メインコンテンツへスキップ
Anthropic Claude は非常に強力な AI 対話システムで、プロンプトを入力するだけで、数秒以内に流暢で自然な返信を生成できます。Claude Messages API は Anthropic の公式ネイティブ API フォーマットで、OpenAI の互換フォーマット（Chat Completion）とは異なり、Anthropic 独自のリクエストとレスポンス構造を採用しており、Claude の独自の能力（マルチモーダルコンテンツ入力、ツール呼び出し、深い思考（Extended Thinking）などの高度な機能）をより良く活用できます。 この文書では、Claude Messages API 操作の使用フローを主に紹介します。これを利用することで、Anthropic 公式と一致するネイティブインターフェースを使用して Claude の対話機能を呼び出すことができます。

​
申請フロー

Claude Messages API を使用するには、まず Claude Messages API ページにアクセスし、「Acquire」ボタンをクリックして、リクエストに必要な資格情報を取得します： 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リダイレクトされ、登録とログインを促されます。ログインまたは登録後、現在のページに自動的に戻ります。 初回申請時には無料のクレジットが付与され、この API を無料で使用できます。

​
基本使用

Claude Messages API のリクエストパスは /v1/messages で、Anthropic 公式 API と一致しています。少なくとも3つの必須パラメータを提供する必要があります：
  • model：使用する Claude モデルを選択します。例：claude-opus-4-20250514、claude-sonnet-4-20250514 など。
  • messages：入力メッセージの配列で、各メッセージには role（役割）と content（内容）が含まれ、role は user と assistant をサポートします。
  • max_tokens：最大出力トークン数で、単一の返信の長さを制限します。
一般的なオプションパラメータ：
  • system：システムプロンプトで、モデルの動作と役割を設定します。
  • temperature：生成のランダム性で、0-1 の間で値が大きいほど返信が散発的になります。
  • stream：ストリーミングレスポンスを使用するかどうか、true に設定すると逐次的に返されます。
  • stop_sequences：カスタム停止シーケンスで、モデルがこれらのテキストに遭遇したときに生成を停止します。
  • top_p：核サンプリングパラメータで、temperature と組み合わせて生成のランダム性を制御します。
  • top_k：確率が最も高い K 個のオプションからのみサンプリングします。
  • tools：ツール定義で、モデルが外部関数を呼び出すために使用します。
  • tool_choice：モデルが提供されたツールをどのように使用するかを制御します。

​
cURL の例

curl -X POST 'https://api.acedata.cloud/v1/messages' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "Hello, Claude"
      }
    ]
  }'

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
        {"role": "user", "content": "Hello, Claude"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
呼び出し後、返される結果は以下の通りです： 
{
  "id": "msg_013Zva2CMHLNnXjNJJKqJ2EF",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "Hi! My name is Claude. How can I help you today?"
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 12,
    "output_tokens": 15
  }
}
返される結果のフィールド説明：
  • id：今回のメッセージのユニーク識別子。
  • type：常に message。
  • role：常に assistant。
  • content：返信内容の配列で、各要素には type（例：text）と対応する内容が含まれます。
  • model：リクエストを処理したモデル名。
  • stop_reason：停止理由で、可能な値には end_turn（正常終了）、max_tokens（最大長に達した）、stop_sequence（停止シーケンスに遭遇）、tool_use（ツール呼び出し）があります。
  • stop_sequence：カスタム停止シーケンスによって停止した場合、マッチした停止シーケンスのテキストが表示されます。
  • usage：トークン使用統計で、input_tokens（入力トークン数）と output_tokens（出力トークン数）が含まれます。

​
システムプロンプト

Claude Messages API は system フィールドを通じてシステムプロンプトを設定することをサポートしており、モデルの動作、役割、コンテキストを定義するために使用されます。

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "system": "あなたは専門的な中国語翻訳アシスタントです。ユーザーが入力した英語を中国語に翻訳してください。",
    "messages": [
        {"role": "user", "content": "The quick brown fox jumps over the lazy dog."}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
system プロンプトを設定することで、Claude の役割と動作を正確に制御できます。

