Maak je eerste LLM API-aanroep in Python en curl
Zo doe je een LLM API-aanroep in de praktijk: één POST-verzoek met een sleutel, een modelnaam en een lijst met berichten, en het antwoord komt terug als JSON. Deze pagina behandelt curl, Python, streaming, kosten en de fouten die je eerst zult tegenkomen.
Bijgewerkt

De aanroep in vijf stappen
Als je wilt weten hoe je een LLM API-aanroep doet zonder een handleiding te lezen, is dit de volledige procedure. Elk verzoek naar een chat-achtig taalmodel volgt dezelfde vijf stappen, ongeacht welke client je gebruikt.
- Haal een API-sleutel op van de sleutelpagina. Nieuwe accounts kunnen daar met één klik een klein gratis proeftegoed claimen.
- Kies het endpoint:
https://api.llmwebsearchapi.com/v1/chat/completions. - Stuur de sleutel in de header
Authorization: Bearer YOUR_API_KEY. - Stuur een request body met
modelingesteld opuncensoreden eenmessages-lijst. - Lees
choices[0].message.contentuit de JSON die terugkomt.
Dat is alles. Alles wat hier op deze pagina staat zijn details rondom die vijf stappen: wat de berichtenlijst moet bevatten, hoe je ziet wat de aanroep kost, en wat je moet doen als de server een fout antwoordt in plaats van tekst.
Je eerste verzoek met curl
curl is de snelste manier om te bewijzen dat je sleutel en netwerkpad werken, omdat er geen bibliotheek tussen zit. Sla je sleutel eerst op in een omgevingsvariabele, zodat deze niet in je shell-geschiedenis terechtkomt als onderdeel van een lang commando.
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
}'
De request body heeft drie onderdelen die ertoe doen. model bepaalt welk model je antwoord geeft; op deze dienst is er maar één model, dus de waarde is altijd uncensored. messages is het gesprek tot nu toe. temperature bepaalt hoe avontuurlijk de formulering is, van bijna 0 voor herhaalbare output tot ongeveer 1 voor meer variatie.
Je kunt ook controleren of de sleutel wordt geaccepteerd zonder iets te genereren: stuur een GET-verzoek naar /v1/models met dezelfde Authorization-header. Als de lijst uncensored bevat, werkt de authenticatie en heeft een latere fout betrekking op de request body, niet op de sleutel.
Dezelfde aanroep in Python
Je hebt geen speciale client nodig. Het officiële openai-pakket werkt als je het naar een andere base URL wijst. Installeer het met 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)
Twee dingen zijn het waard om in je eigen code te kopiëren. Houd de sleutel eerst buiten het bronbestand; lees deze uit een omgevingsvariabele met os.environ["API_KEY"] zodra je voorbij experimenten gaat. Druk ook resp.usage af terwijl je leert. Het zien van tokenaantallen naast de tekst is de snelste manier om een gevoel te krijgen voor wat een aanroep kost.
Omdat de interface de OpenAI-indeling volgt, werkt dezelfde structuur vanuit Node, Go, Ruby of gewone fetch. Alleen de syntaxis rond de POST verandert. De quickstart in de documentatie geeft de ondersteunde parameters weer.
De respons lezen
Het antwoord is een JSON-object. Vier onderdelen gebruik je het vaakst:
choices[0].message.contentis de gegenereerde tekst.choices[0].finish_reasongeeft aan waarom de generatie stopte.stopbetekent dat het model klaar is;lengthbetekent dat het een tokenlimiet raakte en de tekst mogelijk afgekapt is.usagebevatprompt_tokens,completion_tokensen het totaal. Dit is waar de facturatie op is gebaseerd.- De antwoordheaders bevatten
X-Request-IdenX-Balance-USD. Log de request ID bij elke aanroep. Als je ooit contact opneemt met support, kunnen ze met die ID je exacte verzoek vinden.
Het contextvenster is 100.000 tokens, waarbij prompt en antwoord samen meetellen. Een normale chatbeurt gebruikt een klein deel daarvan. Je merkt de limiet pas wanneer je hele documenten plakt of een zeer lange geschiedenis verstuurt. max_tokens is optioneel; als je het weglaat, kan het antwoord alle resterende ruimte in het venster gebruiken.
Berichten, geheugen en streaming
De API onthoudt je niet
Dit verbaast mensen die alleen een chatwebsite hebben gebruikt. Elke aanroep staat op zichzelf. Als de gebruiker een vervolgvraag stelt, moet je de eerdere beurten opnieuw sturen: het systeembericht, de eerste vraag, het eerste antwoord van het model, en dan de nieuwe vraag. Je code houdt de lijst bij en voegt eraan toe.
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."))
Onthoud dat een langere geschiedenis meer input tokens betekent bij elke latere aanroep. Kort bij lange sessies de oudste beurten in of vat ze samen.
Streaming voor een responsieve interface
Stel stream in op true en de server stuurt de tekst in stukken via server-sent events, zodat een chatvenster woorden kan tonen zodra ze aankomen. Gebruiksgegevens komen aan het einde van de stream.
