Claude Messages API 신청 및 사용

Anthropic Claude는 매우 강력한 AI 대화 시스템으로, 입력한 프롬프트에 따라 몇 초 만에 유창하고 자연스러운 응답을 생성할 수 있습니다. Claude Messages API는 Anthropic 공식 원주율 API 형식으로, OpenAI와 호환되는 형식(채팅 완료)과는 달리, Anthropic 고유의 요청 및 응답 구조를 채택하여 Claude의 독특한 능력인 다중 모드 콘텐츠 입력, 도구 호출, 심층 사고(확장된 사고) 등의 고급 기능을 더 잘 활용할 수 있습니다. 이 문서는 Claude Messages API 작업의 사용 프로세스를 주로 설명하며, 이를 통해 우리는 Anthropic 공식과 일치하는 원주율 인터페이스를 사용하여 Claude의 대화 기능을 호출할 수 있습니다.

신청 프로세스

Claude Messages API를 사용하려면 먼저 Claude Messages API 페이지에서 “Acquire” 버튼을 클릭하여 요청에 필요한 자격 증명을 얻을 수 있습니다:

로그인 또는 등록하지 않은 경우 자동으로 로그인 페이지로 리디렉션되어 등록 및 로그인을 초대합니다. 로그인 및 등록 후에는 자동으로 현재 페이지로 돌아옵니다. 첫 신청 시 무료 한도가 제공되어 해당 API를 무료로 사용할 수 있습니다.

기본 사용

Claude Messages API의 요청 경로는 /v1/messages로, Anthropic 공식 API와 일치합니다. 우리는 최소한 세 가지 필수 매개변수를 제공해야 합니다:

model: 사용할 Claude 모델을 선택합니다. 예: claude-opus-4-20250514, claude-sonnet-4-20250514 등.
messages: 입력 메시지 배열로, 각 메시지는 role(역할)과 content(내용)를 포함합니다. 여기서 role은 user와 assistant를 지원합니다.
max_tokens: 최대 출력 토큰 수로, 단일 응답의 길이를 제한하는 데 사용됩니다.

자주 사용되는 선택적 매개변수:

system: 시스템 프롬프트로, 모델의 행동과 역할을 설정하는 데 사용됩니다.
temperature: 생성의 무작위성으로, 0-1 사이의 값이며 값이 클수록 응답이 더 분산됩니다.
stream: 스트리밍 응답 사용 여부로, true로 설정하면 글자 단위로 반환되는 효과를 얻을 수 있습니다.
stop_sequences: 사용자 정의 중지 시퀀스로, 모델이 이러한 텍스트를 만나면 생성을 중지합니다.
top_p: 핵 샘플링 매개변수로, temperature와 함께 생성의 무작위성을 제어합니다.
top_k: 확률이 가장 높은 K개의 옵션 중에서만 샘플링합니다.
tools: 도구 정의로, 모델이 외부 함수를 호출할 수 있도록 합니다.
tool_choice: 모델이 제공된 도구를 사용하는 방법을 제어합니다.

cURL 예시

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 예시

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())

호출 후 반환 결과는 다음과 같습니다:

{
  "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
  }
}

반환 결과 필드 설명:

id: 이번 메시지의 고유 식별자입니다.
type: 항상 message입니다.
role: 항상 assistant입니다.
content: 응답 내용 배열로, 각 요소는 type(예: text)과 해당 내용을 포함합니다.
model: 요청을 처리한 모델 이름입니다.
stop_reason: 중지 이유로, 가능한 값은 end_turn(정상 종료), max_tokens(최대 길이에 도달), stop_sequence(중지 시퀀스에 도달), tool_use(도구 호출)입니다.
stop_sequence: 사용자 정의 중지 시퀀스에 의해 중지된 경우, 일치하는 중지 시퀀스 텍스트를 표시합니다.
usage: 토큰 사용 통계로, input_tokens(입력 토큰 수)와 output_tokens(출력 토큰 수)를 포함합니다.

시스템 프롬프트

Claude Messages API는 system 필드를 통해 시스템 프롬프트를 설정하여 모델의 행동, 역할 및 맥락을 정의할 수 있습니다.

Python 예시

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": "당신은 전문적인 중국어 번역 도우미입니다. 사용자가 입력한 영어를 중국어로 번역해 주세요.",
    "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 프롬프트를 설정함으로써 Claude의 역할과 행동 방식을 정확하게 제어할 수 있습니다.

