附录 A · API 提供商与格式

为什么需要它

你需要一个能调的模型 API，以及一把 key。本书正文统一用 Anthropic Messages 格式——但你不必非用 Anthropic 官方：好几个平台都兼容这套格式，价格、额度各不相同。这一节讲清四件事：两种格式差在哪、为什么本书选 Anthropic、四个平台怎么取 key、预算紧时选谁。

原理拆解：两种格式

市面上的 LLM API 大致是两种「形状」：

• Anthropic Messages 格式：一段对话是一个 messages 数组，每条消息的 content 是一串有类型的 block——text、tool_use、tool_result。模型要调工具，就在 assistant 消息里放一个 tool_use block（input 是一个真正的 JSON 对象）；你执行完，把一个 tool_result block 放进下一条 user 消息。loop 就是「把这个数组重发一遍」。
• OpenAI Chat Completions 格式：工具调用挂在 assistant 消息的 tool_calls 字段上，函数参数是被 JSON 字符串化的字符串（用前要先 JSON.parse）；工具结果要另起一条 role: "tool" 的消息，靠 tool_call_id 和调用对应。

两者能力等价，差别在间接层数。

为什么本书选 Anthropic 格式

纯粹是教学心智负担的考量，不是优劣之争：

• tool_use / tool_result 是 content 里显式的 block，「agent loop = 重发整个 messages 数组」这句话能一字不差地对应到代码，不必先理解「assistant 消息 + 另一条 tool 消息 + id 关联」三件套。
• 工具输入是结构化的 JSON 对象，而不是「字符串里再套一层 JSON」，少一次 parse、少一层「藏在字符串里的协议」。
• 后面的错误处理、流式、子 agent 都建立在这套 block 模型上，概念自始至终一致。

动手实现：取一把 key

链接随官网调整，以官网为准；下面给的是各平台的控制台 / 文档入口。

• Anthropic（原生 Anthropic 格式） — 控制台取 key：console.anthropic.com；文档：docs.anthropic.com。最贴近本书正文，无需任何适配。
• OpenRouter（聚合，支持 Anthropic 格式） — 取 key：openrouter.ai/keys；文档：openrouter.ai/docs。一把 key 调多家模型，适合比价与回退。
• DeepSeek（便宜，双格式兼容） — 取 key：platform.deepseek.com；文档：api-docs.deepseek.com。默认是 OpenAI 兼容端点，另有专门的 Anthropic 兼容端点 https://api.deepseek.com/anthropic，可直接吃本书正文。预算敏感首选。
• OpenAI（OpenAI 格式，配合附录 B） — 取 key：platform.openai.com/api-keys；文档：platform.openai.com/docs。用 Chat Completions 格式，搭配附录 B 的 adapter。

跑起来看效果

把 key 写进环境变量（例如 ANTHROPIC_API_KEY），第 1 章的第一个请求就能直接发出去。换平台时通常只改两处：base URL 和 key——比如改用 DeepSeek 的 Anthropic 端点，把 base URL 指到 https://api.deepseek.com/anthropic 即可，agent 代码一行不动。

练习与延伸

• 同一段「列目录 + 读文件」的请求，分别用 Anthropic 官方端点和 DeepSeek 的 Anthropic 端点各跑一遍，对比返回结构是否一致。
• 读一遍 OpenAI 的 tool_calls 文档，把「assistant.tool_calls + role:tool 消息」画成时序图，和 Anthropic 的 block 模型对照——你会更清楚「间接层数」指的是什么。
• 估算预算：按全书约 < $5 的总量，挑一个平台，算算这点钱够你跑多少轮。