseURL: 'https://api.apimart.ai'
});

const stream = await client.messages.stream({
  model: 'claude-sonnet-4-5-20250929',
  max_tokens: 1024,
  messages: [
    { role: 'user', content: 'Write a React component example' }
  ]
});

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

Important Notes

API Key Security:
- Store API keys in environment variables
- Never hardcode keys in source code
- Rotate keys regularly
Rate Limiting:
- Be aware of API rate limits
- Implement retry mechanisms
- Use exponential backoff
Token Management:
- Monitor token usage
- Optimize prompt length
- Use appropriate max_tokens values
Model Selection:
- Opus: Complex tasks, deep thinking required
- Sonnet: Balanced performance and cost
- Haiku: Fast response, simple tasks
Content Filtering:
- Validate user input
- Filter sensitive information
- Implement content moderation

概要

テキストシリーズ

画像シリーズ

動画シリーズ

オーディオシリーズ

タスク管理

アカウント管理

Claude Messages API

認証

リクエストボディ

Response

Usage Examples

Basic Conversation

Multi-turn Conversation

Using System Prompts

Streaming Response

Tool Use

Vision Understanding

Base64 Image

Best Practices

1. Prompt Engineering

2. Error Handling

3. Token Optimization

4. Prefilling Responses

Streaming Response Handling

Python Streaming

JavaScript Streaming

Important Notes

概要

テキストシリーズ

画像シリーズ

動画シリーズ

オーディオシリーズ

タスク管理

アカウント管理

​認証

​リクエストボディ

​Response

​Usage Examples

​Basic Conversation

​Multi-turn Conversation

​Using System Prompts

​Streaming Response

​Tool Use

​Vision Understanding

​Base64 Image

​Best Practices

​1. Prompt Engineering

​2. Error Handling

​3. Token Optimization

​4. Prefilling Responses

​Streaming Response Handling

​Python Streaming

​JavaScript Streaming

​Important Notes

認証

リクエストボディ

Response

Usage Examples

Basic Conversation

Multi-turn Conversation

Using System Prompts

Streaming Response

Tool Use

Vision Understanding

Base64 Image

Best Practices

1. Prompt Engineering

2. Error Handling

3. Token Optimization

4. Prefilling Responses

Streaming Response Handling

Python Streaming

JavaScript Streaming

Important Notes