스트리밍 응답

이 인터페이스는 스트리밍 응답도 지원하며, stream 매개변수를 true로 설정하면 단계적으로 반환되는 효과를 얻을 수 있어 웹 페이지에서 글자 단위로 표시하는 데 매우 적합합니다.

Python 예시

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"))

스트리밍 응답은 Server-Sent Events (SSE) 형식으로 반환되며, 각 행은 event:와 data:로 시작합니다. 스트리밍 이벤트 유형은 다음과 같습니다:

message_start: 메시지 시작, 메시지의 기본 정보와 모델 이름을 포함합니다.
content_block_start: 콘텐츠 블록 시작.
content_block_delta: 콘텐츠 블록 증분 업데이트로, 새로 생성된 텍스트 조각을 포함합니다.
content_block_stop: 콘텐츠 블록 종료.
message_delta: 메시지 수준의 증분 업데이트로, stop_reason과 최종 usage 정보를 포함합니다.
message_stop: 메시지 종료.

출력 효과는 다음과 같습니다:

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":"안녕하세요"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":"! 제 이름은"}}

event: content_block_delta
data: {"type":"content_block_delta","index":0,"delta":{"type":"text_delta","text":" 클로드입니다. 오늘 무엇을 도와드릴까요?"}}

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"}

볼 수 있듯이, 스트리밍 응답에서 content_block_delta 이벤트는 단계적으로 생성된 텍스트 내용을 포함하고 있으며, 모든 text_delta를 연결하여 전체 응답을 얻을 수 있습니다.

JavaScript 예제

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: "안녕하세요, 클로드" }],
  }),
};

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));
}

다중 회화

다중 회화 기능을 통합하려면 messages 배열에 user와 assistant 역할의 메시지를 번갈아 배치하고 이전 대화 기록을 함께 전달해야 합니다.

Python 예제

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": "안녕하세요, 제 이름은 앨리스입니다."},
        {"role": "assistant", "content": "안녕하세요 앨리스! 만나서 반갑습니다. 오늘 무엇을 도와드릴까요?"},
        {"role": "user", "content": "내 이름이 뭐죠?"}
    ]
}

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

반환 결과는 다음과 같습니다:

{
  "id": "msg_01Y1wfQmd89g968TVbFu57Yc",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "당신의 이름은 앨리스입니다, 방금 말씀하신 대로요!"
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 40,
    "output_tokens": 14
  }
}

messages에 전체 대화 기록을 전달함으로써, 클로드는 맥락을 결합하여 정확한 답변을 할 수 있습니다.

심층 사고 모델

클로드는 Extended Thinking(심층 사고) 기능을 지원하여 모델이 응답하기 전에 내부 추론을 수행하여 복잡한 문제 처리의 정확성을 높일 수 있습니다. 이 기능을 사용할 때는 thinking 매개변수를 전달해야 합니다.

Python 예제

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": "30도 사인의 값은 무엇인가요? 당신의 추론을 보여주세요."}
    ]
}

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

반환 결과는 다음과 같습니다:

{
  "id": "msg_018J4YaRoGHtbsTVb4Vvz7oH",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "thinking",
      "thinking": "사용자가 30도의 사인을 묻고 있습니다. 이것은 기본적인 삼각법 질문입니다.\n\n30-60-90 삼각형에서, 변의 비율은 1:√3:2입니다.\n\n30° 각도에 대해:\n- 대변은 1입니다.\n- 빗변은 2입니다.\n- 따라서 sin(30°) = 대변/빗변 = 1/2 = 0.5"
    },
    {
      "type": "text",
      "text": "30도의 사인은 **1/2** 또는 **0.5**입니다.\n\n이것은 기본적인 삼각법 값 중 하나입니다. 30-60-90 삼각형에서 변의 비율은 1:√3:2이며, 30° 각도에 대한 대변의 길이는 1이고 빗변의 길이는 2이므로 sin(30°) = 1/2가 됩니다."
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 28,
    "output_tokens": 239
  }
}

볼 수 있듯이, content 배열에는 두 개의 내용 블록이 포함되어 있습니다:

type: "thinking": 모델의 내부 사고 과정으로, 추론 단계를 보여줍니다.
type: "text": 최종 답변 결과입니다.