​
ストリーミングレスポンス

このインターフェースはストリーミングレスポンスもサポートしており、stream パラメータを true に設定することで、逐次的に返される効果を得ることができ、ウェブページで逐字表示を実現するのに非常に適しています。

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "stream": True,
    "messages": [
        {"role": "user", "content": "Hello, Claude"}
    ]
}

response = requests.post(url, json=payload, headers=headers, stream=True)
for line in response.iter_lines():
    if line:
        print(line.decode("utf-8"))
ストリーミングレスポンスは Server-Sent Events (SSE) フォーマットで返され、各行は event: と data: で始まります。ストリーミングイベントのタイプには以下が含まれます：
  • message_start：メッセージの開始で、メッセージの基本情報とモデル名が含まれます。
  • content_block_start：コンテンツブロックの開始。
  • content_block_delta：コンテンツブロックの増分更新で、新しく生成されたテキストの断片が含まれます。
  • content_block_stop：コンテンツブロックの終了。
  • message_delta：メッセージレベルの増分更新で、stop_reason と最終的な usage 情報が含まれます。
  • message_stop：メッセージの終了。
出力効果は以下の通りです： 
event: message_start
data: {"type":"message_start","message":{"id":"msg_01XFDUDYJgAACzvnptvVoYEL","type":"message","role":"assistant","content":[],"model":"claude-sonnet-4-20250514","stop_reason":null,"stop_sequence":null,"usage":{"input_tokens":12,"output_tokens":0}}}

event: content_block_start
data: {"type":"content_block_start","index":0,"content_block":{"type":"text","text":""}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"こんにちは"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"! 私の名前は"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"クロードです。今日はどのようにお手伝いできますか？"}}

event: content_block_stop
data: {"type":"content_block_stop","index":0}

event: message_delta
data: {"type":"message_delta","delta":{"stop_reason":"end_turn","stop_sequence":null},"usage":{"output_tokens":15}}

event: message_stop
data: {"type":"message_stop"}
見ると、ストリーミングレスポンスの content_block_delta イベントには、段階的に生成されたテキストコンテンツが含まれており、すべての text_delta を結合することで完全な返信を得ることができます。

​
JavaScript の例

const options = {
  method: "POST",
  headers: {
    accept: "application/json",
    authorization: "Bearer {token}",
    "content-type": "application/json",
  },
  body: JSON.stringify({
    model: "claude-sonnet-4-20250514",
    max_tokens: 1024,
    stream: true,
    messages: [{ role: "user", content: "こんにちは、クロード" }],
  }),
};

const response = await fetch("https://api.acedata.cloud/v1/messages", options);
const reader = response.body.getReader();
const decoder = new TextDecoder();

while (true) {
  const { done, value } = await reader.read();
  if (done) break;
  console.log(decoder.decode(value));
}

​
多輪対話

もし多輪対話機能を接続したい場合は、messages 配列に user と assistant の役割のメッセージを交互に配置し、以前の対話履歴を一緒に渡す必要があります。

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
        {"role": "user", "content": "こんにちは、私の名前はアリスです。"},
        {"role": "assistant", "content": "こんにちはアリス！お会いできて嬉しいです。今日はどのようにお手伝いできますか？"},
        {"role": "user", "content": "私の名前は何ですか？"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
返された結果は以下の通りです： 
{
  "id": "msg_01Y1wfQmd89g968TVbFu57Yc",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "あなたの名前はアリスです。先ほど教えてくれました！"
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 40,
    "output_tokens": 14
  }
}
messages に完全な対話履歴を渡すことで、クロードは文脈を考慮して正確な回答を行うことができます。

​
深い思考モデル

クロードは Extended Thinking（深い思考）機能をサポートしており、モデルが返信する前に内部推論を行うことで、複雑な問題の処理精度を向上させることができます。この機能を使用する際は、thinking パラメータを渡す必要があります。

