方法 DeepSeek API を統合する

前提条件：環境設定

開発環境に必要なSDKがインストールされていることを確認することから始めましょう。PythonやNode.jsなどの言語ランタイムと、API資格情報を安全に保存する方法が必要です。このセットアップは、他のOpenAI互換サービスを使用する場合とまったく同じです。

ベンダー固有のドライバーをインストールする必要はありません。プロキシがすべてのモデル推論を処理するため、マシンはHTTPリクエストを送信しJSONレスポンスを解析するだけで済みます。これにより依存関係のオーバーヘッドが削減され、プロジェクトが軽量に保たれます。

公式 SDK のインストール

認証とシリアライズを自動で処理するためにお好みの言語の公式SDKをインストールしてください。Pythonの場合は pip install openai. Node.jsの場合、 npm install openai. このライブラリは基盤となるHTTP接続を管理します。

SDKはJSONペイロードの構築に伴う複雑さを抽象化します。プロンプトの定義と返されたトークンの処理に集中できます。この標準化により、ベースURLを変更するだけで後からプロバイダを切り替えることができます。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.deepseekpago.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)

ベースURLとキーの構成

プロキシベースURLにSDKクライアントをポイントし、APIキーを注入してください。この設定ステップにより、トラフィックは標準的なOpenAIサーバーから遠ざけられます。設定する必要があります base_url に https://api.deepseekpago.com/v1.

経由でキーを渡してください api_key パラメータ。このキーはサイトでのサインアップ時に生成されます。リクエストの認証とプリペイドクレジットの使用状況を追跡します。この設定がない場合、リクエストは404または401エラーで失敗します。

最初のリクエスト

接続とモデルの動作を確認するために簡単なテキスト完了を送信します。モデルID uncensored プロキシ上で実行されている特定のモデルにアクセスします。このモデルは、法的な成人向け利用においてコンテンツ拒否なしで回答するようにチューニングされています。

リクエストボディには messages 配列と model 識別子。レスポンスには生成されたテキストが content フィールド。これにより、統合がuncensoredモデルと正しく機能していることが確認されます。

Copycurl https://api.deepseekpago.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Generate a list of top five open source llms"}]
  }'

ストリーミングレスポンスの有効化

streamをtrueに設定してストリーミングを有効にする stream: true リクエストに含めてください。これにより、単一のJSONオブジェクトの代わりにServer-Sent Events (SSE) が返されます。トークンは生成されるたびに受信されるため、エンドユーザーにとっての体感レイテンシーが改善されます。

チャンクをイテレートしてストリームを処理します。最後のチャンクには総トークン使用量が含まれます。これにより、完全なレスポンスが完了する前にリアルタイムでコストを監視できます。

Copystream = 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)

ツールと関数呼び出しを使用

モデルが構造化された出力を生成できるようにリクエストボディにツールを定義します。 tools パラメータ。適切な場合、モデルはプレーンテキストの代わりに関数呼び出しを返します。

この機能はOpenAIの関数呼び出しAPIと完全に同じように動作します。コードの実行やデータベースの更新のためにアプリケーションロジックに統合できます。プロキシは変更なしでこの標準プロトコルをサポートします。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekpago.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);

JSON 出力形式の強制

次のように設定して、モデルに有効なJSONを返させます。 response_format に {"type": "json_object"}. これはアプリケーションへのデータ解析に役立ちます。後処理の正規表現パターンを必要とする回数を減らします。

モデルはこの制約を厳密に遵守します。出力が有効なJSONでない場合、リクエストは失敗する可能性があります。これにより、自動化システムとの統合時にパイプラインが堅牢に保たれます。また、temperatureやtop_pを設定して創造性を制御することもできます。

エラーとレート制限の処理

APIはキーあたり1分あたり300リクエストの制限を適用します。これを超えると429エラーが発生します。キーあたり最大8つの同時リクエストを持つこともできます。サービス中断を避けるためにこれらの制限を守ってください。

エラーはエラーコードとメッセージを含む標準的なJSONオブジェクトとして返されます。これらをコードで適切に処理してください。429や503レスポンスなどの一時的なエラーには、指数関数的バックオフによるリトライロジックを推奨します。

トークン使用量のモニタリング

トークン数の監視により、前払いクレジットの使用状況を追跡してください。ストリーミングレスポンスの最終チャンクには usage object。これには入力および出力のトークン数が表示されます。

価格は入力トークン1Mあたり$0.15、出力トークン1Mあたり$0.50です。エラーは無料です。トークン数にこれらのレート掛けることで、ローカルでコストを計算できます。これにより、暗号通貨のチャージを正確に予算計画できます。