OpenAIまたはOpenRouterから無検閲のAI APIへ移行する
小さなテストクライアントでベースURL、APIキー、モデルIDを変更することで移行を開始します。本番トラフィックを切り替える前に、既存のプロンプトの保存されたセットを実行してください。互換性のあるリクエスト形式が、同じ回答を意味するわけではありません。このガイドでは、設定、ストリーミング、ツール呼び出し、LangChain や LlamaIndex で繰り返すチェックについて説明します。

主要ポイント
- 次の3つの値のみを変更してください:ベース URL https://api.uncensoredaiapis.com/v1,、新しい API キー、およびモデル「uncensored」
- チャット補完、ストリーミング、関数呼び出しは OpenAI 形式で動作します。埋め込み、画像、音声、ファインチューニングは存在しません。
- ベースURL、キー、モデルを環境変数に設定し、古いバックエンドと新しいバックエンドを並行して実行させ、ロールバックをファイルの入れ替えだけで行えるようにします。
- max_tokens を明示的に設定し、切り替え前に 100,000 トークンのコンテキストウィンドウを見越して計画してください。
切り替え時の変更点
アプリがすでにOpenAIまたはOpenRouterのチャット完了APIと通信している場合、この無検閲AI APIへの移行は書き直しではなく設定変更です。3つの値が変更され、リクエストコードの他の部分はそのままです:ベースURL、APIキー、およびモデル名。
| 設定 | 変更前 | 変更後 |
|---|---|---|
| ベース URL | OpenAIまたはOpenRouterのURL | https://api.uncensoredaiapis.com/v1 |
| 認証 | 現在のサービスからのキー | こちらのアカウントから取得したキー。Authorization: Bearer <key>として送信されます |
| モデル | GPTまたはルーティングされたモデル名などのモデルID | uncensored |
| エンドポイント | /chat/completions | 同じ:POST /v1/chat/completions |
モデルは1つだけなので、選択できるモデルカタログはありません。GET /v1/modelsが存在し、それをリスト表示するため、それを呼び出すSDKヘルパーやヘルスチェックが動作し続けます。メッセージ、ストリーミング、ツール呼び出しは、すでに送信しているのと同じOpenAI形式を使用します。このページは実践的なガイドです。OpenRouterとのコスト、レイテンシ、プライバシーの比較が必要な場合は、代わりにOpenRouter無検閲モデル記事をお読みください。
最小限のPython差分は以下の通りです。呼び出しの他の部分は変更されません。
import os
from openai import OpenAI
# before
# client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])
# model = "gpt-4o"
# after
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
model = "uncensored"
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Say hello in five words."}],
max_tokens=50,
)
print(resp.choices[0].message.content)OpenRouterユーザーの場合も同様です:OpenRouterのベースURLとキーを置き換え、ヘッダーやリクエストボディに渡したルーティング固有の余分なパラメータを削除してください(以下の互換性テーブル参照)。
パラメータと機能の互換性
チャットアプリで重要なのは表面です。表は、サポートされているとして文書化されているもの、依存する前にテスト呼び出しで確認すべきもの、そして全く存在しないものを区別しています。疑問がある場合は、他のサービスとの互換性を仮定するのではなく、ステージング環境でリクエストを送信し、応答を比較してください。
| 項目 | コード | 注記 |
|---|---|---|
model | サポート | uncensoredを使用します。モデルは1つだけです。 |
messages(system、user、assistant、toolロール) | サポート | 標準的な OpenAI メッセージ形式。コンテキストウィンドウは、プロンプトと補完で合わせて 100,000 トークンです。 |
max_tokens | サポート | 100,000トークンのコンテキストウィンドウの範囲内まで。 |
stream: true | サポート | サーバー送信イベント。最終的な使用量チャンクは自動的に追加されます。 |
tools、tool_choice、ロールtoolメッセージ | サポート | OpenAI関数呼び出し形式。 |
サンプリングとストップオプション(temperature、top_p、stop、および類似のもの) | サポート | 標準的なOpenAIフィールド。送信されたまま渡されます。切り替え後にtemperatureを再調整してください:同じ値でも新しいモデルでは異なるように感じられる場合があります。 |
| ルーティングの追加情報:フォールバックモデルリスト、ルーティング優先順位、アプリ属性ヘッダー | 利用不可 | モデルが1つだけなので、ルーティングする対象はありません。リクエストと設定からこれらを取り除いてください。 |
| 埋め込み | 利用不可 | RAGパイプラインには別の埋め込みソースを維持してください。 |
| 画像生成、ビジョン、オーディオ、ビデオ | 利用不可 | APIはテキストのみです。 |