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 16000,
    "thinking": {
        "type": "enabled",
        "budget_tokens": 10000
    },
    "messages": [
        {"role": "user", "content": "30度のサインは何ですか？推論を示してください。"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
返された結果は以下の通りです： 
{
  "id": "msg_018J4YaRoGHtbsTVb4Vvz7oH",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "thinking",
      "thinking": "ユーザーは30度のサインを尋ねています。これは基本的な三角法の質問です。\n\n30-60-90の三角形では、辺の比率は1:√3:2です。\n\n30°の角度の場合：\n- 対辺は1\n- 斜辺は2\n- したがって、sin(30°) = 対辺/斜辺 = 1/2 = 0.5"
    },
    {
      "type": "text",
      "text": "30度のサインは**1/2**または**0.5**です。\n\nこれは基本的な三角関数の値の一つです。30-60-90の三角形では、辺の比率は1:√3:2であり、30°の角度に対する辺の長さは1、斜辺の長さは2であるため、sin(30°) = 1/2となります。"
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 28,
    "output_tokens": 239
  }
}
content 配列には2つのコンテンツブロックが含まれています：
  • type: "thinking"：モデルの内部思考過程を示し、推論ステップを示しています。
  • type: "text"：最終的な回答結果です。
注意事項：
  • thinking を使用する際は、max_tokens が budget_tokens より大きくする必要があります。なぜなら、budget_tokens は思考プロセスに割り当てられるトークン予算だからです。
  • budget_tokens が大きいほど、モデルがより深い推論を行うためのスペースが増え、複雑な問題の処理に適しています。

​
視覚モデル

クロードは多モーダル入力をサポートしており、テキストと画像を同時に処理できます。Messages API では、content を配列形式に設定し、画像コンテンツブロックを渡すことで視覚能力を使用できます。

​
Base64 エンコードされた画像を使用する

import base64
import requests

url = "https://api.acedata.cloud/v1/messages"

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

# 画像を読み込み、エンコードする
with open("image.png", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "base64",
                        "media_type": "image/png",
                        "data": image_data
                    }
                },
                {
                    "type": "text",
                    "text": "この画像には何がありますか？"
                }
            ]
        }
    ]
}

