Claude API接口调用教程｜附源码

随着大语言模型在内容生成、代码开发、数据分析、智能客服、知识库问答等场景中的广泛应用，越来越多开发者开始将 AI 能力集成到自己的产品或业务系统中。Claude 是 Anthropic 推出的大语言模型系列，以较强的长文本理解能力、自然语言交互能力和代码辅助能力受到不少开发者关注。

本文将以实战教程的形式，系统讲解如何调用 Claude API，包括账号准备、API Key 配置、接口请求格式、Python 调用示例、Node.js 调用示例、流式输出、常见错误处理以及项目封装建议，并附带可直接运行的源码示例，帮助你快速完成 Claude API 的接入。

一、Claude API是什么？

Claude API 是 Anthropic 提供的模型调用接口，开发者可以通过 HTTP 请求或官方 SDK 与 Claude 模型进行交互。简单来说，你可以把 Claude 当作一个远程 AI 服务，通过发送用户输入、系统提示词、上下文消息等内容，让模型返回对应结果。

Claude API 常见用途包括：

• AI 聊天机器人
• 文档总结与提炼
• 代码生成与代码解释
• 多轮对话系统
• 客服自动回复
• 知识库问答
• 文案生成
• 数据分析辅助
• 工作流自动化

Claude API 通常采用“消息式”调用方式，即通过 messages 数组传递对话内容。开发者可以指定模型、最大输出长度、系统提示词、温度参数等，从而控制模型回复的风格和内容长度。

二、调用Claude API前的准备工作

在正式调用接口之前，需要完成以下准备。

1. 注册Anthropic账号

首先需要访问 Anthropic 官方平台，注册开发者账号。注册完成后，进入控制台创建 API Key。

通常你需要完成以下步骤：

1. 登录 Anthropic Console；
2. 创建或选择一个 Workspace；
3. 进入 API Keys 页面；
4. 点击创建新的 API Key；
5. 复制生成的 Key 并妥善保存。

注意：API Key 只会显示一次，建议复制后立即保存到安全位置，例如服务器环境变量、密钥管理系统或 .env 文件中。

2. 准备开发环境

本文将分别演示以下调用方式：

• 使用 curl 直接调用；
• 使用 Python 调用；
• 使用 Node.js 调用；
• 使用流式输出获取结果。

你可以根据自己的项目技术栈选择合适的方式。

3. 安全保存API Key

不要把 API Key 直接写死在代码中，更不要上传到 GitHub、Gitee 等公开代码仓库。

推荐使用环境变量：

export ANTHROPIC_API_KEY="你的Claude API Key"

如果使用 Windows PowerShell，可以执行：

$env:ANTHROPIC_API_KEY="你的Claude API Key"

如果是项目开发，也可以使用 .env 文件：

ANTHROPIC_API_KEY=你的Claude API Key

然后通过程序读取环境变量。

三、Claude API基础请求结构

Claude API 的核心调用接口通常是：

POST https://api.anthropic.com/v1/messages

常见请求头如下：

Authorization: Bearer YOUR_API_KEY
Content-Type: application/json

在部分 Anthropic API 文档或旧版本调用中，也可能看到类似：

x-api-key: YOUR_API_KEY
anthropic-version: 2023-06-01

实际使用时请以官方最新文档为准。为了兼容多数示例，本文示例会使用 Anthropic 官方常见的 x-api-key 与 anthropic-version 请求头形式。

一个典型请求体如下：

{
  "model": "claude-3-5-sonnet-20241022",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "请用中文介绍一下Claude API的作用。"
    }
  ]
}

其中常用字段说明如下：

四、使用curl调用Claude API

如果你想快速测试 API 是否可用，可以先使用 curl 命令。

示例代码

curl https://api.anthropic.com/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-3-5-sonnet-20241022",
    "max_tokens": 1024,
    "messages": [
      {
        "role": "user",
        "content": "请用中文写一段关于人工智能发展的简介。"
      }
    ]
  }'

如果请求成功，你会得到类似下面的返回结果：

{
  "id": "msg_xxx",
  "type": "message",
  "role": "assistant",
  "model": "claude-3-5-sonnet-20241022",
  "content": [
    {
      "type": "text",
      "text": "人工智能是计算机科学的重要分支..."
    }
  ],
  "stop_reason": "end_turn",
  "usage": {
    "input_tokens": 20,
    "output_tokens": 120
  }
}

