跳转到主要内容
FortAPI 同时支持两种 API 协议：经典的 OpenAI 兼容，和原生 Anthropic Claude 兼容。同一把 API key 在两边都能用。

OpenAI 协议

POST /v1/chat/completions —— 行业标准，几乎所有 SDK 和框架都支持。

Claude 协议

POST /v1/messages —— Anthropic 原生格式，支持 thinking 块和 MCP。

​
基础 URL

https://www.fortapi.com/v1
所有端点都挂在 /v1 下。鉴权通过 Authorization: Bearer sk-... 头。
用 OpenAI 协议时 base_url 要带 /v1（https://www.fortapi.com/v1）；用 Anthropic SDK 时 ANTHROPIC_BASE_URL 填到根域 不带 /v1（https://www.fortapi.com），SDK 会自己补 /v1/messages，多写 /v1 反而会 404。

​
OpenAI 协议

如果你的代码已经在用 OpenAI 官方 SDK 或兼容框架（LangChain、LlamaIndex、Vercel AI SDK 等），用这个协议。

​
端点

POST https://www.fortapi.com/v1/chat/completions

​
兼容性

请求/响应格式与 OpenAI Chat Completions API 完全一致。支持：
  • messages（角色 system / user / assistant / tool）
  • model —— 模型库里任意模型名（包括 Claude/Gemini/Grok，我们会自动转换协议）
  • stream: true 流式响应（Server-Sent Events）
  • tools / tool_choice —— function calling
  • temperature、top_p、max_tokens 等参数

​
Python 示例（OpenAI SDK）

from openai import OpenAI

client = OpenAI(
    api_key="sk-你的KEY",
    base_url="https://www.fortapi.com/v1",
)

response = client.chat.completions.create(
    model="你的模型名",  # 可用模型名见主站价格页面
    messages=[
        {"role": "system", "content": "你是一个友好的助手。"},
        {"role": "user", "content": "你好！你能做什么？"},
    ],
    temperature=0.7,
)

print(response.choices[0].message.content)
print(f"消耗 token: {response.usage.total_tokens}")

​
Node.js 示例（OpenAI SDK）

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "sk-你的KEY",
  baseURL: "https://www.fortapi.com/v1",
});

const response = await client.chat.completions.create({
  model: "你的模型名", // 用 OpenAI 协议调 Claude 也可以（可用模型名见主站价格页面）
  messages: [
    { role: "user", content: "用大白话解释量子纠缠。" },
  ],
});

console.log(response.choices[0].message.content);

​
curl 示例（带 streaming）

# 把 "你的模型名" 换成主站价格页面上的任意模型名
curl https://www.fortapi.com/v1/chat/completions \
  -H "Authorization: Bearer sk-你的KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "你的模型名",
    "messages": [{"role": "user", "content": "写一首关于代码的俳句。"}],
    "stream": true
  }'
把 你的模型名 换成主站价格页面上的任意模型名。

​
Claude 协议

如果你的代码用 Anthropic SDK，或者你需要 Claude 特有的功能（thinking 块、原生格式 tool calls），用这个协议。

​
端点

POST https://www.fortapi.com/v1/messages

​
兼容性

请求/响应格式与 Anthropic Messages API 完全一致。支持：
  • messages 数组（Claude 原生格式）
  • system 作为单独字段
  • model —— Claude 模型名或其他（我们会转成 Claude 协议）
  • max_tokens（Claude 必填）
  • stream: true
  • tools / tool_choice
  • thinking —— 推理模型的思考模式

​
Python 示例（Anthropic SDK）

from anthropic import Anthropic

client = Anthropic(
    api_key="sk-你的KEY",
    base_url="https://www.fortapi.com",
)

response = client.messages.create(
    model="你的模型名",  # 可用模型名见主站价格页面
    max_tokens=1024,
    system="你是一个技术专家。",
    messages=[
        {"role": "user", "content": "什么是 CAP 定理？"},
    ],
)

print(response.content[0].text)
print(f"消耗：input={response.usage.input_tokens}, output={response.usage.output_tokens}")

​
Node.js 示例（Anthropic SDK）

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: "sk-你的KEY",
  baseURL: "https://www.fortapi.com",
});

const response = await client.messages.create({
  model: "你的模型名", // 可用模型名见主站价格页面
  max_tokens: 1024,
  messages: [
    { role: "user", content: "解释 Rust borrow checker 的工作原理。" },
  ],
});

console.log(response.content[0].text);