주의 사항:

thinking을 사용할 때, max_tokens는 budget_tokens보다 커야 합니다. 왜냐하면 budget_tokens는 사고 과정에 할당된 토큰 예산이기 때문입니다.
budget_tokens가 클수록 모델이 더 깊이 있는 추론을 할 수 있는 공간이 커지며, 복잡한 문제를 처리하는 데 적합합니다.

시각 모델

클로드는 다중 모달 입력을 지원하여 텍스트와 이미지를 동시에 처리할 수 있습니다. Messages API에서 content를 배열 형식으로 설정하고 이미지 내용 블록을 전달하면 시각적 기능을 사용할 수 있습니다.

Base64 인코딩 이미지를 사용하기

import base64
import requests

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

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

# 이미지 읽기 및 인코딩
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": "이 이미지에는 무엇이 있나요?"
                }
            ]
        }
    ]
}

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

URL 이미지를 사용하기

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": "이 이미지에는 무엇이 있나요?"
                }
            ]
        }
    ]
}

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

cURL 예시

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": "이 이미지에는 무엇이 있나요?"
          }
        ]
      }
    ]
  }'

지원되는 이미지 형식에는 image/jpeg, image/png, image/gif, image/webp가 포함됩니다. 반환 결과 예시:

{
  "id": "msg_01NCrxpZmV17bhQJJRQEFEb9",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "이 이미지는 AI 채팅 완성 서비스로 보이는 API 요청 구성 인터페이스를 보여줍니다. 인터페이스에는 모델 선택, 메시지, 스트림 모드 및 최대 토큰 설정을 위한 매개변수가 포함되어 있습니다."
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "end_turn",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 1570,
    "output_tokens": 52
  }
}

도구 호출 (Tool Use)

Claude Messages API는 도구 호출 기능을 원래 지원하며, 모델이 필요할 때 미리 정의된 도구/함수를 호출할 수 있습니다.

Python 예시

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": "주어진 위치의 현재 날씨를 가져옵니다.",
            "input_schema": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "도시와 주, 예: 샌프란시스코, CA"
                    }
                },
                "required": ["location"]
            }
        }
    ],
    "messages": [
        {"role": "user", "content": "샌프란시스코의 날씨는 어떤가요?"}
    ]
}

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

모델이 도구를 호출하기로 결정하면, 반환 결과의 content에는 tool_use 유형의 내용 블록이 포함됩니다:

{
  "id": "msg_01Aq9w938a90dw8q",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "샌프란시스코의 날씨를 확인해 보겠습니다."
    },
    {
      "type": "tool_use",
      "id": "toolu_01A09q90qw90lq917835lgs",
      "name": "get_weather",
      "input": {
        "location": "샌프란시스코, CA"
      }
    }
  ],
  "model": "claude-sonnet-4-20250514",
  "stop_reason": "tool_use",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 120,
    "output_tokens": 68
  }
}

stop_reason이 tool_use인 경우, 모델이 도구를 호출해야 함을 나타냅니다. 이 결과를 받은 후, 도구 함수를 실행하고 결과를 tool_result 형식으로 모델에 다시 전달해야 합니다:

payload = {
    "model": "claude-sonnet-4-20250514",
    "max_tokens": 1024,
    "tools": [
        {
            "name": "get_weather",
            "description": "주어진 위치의 현재 날씨를 가져옵니다.",
            "input_schema": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "도시와 주, 예: 샌프란시스코, CA"
                    }
                },
                "required": ["location"]
            }
        }
    ],
    "messages": [
        {"role": "user", "content": "샌프란시스코의 날씨는 어떤가요?"},
        {
            "role": "assistant",
            "content": [
                {"type": "text", "text": "샌프란시스코의 날씨를 확인해 보겠습니다."},
                {"type": "tool_use", "id": "toolu_01A09q90qw90lq917835lgs", "name": "get_weather", "input": {"location": "샌프란시스코, CA"}}
            ]
        },
        {
            "role": "user",
            "content": [
                {
                    "type": "tool_result",
                    "tool_use_id": "toolu_01A09q90qw90lq917835lgs",
                    "content": "맑음, 72°F"
                }
            ]
        }
    ]
}

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

모델은 도구에서 반환된 결과를 기반으로 최종 자연어 응답을 생성합니다.