真正的回复内容通常在：

content[0].text

五、Python调用Claude API完整源码

下面我们使用 Python 编写一个完整示例。

1. 安装依赖

可以使用官方 SDK：

pip install anthropic

如果你想读取 .env 文件，也可以安装：

pip install python-dotenv

2. Python基础调用示例

新建文件 claude_demo.py：

import os
from anthropic import Anthropic

def main():
    api_key = os.getenv("ANTHROPIC_API_KEY")

    if not api_key:
        raise ValueError("请先设置环境变量 ANTHROPIC_API_KEY")

    client = Anthropic(api_key=api_key)

    response = client.messages.create(
        model="claude-3-5-sonnet-20241022",
        max_tokens=1024,
        messages=[
            {
                "role": "user",
                "content": "请用中文介绍Claude API，并给出三个典型应用场景。"
            }
        ]
    )

    print(response.content[0].text)

if __name__ == "__main__":
    main()

运行代码：

python claude_demo.py

如果配置无误，终端会输出 Claude 返回的中文内容。

六、Python封装成通用函数

在实际项目中，我们不建议每次都重复写创建客户端、构造消息、解析结果等代码。可以封装成一个通用函数。

完整源码：claude_client.py

import os
from typing import List, Dict, Optional
from anthropic import Anthropic

class ClaudeClient:
    def __init__(
        self,
        api_key: Optional[str] = None,
        model: str = "claude-3-5-sonnet-20241022"
    ):
        self.api_key = api_key or os.getenv("ANTHROPIC_API_KEY")

        if not self.api_key:
            raise ValueError("缺少 ANTHROPIC_API_KEY，请检查环境变量或初始化参数")

        self.model = model
        self.client = Anthropic(api_key=self.api_key)

    def chat(
        self,
        user_message: str,
        system_prompt: Optional[str] = None,
        max_tokens: int = 1024,
        temperature: float = 0.7
    ) -> str:
        kwargs = {
            "model": self.model,
            "max_tokens": max_tokens,
            "temperature": temperature,
            "messages": [
                {
                    "role": "user",
                    "content": user_message
                }
            ]
        }

        if system_prompt:
            kwargs["system"] = system_prompt

        response = self.client.messages.create(**kwargs)

        if not response.content:
            return ""

        return response.content[0].text

if __name__ == "__main__":
    claude = ClaudeClient()

    result = claude.chat(
        user_message="请生成一份Python学习路线图。",
        system_prompt="你是一名资深Python讲师，回答要清晰、结构化、适合初学者。",
        max_tokens=1500
    )

    print(result)

这个封装类有几个优点：

1. API Key 自动从环境变量读取；
2. 支持自定义模型；
3. 支持系统提示词；
4. 支持设置最大输出长度；
5. 支持设置 temperature；
6. 调用方式更简洁。

在项目中可以这样使用：

from claude_client import ClaudeClient

claude = ClaudeClient()

answer = claude.chat("帮我写一个MySQL分页查询SQL示例。")

print(answer)

七、Python多轮对话示例

Claude API 的多轮对话通常通过 messages 数组传递历史上下文。

例如：

import os
from anthropic import Anthropic

client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

messages = [
    {
        "role": "user",
        "content": "我正在学习Python，请推荐一个练手项目。"
    },
    {
        "role": "assistant",
        "content": "你可以尝试开发一个命令行待办事项管理工具。"
    },
    {
        "role": "user",
        "content": "请给出这个项目的核心功能和目录结构。"
    }
]

response = client.messages.create(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1200,
    messages=messages
)

print(response.content[0].text)

多轮对话的关键是：你需要把之前的用户问题和模型回答一起传给 API。模型本身不会永久记住你的会话状态，除非你的应用在本地或数据库中保存历史记录，并在下一次请求时重新传入。

八、Python流式输出示例

在聊天应用中，如果等模型完整生成后再展示，用户可能会感觉响应较慢。因此很多产品会使用“流式输出”，让模型边生成边返回，类似打字机效果。

流式输出源码

import os
from anthropic import Anthropic

client = Anthropic(api_key=os.getenv("ANTHROPIC_API_KEY"))

with client.messages.stream(
    model="claude-3-5-sonnet-20241022",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "请用中文写一篇300字左右的端午节介绍。"
        }
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

流式输出适合以下场景：

• Web 聊天窗口；
• 客服机器人；
• 实时代码生成；
• 长文章生成；
• 语音助手文本展示；
• AI 写作工具。

九、Node.js调用Claude API完整源码

如果你的项目使用 JavaScript 或 TypeScript，也可以通过 Node.js 调用 Claude API。

1. 初始化项目

mkdir claude-node-demo
cd claude-node-demo
npm init -y

安装依赖：

npm install @anthropic-ai/sdk dotenv

2. 配置环境变量

在项目根目录创建 .env 文件：

ANTHROPIC_API_KEY=你的Claude API Key

3. Node.js基础调用示例

新建 index.js：

require("dotenv").config();

const Anthropic = require("@anthropic-ai/sdk");

