API MiniMax : première requête en cinq minutes

Installer le SDK OpenAI

Commencez par installer le SDK OpenAI officiel pour votre langage préféré. La bibliothèque gère automatiquement le formatage des requêtes et le streaming. Assurez-vous d'avoir Python 3.8+ ou Node.js 18+ installé. Exécutez pip install openai pour Python ou npm install openai pour Node. Le SDK simplifie l'interaction avec l'endpoint /v1/chat/completions. Il gère les en-têtes, les nouvelles tentatives et l'analyse du SSE afin que vous puissiez vous concentrer sur le prompt. Cela fonctionne car notre API suit la norme de complétion de chat OpenAI. Vous n'avez pas besoin d'une bibliothèque cliente personnalisée. Les méthodes SDK standard correspondent directement à nos endpoints. Cela réduit le temps d'intégration et exploite les connaissances existantes des développeurs.

Configurer l'URL de base et la clé

Définissez votre clé API et votre URL de base dans vos variables d'environnement. Notre URL de base est https://api.minimaxapikey.com/v1. Cela vous permet d'utiliser les clients OpenAI standards sans modification. Créez un compte pour générer votre clé. La clé s'affiche immédiatement après l'inscription. Aucune carte n'est nécessaire pour l'essai. Conservez la clé en toute sécurité. Transmettez-la en tant qu'en-tête ou variable d'environnement. Le SDK utilise OPENAI_API_KEY par défaut. Vous pouvez remplacer l'URL de base pour pointer vers nos serveurs. Cela garantit que toutes les requêtes s'adressent au modèle sans censure. Vérifiez que votre clé fonctionne avec un simple ping. Cette étape évite les erreurs d'authentification plus tard.

Envoyer une complétion de chat basique

Effectuez votre première requête pour générer du texte. Utilisez la méthode POST sur /v1/chat/completions. Spécifiez le modèle comme uncensored. Transmettez un tableau de messages avec un prompt utilisateur. L'API retourne un token de complétion. C'est la fonctionnalité principale de génération de texte. Elle prend en charge une fenêtre de contexte de 100k tokens. Vous pouvez envoyer de longs prompts ou l'historique des conversations. La réponse inclut le texte généré et l'utilisation des tokens. C'est idéal pour l'écriture créative ou les dialogues sans restrictions. Assurez-vous que le contenu est légal. Le modèle ne refuse pas les sujets pour adultes. Il bloque uniquement le contenu sexuel impliquant des mineurs. Commencez simplement pour vérifier la connectivité.

Activer le streaming (SSE)

Pour une sortie en temps réel, activez le streaming. Définissez le paramètre stream sur true. L'API retourne des Server-Sent Events (SSE). Chaque chunk contient une partie de la réponse. Cela réduit la latence perçue. Les utilisateurs voient le texte apparaître au fur et à mesure de sa génération. Le SDK gère automatiquement l'analyse des chunks. Vous pouvez afficher le texte de manière incrémentielle dans une interface utilisateur. C'est crucial pour les interfaces de chat. Le streaming fonctionne avec toutes les réponses des modèles. Il n'affecte pas le comptage des tokens. Chaque chunk inclut des données d'utilisation à la fin. Utilisez ceci pour une meilleure expérience utilisateur. Cela semble plus réactif que d'attendre la réponse complète. Configurez votre client pour tamponner correctement les chunks.

Utiliser l'appel de fonctions

Prenez en charge les sorties structurées avec l'appel de fonctions. Définissez des outils dans le corps de la requête. Le modèle peut appeler des fonctions en fonction du prompt. Cela permet l'intégration avec des systèmes externes. Transmettez les définitions d'outils et les messages utilisateur. La réponse inclut un objet d'appel d'outil. Exécutez la fonction et renvoyez les résultats. Cela fonctionne avec les SDK OpenAI standards. Cela permet des workflows complexes. Vous pouvez créer des agents ou des assistants. Le modèle maintient le contexte entre les appels. C'est puissant pour l'automatisation. Assurez-vous que vos définitions d'outils sont précises. L'API gère le routage des sorties des outils. Elle maintient la cohérence de la conversation. Utilisez ceci pour la génération de contenu dynamique.

Vérifier les modèles disponibles

Vérifiez la liste des modèles via GET /v1/models. Cet endpoint retourne les modèles disponibles. Notre API sert un seul modèle : uncensored. C'est un modèle à poids ouverts. Ce n'est pas GPT, Claude ou Gemini. La réponse confirme l'ID du modèle. Utilisez ceci pour déboguer les configurations client. Assurez-vous que votre code cible le bon modèle. L'endpoint est rapide et fiable. Il retourne des données JSON. Vous pouvez les analyser pour les affichages UI. Cela confirme que votre clé API est valide. Utilisez ceci pour les vérifications de santé automatisées. C'est une partie de la spécification OpenAI standard. Aucune configuration supplémentaire n'est nécessaire. Cela garantit la compatibilité avec les outils existants.

cURL

Copycurl https://api.minimaxapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Write a blunt product review of a cheap VPN."}]
  }'

Python

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.minimaxapikey.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

Copyimport OpenAI from "openai";

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

Streaming

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)