| ファインチューニング | 利用不可 | ファインチューニングエンドポイントはありません。システムプロンプトで動作を調整してください。 |
実用的な結果として、埋め込みによる検索を使用するパイプラインには2つのクライアントが必要です:既存の埋め込みサービス用と、ここでは生成用の1つです。これは通常の分離であり、次のセクションの環境変数アプローチはこれを整理したままに保ちます。
環境変数で並行実行
最も安全な移行は、両方のバックエンドを稼働させたままランタイムで1つを選択することです。異なる3つの値を環境変数に設定し、1か所で読み取ってください。そうすれば、リクエストコードを分岐させることなく、開発環境、トラフィックの割合、または単一機能を新しいAPIにルーティングできます。
# .env.openai
LLM_BASE_URL=your-current-base-url
LLM_API_KEY=paste-your-existing-key
LLM_MODEL=gpt-4o
# .env.uncensored
LLM_BASE_URL=https://api.uncensoredaiapis.com/v1
LLM_API_KEY=paste-your-key-here
LLM_MODEL=uncensored次に、単一のファクトリがクライアントを構築します。
import os
from openai import OpenAI
def make_client() -> tuple[OpenAI, str]:
client = OpenAI(
base_url=os.environ["LLM_BASE_URL"],
api_key=os.environ["LLM_API_KEY"],
)
return client, os.environ["LLM_MODEL"]
client, model = make_client()
resp = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": "Reply with the single word: ready"}],
max_tokens=10,
)
print(model, "->", resp.choices[0].message.content)Node.jsでの同じパターン:
import OpenAI from "openai";
export function makeClient() {
const client = new OpenAI({
baseURL: process.env.LLM_BASE_URL,
apiKey: process.env.LLM_API_KEY,
});
return { client, model: process.env.LLM_MODEL };
}
const { client, model } = makeClient();
const resp = await client.chat.completions.create({
model,
messages: [{ role: "user", content: "Reply with the single word: ready" }],
max_tokens: 10,
});
console.log(model, "->", resp.choices[0].message.content);動作を比較するには、両方の設定に対して同じプロンプトセットを実行します。例えば、テストコマンドの前に set -a; source .env.uncensored; set +a を実行します。変数名が汎用的であるため、最終的に古いバックエンドを廃止する際にコード変更は不要で、ロールバックもファイルの入れ替えだけで完了します。
LangChain、LlamaIndex、その他のOpenAI互換クライアント
OpenAIのベースURLを上書きできるフレームワークであれば、HTTP契約が同じであるため、このAPIと連携できます。ベースURL、キー、モデル名を渡すだけで、フレームワークが残りを行います。LangChainの場合、langchain_openai パッケージは ChatOpenAI を公開しています。
import os
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
max_tokens=500,
)
print(llm.invoke("Give me a one-line pitch for a noir detective game.").content)LlamaIndexの場合、チャット完了フォーマットを実装しているがOpenAIそのものではないサーバーを対象とした llama-index-llms-openai-like パッケージから、OpenAI互換のLLMクラスを使用してください。
import os
from llama_index.llms.openai_like import OpenAILike
llm = OpenAILike(
api_base="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
model="uncensored",
is_chat_model=True,
)
print(llm.complete("Give me a one-line pitch for a noir detective game."))フレームワーク設定において、2点覚えておく必要があります。まず、埋め込みモデルを呼び出す検索機能は、このAPIには埋め込み機能がないため、別の埋め込みソースが必要です。第二に、フレームワークは内部リストからモデル名を取得してコンテキストサイズやツールサポートを判断することがあります。未知のモデルに関する警告が表示された場合は外観上の問題ですが、フレームワークが想定するコンテキストウィンドウが100,000トークンを超えていないか確認してください。ライブラリ間でパラメータ名がわずかに異なるため(base_url、api_base、baseURL)、お使いのライブラリが使用するものを確認してください。カスタムOpenAIベースURLを受け付けるその他のツール(エディタプラグインやチャットフロントエンドなど)も、同じ3つの値のパターンに従います。