​
curl 示例

# 把 "你的模型名" 换成主站价格页面上的任意模型名
curl https://www.fortapi.com/v1/messages \
  -H "x-api-key: sk-你的KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "你的模型名",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "写一首关于代码的俳句。"}]
  }'
把 你的模型名 换成主站价格页面上的任意模型名。
Anthropic SDK 用的是 x-api-key 头，不是 Authorization: Bearer。FortAPI 在 /v1/messages 端点上 两种头都接受。

​
该选哪个协议

场景用
已经在用 OpenAI SDK / LangChain / LlamaIndexOpenAI 协议
写原生 Anthropic 代码，需要 thinking 块Claude 协议
现有 OpenAI 代码想调 ClaudeOpenAI 协议（我们会转换）
Anthropic SDK 想调 GPT 模型Claude 协议（我们会转换）
不管哪个 —— 同一把 API key，每 token 同价，余额同账户。

​
更多用法

下面用 OpenAI 协议演示，Claude 协议的等价写法见各自 SDK 文档。

​
流式响应（消费 SSE）

开 stream: true 后，响应是一串 Server-Sent Events：每行以 data: 开头，最后以 data: [DONE] 收尾。官方 SDK 已经替你解析好，直接遍历即可。 
stream = client.chat.completions.create(
    model="你的模型名",  # 可用模型名见主站价格页面
    messages=[{"role": "user", "content": "从 1 数到 5"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

const stream = await client.chat.completions.create({
  model: "你的模型名", // 可用模型名见主站价格页面
  messages: [{ role: "user", content: "从 1 数到 5" }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content || "");
}

​
工具调用（function calling）

模型决定要调用哪个函数并返回参数，你在本地执行函数，再把结果作为 role: "tool" 消息回传，模型据此产出最终回答。 
tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "查询某个城市的当前天气",
        "parameters": {
            "type": "object",
            "properties": {"city": {"type": "string"}},
            "required": ["city"],
        },
    },
}]

messages = [{"role": "user", "content": "北京现在天气怎么样？"}]
resp = client.chat.completions.create(
    model="你的模型名",  # 需为支持工具调用的模型，可用模型名见主站价格页面
    messages=messages,
    tools=tools,
    tool_choice="auto",
)

msg = resp.choices[0].message
if msg.tool_calls:
    call = msg.tool_calls[0]
    # 自己执行函数（这里用假数据），把结果回传
    messages.append(msg)
    messages.append({
        "role": "tool",
        "tool_call_id": call.id,
        "content": '{"temp": "26°C", "weather": "晴"}',
    })
    final = client.chat.completions.create(model="你的模型名", messages=messages)
    print(final.choices[0].message.content)

​
视觉 / 多模态

把一条 user 消息的 content 写成数组，混入 image_url。图片可以是 URL，也可以是 data: base64： 
response = client.chat.completions.create(
    model="你的模型名",  # 需为支持视觉的模型，可用模型名见主站价格页面
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "这张图里有什么？"},
            {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}},
            # base64：{"url": "data:image/jpeg;base64,<BASE64_DATA>"}
        ],
    }],
)
print(response.choices[0].message.content)

​
嵌入向量 / 图片 / 音频

emb = client.embeddings.create(
    model="你的模型名",  # 需为嵌入模型，可用模型名见主站价格页面
    input="要向量化的文本",
)
print(len(emb.data[0].embedding))

img = client.images.generate(
    model="你的模型名",  # 需为绘图模型，可用模型名见主站价格页面
    prompt="一只在敲代码的柴犬，扁平插画风",
    size="1024x1024",
)
print(img.data[0].url)

curl https://www.fortapi.com/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-你的KEY" \
  -F file=@audio.mp3 \
  -F model="你的模型名"

curl https://www.fortapi.com/v1/audio/speech \
  -H "Authorization: Bearer sk-你的KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"你的模型名","input":"你好，世界","voice":"alloy"}' \
  --output speech.mp3

​
全部端点

方法路径用途
POST/v1/chat/completionsOpenAI Chat Completions
POST/v1/messagesClaude Messages（Anthropic 原生）
POST/v1/responsesOpenAI Responses API
POST/v1/embeddings嵌入向量（OpenAI 兼容）
POST/v1/images/generations图片生成（OpenAI 兼容）
POST/v1/audio/transcriptions语音转文字
POST/v1/audio/speech文字转语音（TTS）
POST/v1/rerank重排序
POST/v1/moderations内容审核
POST/v1/video/generations视频生成
GET/v1/models模型列表
POST/v1beta/models/*Gemini 原生协议
POST/mj/*Midjourney 绘图
POST/suno/*Suno 音乐生成
完整带模型清单的列表在主站「价格」页看。具体到每个端点支持哪些模型，以价格页与控制台「模型」列表为准。