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

async function main() {
  if (!process.env.ANTHROPIC_API_KEY) {
    throw new Error("请先在 .env 文件中配置 ANTHROPIC_API_KEY");
  }

  const response = await anthropic.messages.create({
    model: "claude-3-5-sonnet-20241022",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: "请用中文说明如何在Node.js中调用Claude API。"
      }
    ]
  });

  console.log(response.content[0].text);
}

main().catch((error) => {
  console.error("调用Claude API失败：", error);
});

运行：

node index.js

十、Node.js封装调用方法

为了方便在业务项目中复用，可以封装一个通用方法。

完整源码：claudeClient.js

require("dotenv").config();

const Anthropic = require("@anthropic-ai/sdk");

class ClaudeClient {
  constructor(options = {}) {
    this.apiKey = options.apiKey || process.env.ANTHROPIC_API_KEY;
    this.model = options.model || "claude-3-5-sonnet-20241022";

    if (!this.apiKey) {
      throw new Error("缺少 ANTHROPIC_API_KEY，请检查环境变量");
    }

    this.client = new Anthropic({
      apiKey: this.apiKey,
    });
  }

  async chat({
    message,
    systemPrompt = "",
    maxTokens = 1024,
    temperature = 0.7,
  }) {
    const params = {
      model: this.model,
      max_tokens: maxTokens,
      temperature,
      messages: [
        {
          role: "user",
          content: message,
        },
      ],
    };

    if (systemPrompt) {
      params.system = systemPrompt;
    }

    const response = await this.client.messages.create(params);

    if (!response.content || response.content.length === 0) {
      return "";
    }

    return response.content[0].text;
  }
}

module.exports = ClaudeClient;

使用示例 app.js：

const ClaudeClient = require("./claudeClient");

async function run() {
  const claude = new ClaudeClient();

  const result = await claude.chat({
    message: "请帮我写一个Express接口示例，用于接收用户问题并返回AI回答。",
    systemPrompt: "你是一名资深Node.js后端工程师，回答要包含代码示例。",
    maxTokens: 1500,
  });

  console.log(result);
}

run().catch(console.error);

运行：

node app.js

十一、Node.js流式输出示例

流式输出在 Node.js 中同样非常实用，尤其适合 Web 服务中通过 SSE 或 WebSocket 转发给前端。

require("dotenv").config();

const Anthropic = require("@anthropic-ai/sdk");

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

async function main() {
  const stream = await anthropic.messages.stream({
    model: "claude-3-5-sonnet-20241022",
    max_tokens: 1024,
    messages: [
      {
        role: "user",
        content: "请用中文写一段关于程序员职业发展的建议。",
      },
    ],
  });

  for await (const text of stream.textStream) {
    process.stdout.write(text);
  }
}

main().catch(console.error);

十二、在Express中接入Claude API

下面给出一个更贴近实际业务的例子：创建一个 HTTP 接口，前端传入问题，后端调用 Claude API 并返回结果。

安装依赖

npm install express cors dotenv @anthropic-ai/sdk

完整源码：server.js

require("dotenv").config();

const express = require("express");
const cors = require("cors");
const Anthropic = require("@anthropic-ai/sdk");

const app = express();

app.use(cors());
app.use(express.json());

const anthropic = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

app.post("/api/chat", async (req, res) => {
  try {
    const { message } = req.body;

    if (!message) {
      return res.status(400).json({
        success: false,
        message: "message不能为空",
      });
    }

    const response = await anthropic.messages.create({
      model: "claude-3-5-sonnet-20241022",
      max_tokens: 1024,
      system: "你是一个中文AI助手，回答要准确、清晰、简洁。",
      messages: [
        {
          role: "user",
          content: message,
        },
      ],
    });

    const answer = response.content?.[0]?.text || "";

    res.json({
      success: true,
      data: {
        answer,
        usage: response.usage,
      },
    });
  } catch (error) {
    console.error("Claude API调用失败：", error);

    res.status(500).json({
      success: false,
      message: "服务器内部错误，Claude API调用失败",
    });
  }
});

const PORT = process.env.PORT || 3000;

app.listen(PORT, () => {
  console.log(`服务已启动：http://localhost:${PORT}`);
});

启动服务：

node server.js

请求测试：

curl -X POST http://localhost:3000/api/chat \
  -H "Content-Type: application/json" \
  -d '{"message":"请解释一下什么是RESTful API"}'

十三、常见参数详解

1. model

model 表示使用哪个 Claude 模型。不同模型在性能、速度、成本、上下文长度方面可能不同。

示例：

"model": "claude-3-5-sonnet-20241022"

