LLM API の基礎

Anthropic API（Claude）を中心に、メッセージ形式、トークン、温度、出力制御を一通り。

API キーを取得する

1. console.anthropic.com で登録
2. API Keys で sk-ant-... を発行
3. 環境変数 ANTHROPIC_API_KEY にセット
4. クレジットを購入（Tier に応じてレート制限が緩和される）

SDK のインストール

# Node.js
npm install @anthropic-ai/sdk

# Python
pip install anthropic

最初の 1 リクエスト

import Anthropic from "@anthropic-ai/sdk"

const client = new Anthropic() // ANTHROPIC_API_KEY を環境変数から自動取得

const res = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 1024,
  messages: [
    { role: "user", content: "Hello, Claude!" }
  ]
})

console.log(res.content[0].text)

メッセージの構造

Anthropic API は messages 配列に会話履歴を渡す形式。role は user または assistant。

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 1024,
  "system": "あなたは熱心なプログラミング講師です。",
  "messages": [
    { "role": "user", "content": "TypeScript の型って何？" },
    { "role": "assistant", "content": "型とは値の集合を..." },
    { "role": "user", "content": "もう少し簡単に" }
  ]
}

• system: システムプロンプト（モデルの役割・制約）
• messages: 会話履歴（user / assistant 交互）
• max_tokens: 出力の最大トークン数（必須）

主要モデル（2026 年初頭）

パラメータ

max_tokens

出力の最大トークン数。Claude では必須。長すぎる出力を防ぐ。

temperature

• 0.0: 決定的（同じ入力で同じ出力に近い）
• 0.7: バランス（デフォルト 1.0）
• 1.0: 創造的（バラつく）

コード生成や JSON 抽出は 0、文章生成は 0.7、ブレストは 1.0 が目安。

top_p / top_k

サンプリング方法の調整。普通は temperature だけ調整すれば十分。

stop_sequences

指定文字列が出たら出力を打ち切る。

await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 1024,
  stop_sequences: ["\n\n###"],
  messages: [...]
})

レスポンスの構造

{
  "id": "msg_...",
  "type": "message",
  "role": "assistant",
  "content": [
    { "type": "text", "text": "..." }
  ],
  "model": "claude-sonnet-4-6",
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 12,
    "output_tokens": 84,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0
  }
}

• content: 配列（text / tool_use / image など複数 block 可）
• stop_reason: end_turn / max_tokens / stop_sequence / tool_use
• usage: トークン消費数（料金計算に使う）

トークンとは

テキストをモデルが扱う単位に分割した結果。日本語は1 文字 ≒ 1〜2 トークン、 英語は3〜4 文字で 1 トークン程度。

• 「こんにちは」 → 約 3 トークン
• 「Hello world」 → 約 2 トークン
• JSON や HTML はトークンが嵩む（余白や記号がコスト）

トークン数の事前計算

const count = await client.messages.countTokens({
  model: "claude-sonnet-4-6",
  messages: [{ role: "user", content: "..." }]
})
console.log(count.input_tokens)

マルチモーダル入力

画像

await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 1024,
  messages: [{
    role: "user",
    content: [
      { type: "image", source: { type: "base64", media_type: "image/jpeg", data: base64 } },
      { type: "text", text: "この画像を説明して" }
    ]
  }]
})

PDF

{
  type: "document",
  source: { type: "base64", media_type: "application/pdf", data: base64 }
}

Prompt Caching

繰り返す巨大な System Prompt や RAG コンテキストをキャッシュして、再利用時の入力コストを最大 90% 削減。

await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 1024,
  system: [
    {
      type: "text",
      text: "巨大なドキュメント...",
      cache_control: { type: "ephemeral" }
    }
  ],
  messages: [...]
})

• キャッシュ TTL: ephemeral（5 分）/ 1h（1 時間）
• 初回: 通常の 1.25 倍のコスト（書き込み）
• 2 回目以降: 0.1 倍のコスト（読み出し）

Batch API

非同期で大量リクエストを50% 割引で処理。最大 24 時間以内に結果が返る。

レート制限

Tier で1 分あたりリクエスト数 / トークン数が決まる。429 が返ったら Retry-After 秒待ってリトライ。

• Tier 1（最初）: かなり厳しい
• Tier 4: 大規模に使える

エラーハンドリング

SDK の自動リトライ

const client = new Anthropic({
  maxRetries: 3 // デフォルト 2
})

OpenAI 互換

ChatGPT 系の chat.completions.create 形式と Claude の messages.create は形が違う。 OpenAI / Vercel AI SDK / LangChain などのレイヤを噛ませると統一できる。

Bedrock / Vertex AI 経由

• AWS Bedrock: AWS 内で Claude を呼ぶ。VPC 内通信、IAM、CloudTrail で監査
• Google Vertex AI: GCP 内で Claude を呼ぶ。Service Account 認証

企業環境ではコンプライアンス要件でBedrock 経由必須のことも。