Anthropic API aufrufen: messages
Verwenden Sie die Anthropic messages API: Unterschiede zu OpenAI, Platzierung des System-Prompts und Claude-spezifische Best Practices.
Anthropic API aufrufen: messages ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 2 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Warum Anthropic?
Claude-Modelle bieten häufig eine bessere Befolgung von Anweisungen, eine bessere Tool-Nutzung und längere Kontextfenster als vergleichbare OpenAI-Modelle — und sind manchmal günstiger.
Die meisten produktiven Agents unterstützen beide Anbieter als Fallback.
Install the SDK
# pip install anthropic
import anthropic
client = anthropic.Anthropic() # reads ANTHROPIC_API_KEY from envIhr erster Aufruf
Der Endpunkt lautet messages.create:
response = client.messages.create(
model='claude-sonnet-4-5',
max_tokens=512,
system='You are a concise assistant.',
messages=[
{'role': 'user', 'content': 'Capital of France?'},
],
)
print(response.content[0].text)
# 'Paris.'Wichtige Unterschiede zu OpenAI
systemist ein Parameter auf oberster Ebene und keine Nachrichtmax_tokensist ERFORDERLICHcontentist eine Liste von Blöcken (Text, tool_use usw.)- Kein
n-Parameter — verwenden Sie mehrere Aufrufe
Inhaltsblöcke
Auch Textantworten werden als Liste von Blöcken zurückgegeben:
response.content # list of blocks
response.content[0].type # 'text' or 'tool_use'
response.content[0].text # the text content
response.stop_reason # 'end_turn' / 'max_tokens' / 'tool_use'
response.usage.input_tokens
response.usage.output_tokensInhalt mit mehreren Blöcken
Sie können in User-Nachrichten auch eine Liste von Inhaltsblöcken senden (Bilder, Tool-Ergebnisse):
messages = [{
'role': 'user',
'content': [
{'type': 'text', 'text': 'What is in this image?'},
{'type': 'image', 'source': {
'type': 'base64',
'media_type': 'image/png',
'data': image_base64
}}
]
}]Assistant vorab ausfüllen
Erzwingen Sie einen bestimmten Anfang der Antwort:
messages = [
{'role': 'user', 'content': 'Return a JSON object.'},
{'role': 'assistant', 'content': '{'}
]
response = client.messages.create(
model='claude-sonnet-4-5',
max_tokens=512,
messages=messages,
)
# Output starts after '{', guaranteed to be JSON.Tool-Nutzung
Das Tool-Format von Anthropic ähnelt dem von OpenAI, verwendet aber input_schema:
tools = [{
'name': 'get_weather',
'description': 'Get current weather',
'input_schema': {
'type': 'object',
'properties': {'city': {'type': 'string'}},
'required': ['city']
}
}]
response = client.messages.create(
model='claude-sonnet-4-5',
max_tokens=1024,
tools=tools,
messages=messages,
)
if response.stop_reason == 'tool_use':
for block in response.content:
if block.type == 'tool_use':
print(block.name, block.input)Tool-Ergebnisse zurückgeben
Tool-Ergebnisse werden in einer User-Nachricht mit einem tool_result-Block übergeben:
messages.append({
'role': 'user',
'content': [{
'type': 'tool_result',
'tool_use_id': 'toolu_abc',
'content': json.dumps(weather_data)
}]
})Prompt-Caching
Anthropic unterstützt Prompt-Caching: Markieren Sie lange statische Präfixe mit cache_control und zahlen Sie bei Cache-Treffern 10 %:
system = [
{'type': 'text', 'text': '...long system prompt...',
'cache_control': {'type': 'ephemeral'}}
]
for block in system:
print(f"type={block['type']} cache_control={block['cache_control']}")
print("text preview:", block['text'][:30])
Erweitertes Denken
Claude verfügt über einen Modus für „extended thinking“, in dem das Modell vor der Antwort intern Schlussfolgerungen zieht:
response = client.messages.create(
model='claude-sonnet-4-5',
max_tokens=4096,
thinking={'type': 'enabled', 'budget_tokens': 2048},
messages=messages,
)Position des System-Prompts
Wo wird der System-Prompt in der Anthropic-API übergeben?
Zusammenfassung
Sie können jetzt beide großen Anbieter verwenden. Die Unterschiede sind klein, aber real – die meisten Teams erstellen einen schlanken Adapter, um zwischen ihnen zu wechseln.
Häufig gestellte Fragen
Ist die Lektion „Anthropic API aufrufen: messages“ kostenlos?
Ja — der vollständige Text von „Anthropic API aufrufen: messages“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Anthropic API aufrufen: messages“?
Verwenden Sie die Anthropic messages API: Unterschiede zu OpenAI, Platzierung des System-Prompts und Claude-spezifische Best Practices. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents zu starten?
Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 2 von 4.
Wie lange dauert die Lektion „Anthropic API aufrufen: messages“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- OpenAI API aufrufen: chat.completions
- Anthropic API aufrufen: messages
- Antworten streamen (SSE)
- Kostenbewusstsein: Token zählen und Budgets