Chat Completion API와의 차이점

Ace Data Cloud는 두 가지 Claude API 형식을 제공하며, 두 형식의 주요 차이점은 다음과 같습니다:

특성	Messages API (`/v1/messages`)	Chat Completion API (`/v1/chat/completions`)
형식	Anthropic 원래 형식	OpenAI 호환 형식
시스템 프롬프트	독립적인 `system` 필드	`messages` 내 `role: "system"`을 통해 전달
응답 구조	`content` 배열(다양한 유형 지원)	`choices` 배열(포함된 `message`)
스트리밍 형식	SSE 이벤트(다양한 이벤트 유형)	SSE `data` 행
심층 사고	원래 `thinking` 매개변수	특별한 모델 이름으로 트리거(예: `-thinking` 접미사)
도구 호출	원래 `tools` + `input_schema`	OpenAI 호환 `functions` 형식
토큰 통계	`input_tokens` / `output_tokens`	`prompt_tokens` / `completion_tokens`

시스템이 이미 OpenAI 형식의 API에 연결되어 있다면, Chat Completion API를 사용하여 원활하게 전환할 수 있습니다. Claude의 모든 원래 기능을 사용해야 하는 경우 Messages API를 사용하는 것이 좋습니다.

오류 처리

API를 호출할 때 오류가 발생하면, API는 해당 오류 코드와 정보를 반환합니다. 예를 들어:

400 token_mismatched: 잘못된 요청, 누락되거나 잘못된 매개변수 때문일 수 있습니다.
400 api_not_implemented: 잘못된 요청, 누락되거나 잘못된 매개변수 때문일 수 있습니다.
401 invalid_token: 인증되지 않음, 잘못되었거나 누락된 인증 토큰.
429 too_many_requests: 너무 많은 요청, 비율 제한을 초과했습니다.
500 api_error: 내부 서버 오류, 서버에서 문제가 발생했습니다.

오류 응답 예시

{
  "error": {
    "code": "400",
    "message": "잘못된 요청입니다."
  }
}

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

결론

이 문서를 통해 Claude Messages API를 사용하여 Anthropic 원본 형식으로 Claude의 대화 기능을 호출하는 방법을 이해하셨습니다. Messages API는 기본 대화, 시스템 프롬프트, 스트리밍 응답, 다중 회차 대화, 심층 사고, 시각적 이해 및 도구 호출 등 다양한 기능을 지원합니다. 질문이 있으시면 언제든지 기술 지원 팀에 문의해 주시기 바랍니다.

시작하기

AI Chat

AI Image

AI Video

AI Audio

Web & Data

CAPTCHA

Identity

Proxy

고급

Claude Messages API 신청 및 사용

신청 프로세스

기본 사용

cURL 예시

Python 예시

시스템 프롬프트

Python 예시

스트리밍 응답

Python 예시

JavaScript 예제

다중 회화

Python 예제

심층 사고 모델

Python 예제

시각 모델

Base64 인코딩 이미지를 사용하기

URL 이미지를 사용하기

cURL 예시

도구 호출 (Tool Use)

Python 예시

Chat Completion API와의 차이점

오류 처리

오류 응답 예시

결론

시작하기

AI Chat

AI Image

AI Video

AI Audio

Web & Data

CAPTCHA

Identity

Proxy

고급

​신청 프로세스

​기본 사용

​cURL 예시

​Python 예시

​시스템 프롬프트

​Python 예시

​스트리밍 응답

​Python 예시

​JavaScript 예제

​다중 회화

​Python 예제

​심층 사고 모델

​Python 예제

​시각 모델

​Base64 인코딩 이미지를 사용하기

​URL 이미지를 사용하기

​cURL 예시

​도구 호출 (Tool Use)

​Python 예시

​Chat Completion API와의 차이점

​오류 처리

​오류 응답 예시

​결론

신청 프로세스

기본 사용

cURL 예시

Python 예시

시스템 프롬프트

Python 예시

스트리밍 응답

Python 예시

JavaScript 예제

다중 회화

Python 예제

심층 사고 모델

Python 예제

시각 모델

Base64 인코딩 이미지를 사용하기

URL 이미지를 사용하기

cURL 예시

도구 호출 (Tool Use)

Python 예시

Chat Completion API와의 차이점

오류 처리

오류 응답 예시

결론