Claude Chat Completion API の申請および使用

Anthropic Claude は非常に強力な AI 対話システムであり、プロンプトを入力するだけで、わずか数秒で流暢かつ自然な応答を生成できます。Claude はその優れた言語理解および生成能力により業界で際立っており、現在では、Claude はすでにさまざまな業界や分野で広く活用され、その影響力はますます顕著になっています。日常会話、クリエイティブライティング、専門的なコンサルティング、コードプログラミングのいずれにおいても、Claude は驚くべき知的支援を提供し、人間の作業効率と創造性を大幅に向上させます。本ドキュメントでは主に Claude Chat Completion API 操作の使用手順を紹介します。これを利用することで、公式 Claude の対話機能を簡単に使用できます。

申請手順

Claude Chat Completion API を使用するには、まず Ace Data Cloud コンソールにアクセスして API Token を取得し、控えておいてください。

まだログインまたは登録していない場合は、自動的にログインページに移動して登録とログインを促され、完了後に現在のページへ自動的に戻ります。 1 つの API Token でプラットフォーム上のすべてのサービスを呼び出せるため、サービスごとに個別に申請する必要はありません。 初回申請時には無料枠が付与され、無料で体験できます。枠が不足した場合はコンソールで共通残高をチャージできます。

📘 完全なドキュメント：Claude Chat Completion API →

基本的な使用方法

次に、図のように画面上で対応する内容を入力できます。

このインターフェースを初めて使用する際は、少なくとも 3 つの項目を入力する必要があります。1 つは authorization で、ドロップダウンリストから直接選択できます。もう 1 つのパラメータは model で、最新フラッグシップの claude-fable-5-1 の使用を推奨します。従来の claude-fable-5 も引き続き呼び出せます。最後のパラメータは messages で、質問文の配列です。各要素には role と content が含まれます。role は user、assistant、system をサポートし、content は具体的な内容です。Claude Fable 5.1 は 100 万 Token のコンテキストと最大 128K Token の出力をサポートします。同時に、右側には対応する呼び出しコードが生成されていることに気づくでしょう。コードをコピーして直接実行することも、「Try」ボタンを直接クリックしてテストすることもできます。よく使用されるオプションパラメータ：

max_tokens：1 回の応答での最大 token 数を制限します。
temperature：生成のランダム性。0～2 の間で、値が大きいほど発散します。
n：一度に生成する候補応答の数。
response_format：返却形式の設定。

呼び出し後、返却結果は以下のようになります。

{
  "id": "msg_bdrk_01Q6WN27v95ypCa1kbanAQ6K",
  "model": "claude-opus-4-8",
  "object": "chat.completion",
  "created": 1768619365,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I help you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 8,
    "completion_tokens": 12,
    "total_tokens": 20,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

返却結果には複数のフィールドがあり、以下のとおりです。

id、今回の対話タスクを生成する ID で、今回の対話タスクを一意に識別するために使用されます。
model 、選択した Claude 公式サイトのモデル。
choices、Claude が質問文に対して提供する回答情報。
usage ：今回の質疑応答における token の統計情報。

Chat Completions 形式では、usage.prompt_tokens は入力総量です。prompt_tokens_details.cached_tokens と prompt_tokens_details.cache_write_tokens はそれぞれキャッシュの読み取りおよび書き込みの詳細を記録します。completion_tokens_details.reasoning_tokens は completion_tokens のサブセットであり、総量または料金を計算する際に再度加算しないでください。非ストリーミング応答では usage.cost オブジェクトが返される場合もあり、そのうち amount は実際のクレジット消費量、currency は計量単位、list_amount は割引前の金額（該当する場合）です。 Chat-compatible のフィールド名は reasoning_tokens です。ネイティブ Messages API では output_tokens_details.thinking_tokens を使用します。両方のプロトコルの wire schema は異なるため、クライアントではフィールド名を混在させないでください。このうち choices には Claude の回答情報が含まれており、その中の choices は Claude の具体的な回答情報です。図のように確認できます。

確認できるように、choices 内の content フィールドには Claude の応答の具体的な内容が含まれています。

ストリーミング応答

このインターフェースはストリーミング応答もサポートしており、Web ページとの連携に非常に便利で、Web ページでの逐次表示効果を実現できます。応答をストリーミングで返したい場合は、リクエストヘッダー内の stream パラメータを変更し、true に設定します。図のように変更しますが、ストリーミング応答をサポートするためには、呼び出しコードにも対応する変更が必要です。

stream を true に変更すると、API は対応する JSON データを 1 行ずつ返します。コードレベルでは、1 行ずつの結果を取得するために対応する変更を行う必要があります。 Python サンプル呼び出しコード：

