Base URL 및 인증
클라이언트를 베이스 URL에 가리키고 헤더에 키를 전달하여 즉시 연결하세요. 인증은 간단합니다: 다음을 포함하세요 Authorization: Bearer YOUR_API_KEY 무료 크레딧을 받아 즉시 사용 가능합니다. Google 또는 이메일로 가입하면 키가 즉시 발급되며 전화번호가 필요하지 않습니다. 키는 화면에 즉시 표시됩니다. 이 방식은 동일한 인터페이스 구조를 따르기 때문에 모든 표준 OpenAI 호환 SDK와 호환됩니다. 복잡한 로그인 세션 관리나 다른 플랫폼에서 흔히 발생하는 세션 만료 문제를 다룰 필요가 없습니다. 모든 엔드포인트에 필요한 유일한 자격 증명은 키뿐입니다. 이러한 단순성은 토큰 갱신 주기나 OAuth 흐름을 걱정하지 않고 API를 스크립트나 애플리케이션에 통합할 수 있음을 의미합니다. 이 서비스는 관료적 장벽 없이 직접적인 접근을 원하는 개발자를 위해 설계되었습니다. 업계 표준과 정확히 동일하게 동작하는 깔끔하고 예측 가능한 인터페이스를 제공하여 통합 시간을 크게 단축합니다.
채팅 완료 엔드포인트
표준 채팅 완성 엔드포인트를 사용하여 uncensored 모델로 메시지를 전송하세요. 엔드포인트는 다음으로 POST 요청을 허용합니다 /v1/chat/completions 메시지를 포함하는 JSON 본문과 함께. 모델 ID를 uncensored 특정 대형 언어 모델을 사용합니다. 시스템은 처리하거나 표시할 수 있는 텍스트 응답을 반환합니다. 이는 이미지나 오디오 생성 기능이 없는 텍스트 입력/출력 API입니다. 온도나 top_p과 같은 매개변수를 조정하여 어조와 스타일을 제어할 수 있습니다. 응답 형식은 일관되고 예측 가능하여 모든 언어에서 구문 분석하기 쉽습니다. 대화 기록을 유지하기 위해 단일 요청에 여러 턴을 보낼 수 있습니다. 이 접근 방식은 주요 제공업체의 동작을 모방하면서도 특정 uncensored 모델을 제공합니다. 이는 챗봇, 어시스턴트 또는 콘텐츠 생성기를 구축하는 핵심 기능입니다. 엔드포인트는 속도와 신뢰성을 위해 최적화되었습니다.
Python SDK 통합
공식 Python SDK를 사용하여 최소한의 구성으로 빠르게 통합하세요. 클라이언트 초기화 시 Base URL과 API 키를 설정하기만 하면 됩니다. 아래 코드 스니펫은 간단한 채팅 완료 요청을 생성하는 방법을 보여줍니다. 이 메서드는 인터페이스가 동일하므로 기존 OpenAI 코드베이스와 원활하게 작동합니다. 다음 같은 역할로 메시지 목록을 전달할 수 있습니다. system, user, 또는 assistant. 응답 객체를 통해 생성된 텍스트와 토큰 사용량에 접근할 수 있습니다. 이를 통해 애플리케이션의 디버깅과 모니터링이 간편해집니다. 사용자 정의 HTTP 클라이언트를 작성하거나 JSON 직렬화를 수동으로 처리할 필요가 없습니다. SDK가 모든 복잡한 작업을 처리합니다. 이는 보일러플레이트 코드를 줄이고 개발 주기를 크게 단축합니다. 몇 분 안에 프로토타입을 작성하고 필요할 때 확장할 수 있습니다. 라이브러리는 잘 문서화되어 있으며 지속적으로 유지보수됩니다.
