创建对话请求 (Anthropic)

Anthropic API 版本号。AccessAPI 网关不强制校验此字段，可不传。

Example: 2023-06-01

目标模型名称，用于指定本次请求调用的模型。

✅ 模型名称不区分大小写，例如 Qwen3-Max 和 qwen3-max 效果相同。

Example: qwen3-max

输入消息。我们的模型经过训练，可以对交替的用户和助手对话轮次进行操作。

数组长度要求：1 - 10 个元素

停止前生成的最大 token 数量。

请注意，我们的模型可能会在达到此最大值之前停止。此参数仅指定要生成的绝对最大 token 数。

不同模型对此参数具有不同的最大值。

Example: 8192

系统提示。系统提示是一种向 LLM 提供上下文和指令的方法，例如指定特定的目标或角色。

导致模型停止生成的自定义文本序列。

我们的模型通常会在自然完成轮次时停止，这将导致 stop_reason 为 "end_turn"。

如果您希望模型在遇到自定义文本字符串时停止生成，可以使用 stop_sequences 参数。如果模型遇到自定义序列之一，stop_reason 值将为 "stop_sequence"，stop_sequence 值将包含匹配的停止序列。

是否使用服务器发送事件增量流式传输响应。

Example: true

注入响应的随机性量。

Range: 0 <= x <= 1（注意：Anthropic 原生范围为 0~1，与 OpenAI 的 0~2 不同，请勿传入大于 1 的值）

Example: 0.7

核采样。此参数控制 token 选择的累积概率。

要求范围：0.1 <= x <= 1

Example: 0.7

要求范围：0 <= x <= 50

注意：该参数在不同模型上的支持情况存在差异，部分模型可能忽略该参数。

Example: 50

模型可能使用的工具定义。

name: 工具名称。

description: (可选) 工具描述。

input_schema: 工具输入的 JSON 架构，模型将在 tool_use 输出内容块中生成。

注意：工具调用功能经 LiteLLM 转换后，取决于底层模型是否支持 function calling，不同模型行为可能有差异。

工具名称。

这将是模型用于调用工具的名称。

工具输入的 JSON 架构。

这定义了工具接受的输入形状，也是模型将生成的输入形状。

模型应如何使用提供的工具。模型可以使用特定工具、任何可用工具或自行决定。

Auto / Tool / None

选项：auto, any, tool

是否禁用并行工具使用。

默认为 false。如果设置为 true，模型将最多输出一个工具使用。

消息的唯一标识符。

对象类型。

对于 Messages，这始终是 "message"。

Default: message

生成消息的对话角色。

这始终是 "assistant"。

Default: assistant

模型生成的内容。

这是一个内容块数组，每个块都是一个具有 type 字段的对象。

Example: [{"type": "text", "text": "Hi"}]

处理请求的模型。

我们停止的原因。这可能是以下值之一：

"end_turn": 模型达到了自然停止点或生成了自定义停止序列之一。

"max_tokens": 我们超过了请求的 max_tokens 或模型的最大值。

"tool_use": 模型调用了一个或多个工具。

"refusal": 由于内容过滤，模型拒绝了请求。

在非流式模式下，此值始终非空。在流式模式下，它在 message_start 事件中为空，否则非空。

生成的自定义停止序列（如果有）。

如果您指定了自定义停止序列，并且生成了一个，则此字段将非空并包含该序列。

计费和速率限制使用情况。

包含 input_tokens 和 output_tokens。

Example: { "input_tokens": 2095, "output_tokens": 503 }