FR ▾
llmwebsearchapi.com
llmwebsearchapi.com›Guide
Obtenir une clé API

Effectuez votre première requête API LLM en Python et curl

Voici comment effectuer un appel API LLM en pratique : une requête POST avec une clé, un nom de modèle et une liste de messages, et la réponse revient au format JSON. Cette page explique curl, Python, le streaming, le coût et les erreurs que vous rencontrerez en premier.

Illustration isométrique d'un terminal envoyant des paquets de données à un cube qui renvoie des bulles de dialogue

L'appel en cinq étapes

Si vous voulez savoir comment faire un appel API LLM sans lire un manuel, voici toute la procédure. Chaque requête vers un modèle de langage de type chat suit les cinq mêmes étapes, quel que soit le client utilisé.

  1. Obtenez une clé API depuis la page des clés. Les nouveaux comptes peuvent y réclamer un petit solde d'essai en un clic.
  2. Choisissez l'endpoint : https://api.llmwebsearchapi.com/v1/chat/completions.
  3. Envoyez la clé dans l'en-tête Authorization: Bearer YOUR_API_KEY.
  4. Envoyez un corps JSON avec model défini sur uncensored et une liste messages.
  5. Lisez choices[0].message.content dans le JSON qui revient.

C'est tout. Tout le reste de cette page détaille ces cinq étapes : contenu de la liste des messages, visualisation du coût et gestion des erreurs serveur.

Votre première requête avec curl

curl est le moyen le plus rapide de vérifier que votre clé et votre réseau fonctionnent, car il n'y a pas de bibliothèque intermédiaire. Enregistrez votre clé dans une variable d'environnement pour éviter qu'elle n'apparaisse dans l'historique du shell.

export API_KEY="YOUR_API_KEY"

curl https://api.llmwebsearchapi.com/v1/chat/completions   -H "Authorization: Bearer $API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You answer in two short sentences."},
      {"role": "user", "content": "What is a token in a language model?"}
    ],
    "temperature": 0.7
  }'

Le corps a trois parties importantes. model indique qui doit vous répondre ; sur ce service, il n'y a qu'un seul modèle, donc la valeur est toujours uncensored. messages est la conversation jusqu'à présent. temperature contrôle le degré d'audace du texte, de près de 0 pour une sortie reproductible à environ 1 pour plus de variété.

Vous pouvez aussi vérifier que la clé est acceptée sans générer quoi que ce soit : envoyez une requête GET à /v1/models avec le même en-tête Authorization. Si la liste contient uncensored, l'authentification fonctionne et tout échec ultérieur concerne le corps de la requête, pas la clé.

Le même appel en Python

Vous n'avez pas besoin d'un client spécial. Le package officiel openai fonctionne si vous le pointez vers une base URL différente. Installez-le avec pip install openai.

from openai import OpenAI

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

resp = client.chat.completions.create(
    model="uncensored",
    messages=[
        {"role": "system", "content": "You answer in two short sentences."},
        {"role": "user", "content": "What is a token in a language model?"},
    ],
    temperature=0.7,
)

print(resp.choices[0].message.content)
print(resp.usage.prompt_tokens, resp.usage.completion_tokens)

Deux éléments méritent d'être copiés dans votre code. D'abord, gardez la clé hors du fichier source ; lisez-la depuis une variable d'environnement avec os.environ["API_KEY"] une fois que vous passez au-delà des expériences. Ensuite, affichez resp.usage pendant que vous apprenez. Voir les nombres de tokens à côté du texte est le moyen le plus rapide de se faire une idée du coût d'une requête.

Comme l'interface suit le format OpenAI, la même structure fonctionne depuis Node, Go, Ruby ou du fetch brut. Seule la syntaxe autour du POST change. Le guide de démarrage rapide dans la documentation liste les paramètres pris en charge.

Lire la réponse

La réponse est un objet JSON. Vous toucherez le plus souvent à quatre parties :

  • choices[0].message.content est le texte généré.
  • choices[0].finish_reason indique pourquoi la génération s'est arrêtée. stop signifie que le modèle a terminé ; length signifie qu'il a atteint une limite de tokens et que le texte peut être coupé.
  • usage contient prompt_tokens, completion_tokens et le total. C'est sur cela que repose la facturation.
  • Les en-têtes de réponse incluent X-Request-Id et X-Balance-USD. Journalisez l'ID de requête avec chaque appel. Si vous contactez un jour le support, cet ID leur permet de trouver votre requête exacte.

La fenêtre de contexte est de 100 000 tokens, en comptant le prompt et la complétion ensemble. Un tour de chat normal utilise une petite partie de cela. Vous ne commencez à sentir la limite que lorsque vous collez des documents entiers ou envoyez un historique très long. max_tokens est optionnel ; si vous l'omettez, la complétion peut utiliser tout l'espace restant dans la fenêtre.

Messages, mémoire et streaming

L'API ne se souvient pas de vous

Cela surprend ceux qui n'ont utilisé que des sites de chat. Chaque appel est indépendant. Si l'utilisateur pose une question de suivi, vous devez renvoyer les tours précédents : le message système, la première question, la première réponse du modèle, puis la nouvelle question. Votre code conserve la liste et l'ajoute.

from openai import OpenAI

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

history = [{"role": "system", "content": "You are a concise assistant."}]

def ask(text):
    history.append({"role": "user", "content": text})
    r = client.chat.completions.create(model="uncensored", messages=history)
    answer = r.choices[0].message.content
    history.append({"role": "assistant", "content": answer})
    return answer

print(ask("Name one use for a text API."))
print(ask("Give a second one."))