Node SDK 통합
JavaScript 또는 TypeScript 프로젝트에 API를 통합하려면 Node.js SDK를 사용하세요. 설정은 Python과 유사합니다: base URL과 키를 한 번 구성하세요. 코드 예시는 chat 엔드포인트로의 간단한 요청을 보여줍니다. Python과 동일한 메시지 구조를 사용하여 스택 전반의 일관성을 유지할 수 있습니다. 응답 객체는 완료 텍스트와 사용 통계를 제공합니다. 이는 Node 애플리케이션에서 토큰 소비를 추적하는 데 유용합니다. SDK는 스트리밍과 오류 처리를 내부적으로 처리하여 코드를 단순화합니다. 이를 Express 라우트, 서버리스 함수 또는 백그라운드 작업에 통합할 수 있습니다. 인터페이스는 OpenAI Node 라이브러리를 사용해 본 적이 있는 사람에게 친숙합니다. 이는 새로운 API 구조를 배우지 않고도 기존 로직과 패턴을 재사용할 수 있음을 의미합니다. 이는 현대적인 JavaScript 생태계에 자연스럽게 통합됩니다. 표준화된 인터페이스의 이점과 당사 특정 모델 기능의 이점을 모두 얻습니다. 이는 애플리케이션의 다른 부분 간 전환 시 인지 부하를 줄여줍니다.
스트리밍 응답
요청에서 stream 매개변수를 true로 설정하여 실시간 출력 활성화. API는 단일 전체 응답 대신 청크 스트림을 반환합니다. 이는 생성되는 텍스트를 표시하려는 채팅 인터페이스에 이상적입니다. 각 청크에는 부분 응답이 포함되어 UI를 단계적으로 업데이트할 수 있습니다. 최종 청크에는 요청의 총 토큰 사용량이 포함됩니다. 이 기능은 Python 및 Node SDK 모두에서 최소한의 코드 변경으로 작동합니다. 청크를 반복하고 텍스트를 연결하여 스트림을 처리합니다. 이는 전체 응답을 기다리는 것보다 더 매끄러운 사용자 경험을 제공합니다. 장문 콘텐츠 생성 또는 복잡한 추론 작업에 특히 유용합니다. 스트리밍 기능은 현대 LLM API의 표준이며 여기서 완전히 지원됩니다. 스트림 소비 속도를 관리하여 흐름을 제어할 수 있습니다. 이는 사용자가 출력을 표시하는 방식에 대한 세밀한 제어를 제공합니다.
제한 사항, 오류 및 컨텍스트
컨텍스트 윈도우는 프롬프트와 결과물을 합쳐 최대 100,000개의 토큰을 지원합니다. 키당 최대 8개의 동시 요청과 분당 최대 300개의 요청을 보낼 수 있습니다. 이 한도를 초과하면 429 rate limit 오류가 발생합니다. 인증 오류는 키가 유효하지 않을 경우 401 상태를 반환합니다. 402 상태는 선불 크레딧이 소진되었음을 나타냅니다. 언제든지 암호화폐로 충전하여 서비스를 다시 시작할 수 있습니다. 오류는 크레딧을 소모하지 않으므로 실패한 요청은 무료입니다. 요청당 최대 출력은 16,000개 토큰이며, 제한을 지정하지 않을 경우 2,048개입니다. 요청 본문은 8 MB로 제한됩니다. 이러한 제한은 공정한 사용과 시스템 안정성을 보장하기 위해 설계되었습니다. 응답 헤더 또는 SDK 개체를 통해 사용량을 모니터링할 수 있습니다. 이러한 투명성은 예산 관리와 애플리케이션 아키텍처 계획에 도움이 됩니다. 선불 모델은 숨겨진 요금 없이 사용한 만큼만 지불한다는 것을 의미합니다.
cURL
curl https://api.mistralapilogin.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Fix my token expiry error"}]
}'Python
from openai import OpenAI
client = OpenAI(base_url="https://api.mistralapilogin.com/v1", api_key="YOUR_KEY")
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)Node.js
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.mistralapilogin.com/v1", apiKey: process.env.API_KEY });
const resp = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);스트리밍
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Tell the story in second person."}],
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)