Anthropic 聊天补全 (OpenAI 协议)

通过 OpenAI 兼容接口调用 Claude 系列模型。

双协议支持

Anthropic 模型支持两种调用方式：

• OpenAI 协议 (/v1/chat/completions) — 本页面，与 OpenAI 格式完全一致
• Anthropic 原生协议 (/v1/messages) — 查看 Messages API

如果你已有 OpenAI SDK 集成，直接更改 model 参数即可切换到 Claude 模型。如果你更熟悉 Anthropic SDK，可以使用原生协议。

请求

POST https://api.clawdrouter.com/v1/chat/completions

请求头

名称	必填	类型	说明
Authorization	是	string	Bearer YOUR_API_KEY
Content-Type	是	string	application/json
Request-Id	否	string	客户系统生成的唯一业务标识（用于请求追踪和问题排查）

请求体

请求参数与 OpenAI 聊天补全 相同。以下列出核心参数：

参数	类型	必填	默认值	说明
model	string	是	—	模型标识，参考模型列表
messages	array	是	—	对话消息列表
stream	boolean	否	false	是否启用流式输出
temperature	number	否	1	采样温度，取值 0~2
top_p	number	否	1	核采样参数
max_tokens	integer	否	4096	生成的最大 Token 数
stop	string / array	否	—	停止序列
tools	array	否	—	工具列表 (Function Calling)
tool_choice	string / object	否	—	工具调用控制
response_format	object	否	—	输出格式控制

完整参数说明请参考 OpenAI 聊天补全参数。

请求示例

基础请求

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [
      {"role": "user", "content": "你好"}
    ]
  }'

流式请求

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -N \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [
      {"role": "user", "content": "写一首关于春天的诗"}
    ],
    "stream": true
  }'

多模态输入（图片）

Anthropic 模型支持两种 content 格式：字符串格式和数组格式。数组格式适用于多模态输入场景：

curl https://api.clawdrouter.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "claude-sonnet-4-6",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "描述这张图片"},
          {
            "type": "image_url",
            "image_url": {
              "url": "data:image/png;base64,base64_encoded_data..."
            }
          }
        ]
      }
    ]
  }'

响应

非流式响应

{
  "id": "chatcmpl-93e77518-06fb-410a-afb1-c26449930dfb",
  "created": 1761193047,
  "model": "claude-sonnet-4-6",
  "object": "chat.completion",
  "system_fingerprint": null,
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "message": {
        "content": "你好！很高兴认识你。请问有什么我可以帮助你的吗？",
        "role": "assistant",
        "tool_calls": null,
        "function_call": null
      }
    }
  ],
  "usage": {
    "completion_tokens": 28,
    "prompt_tokens": 10,
    "total_tokens": 38,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0
  }
}

响应字段说明

字段	类型	说明
id	string	本次补全的唯一标识
object	string	固定为 chat.completion
created	integer	创建时间的 Unix 时间戳
model	string	实际使用的模型版本
choices	array	补全结果列表
choices[].message	object	模型生成的消息
choices[].finish_reason	string	停止原因：stop（正常结束）/ length（达到长度限制）/ tool_calls（调用工具）
usage	object	Token 用量统计

Anthropic 特有的 Token 统计字段

Anthropic 模型的 usage 中包含额外的缓存相关统计：

字段	类型	说明
cache_creation_input_tokens	integer	本次请求创建缓存所消耗的输入 Token 数
cache_read_input_tokens	integer	本次请求从缓存中读取的输入 Token 数

流式响应

流式模式下，响应以 SSE (Server-Sent Events) 格式返回：

data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"role":"assistant","content":"你"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":"好"},"finish_reason":null}]}

data: {"id":"chatcmpl-xxx","object":"chat.completion.chunk","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: [DONE]

使用 Python SDK

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.clawdrouter.com/v1",
)

# 基础调用
completion = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "用简单的话解释量子计算"}
    ],
)

print(completion.choices[0].message.content)

流式调用

stream = client.chat.completions.create(
    model="claude-sonnet-4-6",
    messages=[
        {"role": "user", "content": "写一篇关于人工智能的短文"}
    ],
    stream=True,
)

for chunk in stream:
    content = chunk.choices[0].delta.content
    if content is not None:
        print(content, end="", flush=True)

使用 Node.js SDK

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "YOUR_API_KEY",
  baseURL: "https://api.clawdrouter.com/v1",
});

async function main() {
  const completion = await client.chat.completions.create({
    model: "claude-sonnet-4-6",
    messages: [
      { role: "user", content: "用简单的话解释量子计算" },
    ],
  });

  console.log(completion.choices[0].message.content);
}

main();

流式调用

async function streamChat() {
  const stream = await client.chat.completions.create({
    model: "claude-sonnet-4-6",
    messages: [
      { role: "user", content: "写一篇关于人工智能的短文" },
    ],
    stream: true,
  });

  for await (const chunk of stream) {
    const content = chunk.choices[0]?.delta?.content;
    if (content) {
      process.stdout.write(content);
    }
  }
}

streamChat();