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

出力結果は以下のとおりです。

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "", "role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": ""}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": "Hello!"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " How can I help you"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {"content": " today?"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": null}

data: {"id": "msg_bdrk_01LPPqDjLKMgfSwTRMRty9VT", "object": "chat.completion.chunk", "created": 1768619445, "model": "claude-opus-4-20250514", "system_fingerprint": null, "choices": [], "usage": {"prompt_tokens": 8, "completion_tokens": 12, "total_tokens": 20, "prompt_tokens_details": {"cached_tokens": 0, "cache_write_tokens": 0}, "completion_tokens_details": {"reasoning_tokens": 0}}}

data: [DONE]

レスポンスには多数の data が含まれており、data 内の choices が最新の回答内容であり、前述した内容と一致していることがわかります。choices は追加された回答内容であり、結果に基づいてご自身のシステムに接続できます。同時に、ストリーミングレスポンスの終了は data の内容に基づいて判定されます。内容が [DONE] の場合、ストリーミングレスポンスの回答がすべて終了したことを示します。返される data の結果には複数のフィールドがあり、以下のとおりです：

id、今回の対話タスクを生成する ID であり、今回の対話タスクを一意に識別するために使用されます。
model 、選択した Claude 公式サイトのモデル。
choices、Claude が質問文に対して提供する回答情報。

JavaScript も対応しており、たとえば Node.js のストリーミング呼び出しコードは以下のとおりです：

const options = {
  method: "post",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "claude-opus-4-20250514",
    messages: [{ role: "user", content: "Hello" }],
    stream: true,
  }),
};

fetch("https://api.acedata.cloud/v1/chat/completions", options)
  .then((response) => response.json())
  .then((response) => console.log(response))
  .catch((err) => console.error(err));

Java のサンプルコード：

JSONObject jsonObject = new JSONObject();
jsonObject.put("model", "claude-opus-4-20250514");
jsonObject.put("messages", [{"role":"user","content":"Hello"}]);
jsonObject.put("stream", true);
MediaType mediaType = "application/json; charset=utf-8".toMediaType();
RequestBody body = jsonObject.toString().toRequestBody(mediaType);
Request request = new Request.Builder()
  .url("https://api.acedata.cloud/v1/chat/completions")
  .post(body)
  .addHeader("accept", "application/json")
  .addHeader("authorization", "Bearer {token}")
  .addHeader("content-type", "application/json")
  .build();

OkHttpClient client = new OkHttpClient();
Response response = client.newCall(request).execute();
System.out.print(response.body!!.string())

その他の言語については別途ご自身で書き換えることができ、原理は同じです。

複数ターンの対話

複数ターンの対話機能を接続したい場合、messages フィールドに複数の質問文をアップロードする必要があります。複数の質問文の具体例は以下の図のとおりです：

Python のサンプル呼び出しコード：

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-opus-4-20250514",
    "messages": [{"role":"user","content":"Hello"},{"role":"assistant","content":"Hello! How can I help you today?"},{"role":"user","content":"What I say just now?"}]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

複数の質問文をアップロードすることで、複数ターンの対話を簡単に実現でき、以下のような回答を得ることができます：

{
  "id": "msg_bdrk_01Y1wfQmd89g968TVbFu57Yc",
  "model": "claude-opus-4-20250514",
  "object": "chat.completion",
  "created": 1768619674,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "You said \"Hello\" - that was your first message to me in our conversation."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 29,
    "completion_tokens": 20,
    "total_tokens": 49,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

choices に含まれる情報は基本的な使用方法の内容と一致しており、これは Claude が複数の対話に対して返答する具体的な内容を含んでいます。このようにして、複数の対話内容に基づいて対応する質問に答えることができます。

深い思考

新世代の Claude モデルは、モデルのデフォルト戦略に従って推論を行う可能性があり、-thinking モデルサフィックスでトリガーする必要はありません。Chat-compatible のレスポンスでは、OpenAI 互換の usage フィールド completion_tokens_details.reasoning_tokens を使用します。reasoning_tokens はすでに completion_tokens に含まれているため、重複して加算しないでください。推論と可視本文は出力 token の上限を共有するため、max_tokens が小さい場合は本文が空になる、または切り詰められる可能性があります。このような場合は出力予算を増やすか、使用するモデルが対応している場合はより低い推論投入量を選択してください。ネイティブの thinking、output_config.effort、thinking コンテンツブロックおよび署名の返却が必要な場合は、/v1/messages を使用してください。Messages に対応する usage フィールドは output_tokens_details.thinking_tokens です。Chat-compatible の completion_tokens_details.reasoning_tokens と混在させないでください。