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)
Een praktisch punt: een streaming-verzoek houdt één van je concurrency-slots vast tot de stream eindigt, dus een verbroken verbinding houdt een slot een tijdje bezet.
Wat één aanroep kost
Prijzen zijn per token en pay as you go: $0,15 per 1M input tokens en $0,50 per 1M output tokens, afgeschreven van prepaid tegoed. Er is geen abonnement en mislukte of geweigerde verzoeken worden niet in rekening gebracht. Tegoed verloopt niet.
Neem de kleine aanroep van eerder en stel dat deze 1.200 input tokens en 400 output tokens gebruikte:
- Input: 1.200 / 1.000.000 x $0,15 = $0,00018
- Output: 400 / 1.000.000 x $0,50 = $0,00020
- Totaal: $0,00038
Het $0,50 gratis proeftegoed zou ongeveer 1.300 aanroepen van die grootte dekken, omdat $0,50 gedeeld door $0,00038 ongeveer 1.316 is. Het gratis proeftegoed is 7 dagen geldig en vereist geen kaart. Wanneer je verder gaat, lopen opwaarderingen van $20 tot $500 in hele bedragen, met een bonus van 5% vanaf $50, 10% vanaf $100 en 15% vanaf $200. De prijzenpagina heeft de huidige details en geaccepteerde betaalmethoden.
Output tokens kosten meer dan input tokens, dus de goedkoopste gewoonte is om om korte antwoorden te vragen wanneer korte antwoorden genoeg zijn. Een systeembericht zoals "beantwoord in twee zinnen" verlaagt de rekening en de wachttijd samen.
Fouten en limieten die je eerst zult tegenkomen
De meeste vroege fouten vallen in een paar groepen.
| Symptoom | Gewone oorzaak | Oplossing |
|---|---|---|
| Authenticatiefout (doorgaans HTTP 401) | Ontbrekende of verkeerde sleutel, of het woord Bearer vergeten | Controleer de header en of de sleutel geen spaties aan het eind heeft |
| Verzoek afgewezen als slecht gevormd (doorgaans HTTP 400) | Ongeldige JSON, of messages ontbreekt | Valideer de JSON; let in curl op de aanhalingstekens rondom -d |
HTTP 429, code rate_limited | Meer dan 300 verzoeken per minuut op een volledige sleutel, of 60 op een proefsleutel | Vertraag en probeer het opnieuw |
HTTP 429, code concurrency | Meer dan 8 verzoeken tegelijk op een volledige sleutel, of 2 op een proefsleutel | Zet verzoeken in je code in een wachtrij |
HTTP 429 met Retry-After: 5 | Tijdelijke overbelasting | Wacht de vermelde 5 seconden en probeer het opnieuw |
Opnieuw proberen is eenvoudig toe te voegen. Deze versie wacht iets langer na elke mislukte poging:
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")
De request body kan maximaal 8 MB zijn, wat veel meer is dan elke prompt die in het contextvenster past.
Een opmerking voor een site met zoekfocus
De pagina's van deze site gaan over zoeken op het web, dus één verduidelijking is nuttig: het hier beschreven endpoint is een tekstmodel. Het doorzoekt niet zelf het internet en heeft geen toegang tot pagina's die je het niet hebt gegeven. Als je product actuele webresultaten nodig heeft, haal ze dan op in je eigen code en plaats de relevante snippets in het gebruikersbericht, of exposeer je zoekfunctie als een tool via function calling en laat het model erom vragen.
Hoe dan ook blijft de structuur van de aanroep hetzelfde als in de bovenstaande voorbeelden. Je verstuurt berichten, je krijgt tekst terug en je betaalt voor de tokens in beide richtingen. Als je klaar bent, maak een sleutel aan en voer het curl-commando uit bovenaan deze pagina.
Meer handleidingen
Vragen en antwoorden
Heb ik de OpenAI-bibliotheek nodig om deze API aan te roepen?
Nee. Elke HTTP client werkt omdat het een normale JSON POST is. De OpenAI SDKs zijn handig en ze vereisen alleen een andere base URL en sleutel.
Waarom krijgt mijn vervolgvraag een antwoord zonder context?
De API onthoudt niets tussen aanroepen. Stuur de eerdere berichten elke keer opnieuw in de messages-array.
Hoe zie ik hoeveel tokens een call heeft gebruikt?
Lees het usage veld in de response. Het geeft een overzicht van prompt tokens en completion tokens, de twee getallen waar de prijs op is gebaseerd.
Wat moet ik doen na een HTTP 429?
Wacht en probeer het opnieuw. Als er een Retry-After header aanwezig is, wacht dan zo lang; wacht anders een paar seconden en verminder het aantal verzoeken dat je tegelijk verstuurt.
Je sleutel is nog maar één formulier verwijderd
Maak een account aan, kopieer de sleutel, pas de base URL aan. Dat is de hele setup.