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

​
URL 画像を使用する

```python
import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "image",
                    "source": {
                        "type": "url",
                        "url": "https://cdn.acedata.cloud/ueugot.png"
                    }
                },
                {
                    "type": "text",
                    "text": "この画像には何が写っていますか？"
                }
            ]
        }
    ]
}

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

​
cURL の例

curl -X POST 'https://api.acedata.cloud/v1/messages' \
  -H 'accept: application/json' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image",
            "source": {
              "type": "url",
              "url": "https://cdn.acedata.cloud/ueugot.png"
            }
          },
          {
            "type": "text",
            "text": "この画像には何が写っていますか？"
          }
        ]
      }
    ]
  }'
サポートされている画像フォーマットには、image/jpeg、image/png、image/gif、image/webp が含まれます。 返される結果の例： 
{
  "id": "msg_01NCrxpZmV17bhQJJRQEFEb9",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "この画像は、AIチャット完了サービスのAPIリクエスト設定インターフェースを示しています。このインターフェースには、モデル選択、メッセージ、ストリームモード、最大トークン設定のためのパラメータが含まれています。"
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 1570,
    "output_tokens": 52
  }
}

​
ツール呼び出し（Tool Use）

Claude Messages API は、モデルが必要に応じて事前定義されたツール/関数を呼び出す機能をネイティブにサポートしています。

​
Python の例

import requests

url = "https://api.acedata.cloud/v1/messages"

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

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "tools": [
        {
            "name": "get_weather",
            "description": "指定された場所の現在の天気を取得します",
            "input_schema": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "都市と州、例：サンフランシスコ、CA"
                    }
                },
                "required": ["location"]
            }
        }
    ],
    "messages": [
        {"role": "user", "content": "サンフランシスコの天気はどうですか？"}
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
モデルがツールを呼び出すことを決定した場合、返される結果の content には tool_use タイプの内容ブロックが含まれます： 
{
  "id": "msg_01Aq9w938a90dw8q",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "サンフランシスコの天気を確認します。"
    },
    {
      "type": "tool_use",
      "id": "toolu_01A09q90qw90lq917835lgs",
      "name": "get_weather",
      "input": {
        "location": "サンフランシスコ、CA"
      }
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "tool_use",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 120,
    "output_tokens": 68
  }
}
stop_reason が tool_use であることに注意してください。これはモデルがツールを呼び出す必要があることを示しています。この結果を受け取った後、ツール関数を実行し、その結果を tool_result の形式でモデルに返す必要があります： 
payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "tools": [
        {
            "name": "get_weather",
            "description": "指定された場所の現在の天気を取得します",
            "input_schema": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "都市と州、例：サンフランシスコ、CA"
                    }
                },
                "required": ["location"]
            }
        }
    ],
    "messages": [
        {"role": "user", "content": "サンフランシスコの天気はどうですか？"},
        {
            "role": "assistant",
            "content": [
                {"type": "text", "text": "サンフランシスコの天気を確認します。"},
                {"type": "tool_use", "id": "toolu_01A09q90qw90lq917835lgs", "name": "get_weather", "input": {"location": "サンフランシスコ、CA"}}
            ]
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "tool_result",
                    "tool_use_id": "toolu_01A09q90qw90lq917835lgs",
                    "content": "晴れ、72°F"
                }
            ]
        }
    ]
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())
モデルはツールから返された結果に基づいて、最終的な自然言語の返信を生成します。

​
Chat Completion API との違い

Ace Data Cloud は、同時に二つの Claude API フォーマットを提供しており、両者の主な違いは以下の通りです：
特性Messages API (/v1/messages)Chat Completion API (/v1/chat/completions)
フォーマットAnthropic ネイティブフォーマットOpenAI 互換フォーマット
システムプロンプト独立した system フィールドmessages 中の role: "system" で渡される
応答構造content 配列（多様なタイプをサポート）choices 配列（message を含む）
ストリーミングフォーマットSSE イベント（多様なイベントタイプ）SSE data 行
深い思考ネイティブ thinking パラメータ特殊モデル名をトリガー（例：-thinking サフィックス）
ツール呼び出しネイティブ tools + input_schemaOpenAI 互換の functions フォーマット
トークン統計input_tokens / output_tokensprompt_tokens / completion_tokens
もしあなたのシステムがすでに OpenAI フォーマットの API に接続されている場合、Chat Completion API を使用してシームレスに切り替えることができます。Claude の全てのネイティブ機能を使用する必要がある場合は、Messages API の使用をお勧めします。

​
エラーハンドリング

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。例えば：
  • 400 token_mismatched：不正なリクエスト、パラメータが不足または無効である可能性があります。
  • 400 api_not_implemented：不正なリクエスト、パラメータが不足または無効である可能性があります。
  • 401 invalid_token：未認証、無効または不足している認証トークン。
  • 429 too_many_requests：リクエストが多すぎます、レート制限を超えました。
  • 500 api_error：内部サーバーエラー、サーバーで何かがうまくいきませんでした。

​
エラー応答の例

{
  "error": {
    "code": "400",
    "message": "不正なリクエスト"
  }
}

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "取得に失敗しました"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

​
結論

この文書を通じて、あなたはClaude Messages APIを使用してAnthropicのネイティブ形式でClaudeの対話機能を呼び出す方法を理解しました。Messages APIは基本的な対話、システムプロンプト、ストリーミングレスポンス、マルチターン対話、深い思考、視覚理解、ツール呼び出しなどの豊富な機能をサポートしています。ご不明な点がございましたら、いつでも当社の技術サポートチームにお問い合わせください。