몇 분 안에 Uncensored LLM API 통합

공식 OpenAI SDK 설치

프로젝트 환경에 클라이언트 라이브러리를 추가하는 것으로 시작하세요. 이는 사용자 정의 HTTP 로직 없이 표준 요청 형식 및 스트리밍 프로토콜과의 호환성을 보장합니다.

패키지는 인증 헤더와 JSON 직렬화를 자동으로 처리합니다. 워크스페이스에서 종속성이 해결되면 구성으로 진행할 수 있습니다.

Copyfrom openai import OpenAI

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

기본 URL 및 API 키 구성

다음을 설정하여 트래픽을 엔드포인트로 직접 연결하세요. base_url 변수를 사용하여 고유한 API 키를 클라이언트 인스턴스에 주입하세요. 이 간단한 변경만으로 코드 구조를 수정하지 않고도 요청을 최적화된 uncensored 모델로 라우팅할 수 있습니다.

연결성 확인 호출 /v1/models 엔드포인트입니다. 이 시스템은 사용 가능한 모델 식별자를 반환하여 자격 증명이 유효하고 네트워크 경로가 열려 있음을 확인합니다.

Copycurl https://api.unlimitedllmapi.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "list all available endpoints for user authentication"}]
  }'

첫 번째 채팅 완료 요청 보내기

모델 ID를 사용하여 표준 채팅 완료 페이로드를 구성합니다. uncensored 원하는 메시지 배열을 사용합니다. API는 텍스트 입력을 처리하고 생성된 텍스트를 반환하며, 다음과 같은 파라미터를 지원합니다. temperature 및 top_p 어조 조정을 위해 사용합니다.

요청 본문이 8 MB 제한 내에 있도록 하세요. 시스템은 표준 JSON 객체를 받아 애플리케이션이 즉시 구문 분석할 수 있는 구조화된 응답을 반환합니다.

Copyimport OpenAI from "openai";

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

스트리밍 응답 및 토큰 사용량 처리

스트리밍을 활성화하려면 stream flag를 true로 설정하십시오. 이는 SSE 청크를 반환하여 인터페이스가 생성되는 대로 토큰을 단계적으로 표시할 수 있게 합니다.

토큰 사용량 통계는 스트림의 마지막 청크에 나타납니다. 이 접근 방식은 실제 소비를 기준으로 청구를 정확히 유지하면서 사용자의 지각된 지연 시간을 줄입니다.

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)

함수 호출 및 JSON 모드 활성화

구조화된 출력을 활성화하려면 response_format 수신하여 {"type": "json_object"}. 이는 모델이 엄격하게 유효한 JSON을 반환하도록 강제하며, 이는 프론트엔드 폼이나 백엔드 서비스와의 신뢰할 수 있는 통합에 필수적입니다.

요청 본문에 도구를 정의하여 함수 호출을 활성화할 수 있습니다. 모델은 특정 함수 이름과 인수를 반환하여 코드가 사용자 의도에 따라 외부 로직을 실행할 수 있도록 합니다.

속도 제한 및 컨텍스트 윈도우 이해하기

API 키는 분당 300개의 요청과 최대 8개의 동시 요청을 지원합니다. 이러한 한계를 초과하면 시스템은 창이 초기화될 때까지 429 오류를 반환합니다.

컨텍스트 윈도우는 프롬프트와 completion을 합쳐 총 100,000개의 토큰을 허용합니다. 출력은 요청당 16,000개 토큰으로 제한되며, 지정하지 않을 경우 2,048개 토큰입니다. max_tokens오류와 거부는 크레딧을 소비하지 않습니다.