切り替え前のテストチェックリスト
ステージング環境でこのリストを順に実行してください。各項目は短時間で完了し、合わせて移行時の予期せぬ問題のほとんどを検出できます。
- 認証とルーティング。 キーを使用して
GET /v1/modelsを呼び出します。401はキーまたはヘッダーが間違っていることを意味し、404はパスが間違っていることを意味します。 - 基本的な補完。
max_tokensを設定して1行のプロンプトを送信し、choices[0].message.contentとusageが存在することを確認します。 - ストリーミング。
stream: trueで実際のUIパスを実行します。最終的なusageチャンクが空のchoicesリストを含む場合でも、パーサーが耐えられることを確認してください。 - ツール呼び出し。 完全な往復を実行します:リクエスト、
tool_calls、roletoolの返信、最終的な回答。ツール呼び出しのない返信をコードが処理できることを確認します。 - 長いプロンプト。 実際の最大値に近いプロンプトを送信します。プロンプト自体が 100,000 を超えると 400 が返されます。
max_tokensは残りのウィンドウに合わせて調整されます。 - エラー処理。 間違ったキー(401)をシミュレートします。アプリがJSON
error.codeを読み取り、402no_credit、403content_blocked、429、503upstream_busyを適切に処理することを確認します。 - 出力の品質とトーン。 実際のプロンププトのサンプルを再生し、現在のモデルへの応答と比較します。他のモデルの拒否や慎重な表現に合わせて調整されたプロンプトは、簡素化する必要がある場合があります。
- コスト追跡。
usageをログに記録します。入力は100万トークンあたり$0.15、出力は100万トークンあたり$0.50なので、既存のトークン数からの見積もりは簡単に再計算できます。
ストリーミング、ツール、リトライのステップの実行可能なバージョンについては、コード例ページ を参照してください。
一般的な落とし穴
古いモデル名のままにしておくこと。 最も頻繁な失敗は、まだ別のモデルIDを指定しているリクエストです。環境変数の例のように、設定からモデルを読み込み、ベースURLと一緒に移動するようにしてください。
古いキーの使用。 他のサービスのキーは 401 を返します。このサービスのキーは1つのアカウントに紐付けられており、アカウントごとに1つです。再生成すると以前のキーは即時無効化されるため、再生成後はすべてのデプロイメントを更新してください。
ベースURLに /v1 が含まれていないこと。 ベースURLは /v1 で終わる必要があります。SDKは /chat/completions を自動的に付加するため、この接尾辞のないベースURLは404エラーを生成します。
存在しない機能に依存すること。 埋め込み、画像、音声、ファインチューニングの呼び出しは失敗します。切り替え後にではなく、コードベースを事前に監査してください。
出力の上限を無視する。 max_tokens を設定しない場合、応答はコンテキストウィンドウの最後まで延長される可能性があります。他のサービスがデフォルトでより長い応答を返していた場合、小さな上限値が finish_reason: length で応答を早期に終了させる可能性があるため、値を明示的に設定してください。
コンテキストウィンドウのオーバーフロー。現在のモデルでより大きなウィンドウを持っていた場合、長い履歴はプロンプトと補完を合わせて100,000トークンを超え、400エラーを返す可能性があります。切り替え前にトリミングや要約を追加してください。
すべてを再試行する。429 と 503 のみ再試行します。402 は残高が枯渇したかトライアルが期限切れになったことを意味し、再試行しても効果はありません。料金ページに記載されている通り、チャージして続行してください。
コンテンツルール。 合法的な成人向けコンテンツやフィクションは拒否されませんが、未成年を含む性的コンテンツはフィクションやロールプレイでも常に403でブロックされます。サービスは成人向けかつ合法的な利用を目的としているため、関連する箇所で年齢制限を自社のプロダクトが実施していることを確認してください。
その他のガイド
質問と回答
OpenAIから切り替えるためにコードを書き換える必要がありますか?
通常は不要です。クライアント設定の base_url、api_key、モデル名を無検閲の値に変更してください。メッセージ形式、ストリーミング、ツール呼び出しは同じOpenAIフォーマットに従います。
このAPIと同時にOpenRouterを使い続けることはできますか?
はい。環境変数からベースURL、キー、モデルを読み込み、各環境やフィーチャを目的のバックエンドにポイントしてください。漸進的な移行の間、両方を並行して実行できます。
埋め込みや画像呼び出しはどうなりますか?
ここでは機能しません。このAPIはテキストのみで、埋め込み、画像、音声、動画、ファインチューニングがないため、それらのために別のソースを維持してください。
LangChainはこの無検閲AI APIと連携しますか?
はい。langchain_openai の ChatOpenAI を使用し、ベース URL を https://api.uncensoredaiapis.com/v1,、新しいキー、およびモデル="uncensored" に設定します。カスタム OpenAI ベース URL を受け付けるクライアントは、いずれも同じパターンに従います。