ビジョンモデル

claude-sonnet-4-20250514 は Claude が開発したマルチモーダル大規模言語モデルであり、claude-4 をベースに視覚理解能力を追加しています。このモデルはテキストと画像の入力を同時に処理でき、クロスモーダルな理解と生成を実現します。 claude-sonnet-4-20250514 モデルのテキスト処理は上記の基本的な使用内容と一致しており、以下ではモデルの画像処理能力を使用する方法について簡単に紹介します。 claude-sonnet-4-20250514 モデルの画像処理能力の使用は、主に元の content 内容をベースに type フィールドを追加することで行います。このフィールドにより、アップロードされたものがテキストか画像かを判別し、claude-sonnet-4-20250514 モデルの画像処理能力を使用できます。以下では主に Curl と Python の2つの方法でこの機能を呼び出す方法について説明します。

Curl スクリプト方式

curl -X POST 'https://api.acedata.cloud/v1/chat/completions' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
    "model": "claude-sonnet-4-20250514",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What'\''s in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://cdn.acedata.cloud/ueugot.png"
            }
          }
        ]
      }
    ]
  }'

Python スクリプト方式

import requests

url = "https://api.acedata.cloud/v1/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "claude-sonnet-4-20250514",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text", "text": "What's in this image?"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://cdn.acedata.cloud/ueugot.png"
                    }
                },
            ],
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

その後、以下の結果を取得できます。結果内のフィールド情報は上記と一致しており、具体的には以下のとおりです。

{
  "id": "msg_bdrk_01NCrxpZmV17bhQJJRQEFEb9",
  "model": "claude-sonnet-4-20250514",
  "object": "chat.completion",
  "created": 1768628904,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "This image shows an API request configuration interface for what appears to be an AI chat completion service. Here are the key elements:\n\n**Request Body Parameters:**\n\n1. **model** (required string) - Set to \"claude-opus-4-202505...\" - specifies which AI model to use\n\n2. **messages** (required array) - Contains the conversation history with:\n   - **role** (required string) - Set to \"user\" \n   - **content** (required string) - Contains \"Hello\" as the message content\n\n3. **stream** (boolean) - Set to \"true\" - enables partial message deltas like in ChatGPT\n\n4. **max_tokens** (number) - Field for setting maximum tokens that can be generated in the response\n\n5. **n** (number) - Specifies how many chat completion choices to generate for each input\n\nThe interface has a dark theme with white text on black/dark gray backgrounds. There's a \"Fill Example\" button at the bottom right and various dropdown menus and input fields for configuring the API request parameters. A red trash/delete icon is visible, likely for removing message entries."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 1570,
    "completion_tokens": 252,
    "total_tokens": 1822,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "cache_write_tokens": 0
    },
    "completion_tokens_details": {
      "reasoning_tokens": 0
    }
  }
}

回答内容が画像に基づくものであることが確認できるため、上記の2つの方法により、claude-3-7-sonnet-20250219 モデルのテキストおよび画像処理能力を簡単に使用できます。

エラー処理

API を呼び出す際にエラーが発生した場合、API は対応するエラーコードと情報を返します。例：

400 token_mismatched：Bad request、パラメータの欠落または無効が原因である可能性があります。
400 api_not_implemented：Bad request、パラメータの欠落または無効が原因である可能性があります。
401 invalid_token：Unauthorized、認証トークンが無効または欠落しています。
429 too_many_requests：リクエストが多すぎます。レート制限を超えています。
500 api_error：内部サーバーエラー、サーバーで何らかの問題が発生しました。

エラーレスポンス例

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "fetch failed"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

結論

本ドキュメントを通じて、Claude Chat Completion API を使用して公式 Claude の対話機能を簡単に実現する方法を理解できました。本ドキュメントが、この API のより良い連携と利用に役立つことを願っています。ご不明な点がございましたら、いつでも弊社の技術サポートチームまでお問い合わせください。

はじめに

AIチャット

AI画像

AI動画

AIオーディオ

ウェブ＆データ

CAPTCHA

アイデンティティ

Coding

その他のガイド

Claude Chat Completion API の申請および使用

申請手順

基本的な使用方法

ストリーミング応答

複数ターンの対話

深い思考

ビジョンモデル

エラー処理

エラーレスポンス例

結論

​申請手順

​基本的な使用方法

​ストリーミング応答

​複数ターンの対話

​深い思考

​ビジョンモデル

​エラー処理

​エラーレスポンス例

​結論

申請手順

基本的な使用方法

ストリーミング応答

複数ターンの対話

深い思考

ビジョンモデル

エラー処理

エラーレスポンス例

結論