实际开发中建议将模型名称放到配置文件或环境变量中，方便后续切换。

2. max_tokens

max_tokens 表示模型最多生成多少 token。它不是字符数，也不是中文汉字数。

如果设置太小，回答可能会被截断；如果设置太大，成本可能增加。

"max_tokens": 1024

3. temperature

temperature 用于控制输出随机性。

• 较低值：更稳定、更严谨，适合代码、法律、数据分析；
• 较高值：更有创意，适合文案、故事、营销内容。

常见设置：

"temperature": 0.3

或：

"temperature": 0.8

4. system

system 是系统提示词，用来定义模型角色、输出格式和回答边界。

例如：

"system": "你是一名资深Java架构师，请用专业但易懂的方式回答问题。"

系统提示词非常重要，它可以明显提升输出质量。比如你希望模型固定返回 JSON，就可以在系统提示词中说明：

你只返回合法JSON，不要输出Markdown，不要添加解释文字。

十四、常见错误与解决方案

1. API Key无效

常见报错可能包括：

authentication_error

解决方法：

• 检查 API Key 是否复制完整；
• 确认环境变量是否生效；
• 确认没有多余空格或换行；
• 检查 Key 是否被删除或禁用。

2. 模型名称错误

如果模型名称填写错误，可能会出现模型不存在或无权限访问的错误。

解决方法：

• 查看官方文档中的最新模型名称；
• 确认当前账号是否有权限调用该模型；
• 将模型名称配置化，避免硬编码。

3. 请求频率过高

如果短时间大量请求，可能触发限流。

解决方法：

• 增加重试机制；
• 使用指数退避策略；
• 控制并发数量；
• 对用户请求进行排队；
• 缓存重复问题的回答。

4. 输出内容被截断

如果回答末尾突然停止，可能是 max_tokens 设置太小。

解决方法：

• 增大 max_tokens；
• 让模型分段输出；
• 对长任务拆分处理；
• 使用流式输出提升体验。

十五、调用Claude API的最佳实践

1. 不要在前端直接暴露API Key

这是非常重要的一点。不要在浏览器端、App端、小程序端直接调用 Claude API，因为这样会导致 API Key 泄露。

正确做法是：

前端 -> 你的后端服务 -> Claude API

由后端统一保存 API Key，并对用户请求进行鉴权、限流和日志记录。

2. 对输入内容做校验

用户输入可能为空、过长，甚至包含恶意内容。建议在后端进行校验：

• 判断是否为空；
• 限制最大长度；
• 过滤明显异常请求；
• 根据业务场景做内容安全检查。

3. 控制上下文长度

多轮对话需要传入历史消息，但如果历史内容过多，会增加成本并降低响应速度。

建议：

• 只保留最近若干轮对话；
• 对历史对话做摘要；
• 将长期记忆存入数据库或向量库；
• 根据问题动态检索相关上下文。

4. 增加异常处理和重试

生产环境中，网络波动、限流、服务异常都可能导致请求失败。建议增加重试机制。

Python 简单重试示例：

import time

def retry_call(func, retries=3, delay=1):
    for i in range(retries):
        try:
            return func()
        except Exception as e:
            if i == retries - 1:
                raise e
            time.sleep(delay * (2 ** i))

5. 记录usage用于成本统计

Claude API 返回中通常包含 usage 字段，例如：

"usage": {
  "input_tokens": 100,
  "output_tokens": 300
}

建议在生产系统中记录：

• 用户 ID；
• 请求时间；
• 输入 token；
• 输出 token；
• 使用模型；
• 请求场景；
• 请求是否成功。

这样可以帮助你分析成本、优化提示词和控制预算。

十六、完整项目目录建议

如果你要在真实项目中集成 Claude API，可以参考下面的目录结构。

Python项目结构

claude-python-project/
├── .env
├── requirements.txt
├── main.py
├── claude_client.py
└── README.md

requirements.txt 示例：

anthropic
python-dotenv

Node.js项目结构

claude-node-project/
├── .env
├── package.json
├── server.js
├── claudeClient.js
└── README.md

十七、总结

本文从零开始介绍了 Claude API 的调用方法，并给出了 curl、Python、Node.js、Express 后端接口、流式输出等多种源码示例。

整体接入流程可以概括为：

1. 注册 Anthropic 账号；
2. 创建 API Key；
3. 将 API Key 保存到环境变量；
4. 选择合适的模型；
5. 构造 messages 请求；
6. 调用 Claude API；
7. 解析 content[0].text；
8. 在业务系统中加入异常处理、限流、日志和成本统计。

对于个人开发者，可以先用 Python 或 Node.js 快速测试；对于企业项目，建议通过后端服务统一封装 Claude API，并结合鉴权、权限控制、日志审计、上下文管理和费用监控，构建稳定可靠的 AI 应用。

只要掌握了本文中的示例代码，你就可以很快把 Claude API 集成到自己的聊天机器人、AI 写作工具、代码助手或企业知识库系统中。