N'oubliez pas qu'un historique plus long signifie plus de tokens d'entrée à chaque appel ultérieur. Pour les longues sessions, supprimez ou résumez les tours les plus anciens.

Streaming pour une interface réactive

Définissez stream sur true et le serveur envoie le texte par morceaux via les événements envoyés par le serveur, afin qu'une fenêtre de chat puisse afficher les mots à mesure qu'ils arrivent. Les chiffres d'utilisation arrivent à la fin du flux.

from openai import OpenAI

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

stream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Explain HTTP in three sentences."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Un point pratique : une requête en streaming occupe un de vos slots de concurrence jusqu'à la fin du flux, donc une connexion abandonnée garde un slot occupé un certain temps.

Le coût d'un appel

La tarification est par token et en paiement à l'usage : 0,15 $ par 1 M de tokens d'entrée et 0,50 $ par 1 M de tokens de sortie, prélevés sur le crédit prépayé. Il n'y a pas d'abonnement, et les requêtes échouées ou refusées ne sont pas facturées. Le crédit n'expire jamais.

Prenons l'appel court précédent et disons qu'il a utilisé 1 200 tokens d'entrée et 400 tokens de sortie :

  • Entrée : 1 200 / 1 000 000 x 0,15 $ = 0,00018 $
  • Sortie : 400 / 1 000 000 x 0,50 $ = 0,00020 $
  • Total : 0,00038 $

Le solde d'essai de 0,50 $ couvrirait environ 1 300 appels de cette taille, car 0,50 $ divisé par 0,00038 $ donne environ 1 316. L'essai est valable 7 jours et ne nécessite pas de carte. Lorsque vous passerez à autre chose, les recharges vont de 20 $ à 500 $ en montants entiers, avec un bonus de 5 % à partir de 50 $, 10 % à partir de 100 $ et 15 % à partir de 200 $. La page de tarification contient les détails actuels et les méthodes de paiement acceptées.

Les tokens de sortie coûtent plus cher que les tokens d'entrée, donc la pratique la moins chère est de demander des réponses courtes quand elles suffisent. Un message système comme "répondez en deux phrases" réduit la facture et le temps d'attente.

Erreurs et limites que vous rencontrerez en premier

La plupart des échecs précoces entrent dans quelques catégories.

SymptômeCause habituelleCorrection
Erreur d'authentification (généralement HTTP 401)Clé manquante ou incorrecte, ou mot Bearer oubliéVérifiez l'en-tête et que la clé n'a pas d'espace de fin
Requête rejetée car malformée (généralement HTTP 400)JSON invalide, ou messages manquantValidez le JSON ; dans curl, faites attention aux guillemets autour de -d
HTTP 429, code rate_limitedPlus de 300 requêtes par minute sur une clé complète, ou 60 sur une clé d'essaiRalentissez et réessayez
HTTP 429, code concurrencyPlus de 8 requêtes simultanées sur une clé complète, ou 2 sur une clé d'essaiMettez les requêtes en file d'attente dans votre code
HTTP 429 avec Retry-After: 5Surcharge temporaireAttendez les 5 secondes indiquées puis réessayez

Il est facile d'ajouter des tentatives automatiques. Cette version attend un peu plus longtemps après chaque tentative échouée :

import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    base_url="https://api.llmwebsearchapi.com/v1",
    api_key="YOUR_API_KEY",
    max_retries=0,
)

def call_with_retry(messages, tries=4):
    for attempt in range(tries):
        try:
            return client.chat.completions.create(model="uncensored", messages=messages)
        except RateLimitError:
            time.sleep(5 * (attempt + 1))
    raise RuntimeError("still rate limited after retries")

Le corps de la requête peut faire jusqu'à 8 Mo, ce qui est bien plus que tout prompt qui tient dans la fenêtre de contexte.

Une note pour les sites de type moteur de recherche

Les pages de ce site traitent de la recherche web, une précision est donc utile : l'endpoint décrit ici est un modèle textuel. Il ne navigue pas sur Internet par lui-même et n'a accès à aucune page que vous ne lui avez pas fournie. Si votre produit a besoin de résultats web récents, récupérez-les dans votre propre code et insérez les extraits pertinents dans le message utilisateur, ou exposez votre fonction de recherche comme outil via l'appel de fonctions et laissez le modèle la demander.

Dans les deux cas, la structure de l'appel reste identique aux exemples ci-dessus. Vous envoyez des messages, vous recevez du texte en retour, et vous payez pour les tokens dans les deux sens. Lorsque vous êtes prêt, créez une clé et exécutez la commande curl en haut de cette page.

Questions et réponses

Ai-je besoin de la bibliothèque OpenAI pour appeler cette API ?

Non. Tout client HTTP fonctionne car il s'agit d'un POST JSON standard. Les SDK OpenAI sont pratiques et nécessitent uniquement une base URL et une clé différentes.

Pourquoi ma question de suivi reçoit-elle une réponse sans contexte ?

L'API ne conserve aucune mémoire entre les appels. Envoyez à nouveau les messages précédents dans le tableau messages à chaque fois.

Comment voir combien de tokens une requête a utilisé ?

Lisez le champ usage dans la réponse. Il liste les tokens du prompt et les tokens de complétion, qui sont les deux nombres sur lesquels le prix est basé.

Que faire après un HTTP 429 ?

Attendez et réessayez. Si un en-tête Retry-After est présent, attendez ce délai ; sinon, espacez les appels pendant quelques secondes et réduisez le nombre de requêtes simultanées que vous envoyez.

Votre clé est à un formulaire près

Créez un compte, copiez la clé, modifiez l'URL de base. C'est toute la configuration.