Anthropic 原生端点

除了 OpenAI 兼容那套,网关还直接提供 Anthropic 原生协议:

端点	用途
`POST /v1/messages`	对话补全,请求与响应都不翻译
`POST /v1/messages/count_tokens`	数 token,不计费

Anthropic 官方 SDK、Claude Code 这类工具把地址指过来就能直接用。

接入地址

这里的地址不带 /v1 —— 这两个工具自己往后拼 /v1/messages。带上的话请求会打到 …/v1/v1/messages，返回 404。

https://router.xisu.ai

Claude Code：

export ANTHROPIC_BASE_URL="上面这个地址"
export ANTHROPIC_AUTH_TOKEN="你的密钥"
export ANTHROPIC_MODEL="你要用的模型名"

Anthropic SDK：把 base_url 设成上面这个地址，api_key 设成你的密钥。

OpenAI 兼容那套的 base_url 是带 /v1 的另一串（见「端点与鉴权」）。两套协议共用同一把密钥和同一个余额，只有地址形状不同。

什么时候该用它

用它,如果你要的是这些:cache_control(提示缓存)、thinking、多模态与 document 块、tool_result —— 这些字段原样到达上游。

走 /v1/chat/completions 时它们分两种下场,而这两种差一个数量级:

顶层的专有参数(thinking 一类)会被当场 400 拒掉 —— 你看得见, 报错里也写了原因;
嵌在 content / system 里的 cache_control 是静默丢掉的 —— 请求照常成功、响应看起来完全正常,只是提示缓存从来没有命中过。账单可能因此翻几倍,而不会有任何报错告诉你。

后一种正是这个端点存在的全部理由。其余场景两套没有区别,继续用你现在那套即可。

鉴权:同一把密钥

x-api-key: 你的密钥

Anthropic SDK 与 Claude Code 发的就是这个头。Authorization: Bearer 也接受; 两个都给时以 x-api-key 为准。

密钥、租户、余额、套餐、预算与 OpenAI 那套完全共用 —— 不需要另外申请, 用量也记在同一个账上。

请求与响应

标准 Anthropic Messages 形状,model / messages / max_tokens 必填 (max_tokens 在这个协议里本来就是必填的)。

响应原样返回,不会被翻译成 chat.completion。流式是原生 Anthropic 事件流 (message_start / content_block_delta / message_delta / message_stop), 没有 data: [DONE] —— 那是 OpenAI 方言,别按它写收尾判断。

⚠️ 三处与官方不同的行为

1. 余额不足报的是 429

Anthropic 协议里没有"余额不足"这个错误类型,所以余额不足、配额用尽、密钥预算到顶,在这个端点上一律是:

{"type":"error","error":{"type":"rate_limit_error","message":"…"}}

收到 429 时先看余额,不要照着限流去重试。 message 里会写明这是账务限制、重试没用。(SDK 通常只重试两次就把 message 抛给你,所以那句话是给你看的。)

2. 这个端点上的模型是子集

只有配了 anthropic 上游的模型能在这里调。模型名对、但这个端点没有它时, 返回 404 not_found_error,message 里会指向 /v1/chat/completions。

404 和 503 是两回事,下一步正好相反:

404 not_found_error —— 这个模型有上游在服务,但那些上游服务不了这个端点 (它没有配 anthropic 类上游)。这是永久的,重试没有意义:换一个模型, 或者改走 /v1/chat/completions(message 里会指路)。不是你模型名写错了。
503 overloaded_error —— 模型是这个端点的,只是此刻一个可用上游都没有 (冷却中,或者被限流挡住)。这是暂时的,应当重试 —— 响应里带 Retry-After, 按它退避即可,通常分钟级自愈。

3. 两类字段会被 400 拒掉

被拒的	为什么
server tools(`web_search`、`code_execution` 等,即 `tools` 里不带 `input_schema` 的条目)	上游按次另外收费,不在 token 用量里,而我们的价目表只按 token 计
`cache_control.ttl` 不是 `5m`	1 小时档的写入价约为 5 分钟档的两倍,而价目表只有一档

自定义工具(带 input_schema 的)照常放行 —— function calling 不受影响。被拒时 message 会说明原因。

列模型

GET /v1/models 带上 anthropic-version 头时,返回 Anthropic 形状, 而且只列这个端点真能服务的那些:

{"data":[{"type":"model","id":"…"}],"has_more":false}

不带这个头时,返回原来的 OpenAI 形状与全集,一个字节都没变。

数 token

POST /v1/messages/count_tokens 返回 {"input_tokens": N}。

不计费,也不写进用量明细;但它会打到上游,所以计入你的请求频率。拿它在循环里探测长度是可以的,别把它当成免费的无限调用。