Python、Node.js、cURL での Uncensored AI API コード例
このページでは、OpenAIのチャット補完フォーマットに対応する無検閲AI APIのコードをコピー&ペーストで入手できます。Python、Node.js、cURLでの最初の呼び出し、SDKおよび生fetchによるストリーミング、関数呼び出し、429および503の再試行ロジック、マルチターン状態管理、max_tokensによるコスト制御が見つかります。

主要ポイント
- base_url を https://api.uncensoredaiapis.com/v1 に設定し、モデルを "uncensored" に設定した公式 openai SDK を使用してください。カスタムクライアントは必要ありません。
- ストリーミングは SSE チャンクを返し、最終的な使用量チャンクが空の choices リストとともに自動的に配信されます。
- 429 と 503 (upstream_busy) のみリトライします。400、401、402、403 はリトライではなく修正が必要です。
- API はステートレスです:各ターンで履歴を再送信し、max_tokens(オプション;未設定の場合、応答はウィンドウの最後まで実行されます)で出力を制限します。
初回呼び出し:Python、Node.js、cURL
例ではhttps://api.uncensoredaiapis.com/v1、モデルuncensored、およびPOST /v1/chat/completionsまたはGET /v1/modelsを使用しています。Authorization: Bearer <key>ヘッダーに現在のキーを送信します。必要に応じてアカウントを作成し、対象となる試用クレジットを請求し、リクエストを実行する前に表示された残高が準備できていることを確認してください。
例では API_KEY という名前の環境変数からキーを読み取ります。シェルで一度エクスポートすれば、スニペットの編集は不要です。キーをソースコードに貼り付けたり、ブラウザの JavaScript で配送したりしないでください。API はバックエンドから呼び出してください。
export API_KEY="paste-your-key-here"Python:公式の openai パッケージ (v1 以降) を使用。標準的な OpenAI 設定との相違点は base_url とモデル名だけです。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Write a two-line villain monologue."}],
max_tokens=200,
)
print(resp.choices[0].message.content)
print(resp.usage)Node.js:ES モジュールとして openai npm パッケージ (v4 以降) を使用。
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredaiapis.com/v1",
apiKey: process.env.API_KEY,
});
const resp = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Write a two-line villain monologue." }],
max_tokens: 200,
});
console.log(resp.choices[0].message.content);
console.log(resp.usage);そして生の cURL。これはキーが機能するか確認する最も簡単な方法です:
curl https://api.uncensoredaiapis.com/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "uncensored",
"messages": [{"role": "user", "content": "Write a two-line villain monologue."}],
"max_tokens": 200
}'レスポンスは通常の OpenAI の形式をしています:テキストは choices[0].message.content、プロンプトと完了トークンのカウントを含む usage オブジェクトです。これらにトークンごとの価格を乗じて支出を追跡できます。パラメータの完全なリストについては docs を参照してください。
SDK によるストリーミング (SSE)
stream: true を設定すると、API は 1 つの JSON 本文の代わりにサーバー送信イベントを返します。両方の公式 SDK はこれをイテレータに変換するため、コードはチャンクをループして各 delta を出力します。トークン usage を含む最終チャンクは自動的に追加されるため、リクエストする必要はありません。このチャンクには空の choices リストが含まれるため、読み取る前にインデックスをガードしてください。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
stream = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Describe a rainy harbor town in 120 words."}],
max_tokens=300,
stream=True,
)
for chunk in stream:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end="", flush=True)
if chunk.usage:
print("\n\nusage:", chunk.usage)Node.js バージョンでは for await を使用します:
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredaiapis.com/v1",
apiKey: process.env.API_KEY,
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Describe a rainy harbor town in 120 words." }],
max_tokens: 300,
stream: true,
});
for await (const chunk of stream) {
const text = chunk.choices?.[0]?.delta?.content;
if (text) process.stdout.write(text);
if (chunk.usage) console.log("\n\nusage:", chunk.usage);
}ストリーミングは料金体系を変更しません。同じ入力トークンと出力トークンに対して課金されますが、最初の応答をより早く受け取れるため、チャットやロールプレイインターフェースにおいて、500トークンの応答全体を待つのが遅く感じられる場合に役立ちます。
raw fetchによるストリーミング
SDK に依存したくない場合(エッジ関数や小さなスクリプトなど)、ストリームを自分で読み取ることができます。ワイヤーフォーマットはプレーンな SSE です。各イベントは data: で始まる行で、その後に JSON チャンクが続きます。イベントは空白行で区切られます。ネットワークチャンクはイベントの境界と一致しないため、バッファリングして改行で分割する必要があります。以下の例は Node 18 以降で実行可能(stream.mjs として保存)し、標準的な fetch と ReadableStream を備えたランタイムでも動作します。
const res = await fetch("https://api.uncensoredaiapis.com/v1/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "uncensored",
messages: [{ role: "user", content: "Tell a 100-word ghost story." }],
max_tokens: 250,
stream: true,
}),
});
if (!res.ok) {
throw new Error(`HTTP ${res.status}: ${await res.text()}`);
}
const decoder = new TextDecoder();
let buffer = "";
for await (const bytes of res.body) {
buffer += decoder.decode(bytes, { stream: true });
const lines = buffer.split("\n");
buffer = lines.pop(); // keep the incomplete tail for the next round
for (const line of lines) {
if (!line.startsWith("data:")) continue;
const data = line.slice(5).trim();
if (data === "[DONE]") continue;
const chunk = JSON.parse(data);
const text = chunk.choices?.[0]?.delta?.content;
if (text) process.stdout.write(text);
if (chunk.usage) console.log("\n\nusage:", chunk.usage);
}
}読み込みを開始する前に res.ok を確認してください。401、402、403 などのエラーは、イベントストリームではなく、error オブジェクトを含む通常の JSON 本文として配信されるため、それらを SSE として解析すると、何もない結果が静かに生成されます。ブラウザでは res.body.getReader() と同じロジックを使用できますが、ブラウザはシークレットキーでこの API を直接呼び出すのではなく、独自のバックエンドを呼び出す必要があることに注意してください。
ツールとtool_choiceによる関数呼び出し
ツール呼び出しは OpenAI フォーマットを使用します。tools で関数を記述し、モデルは実行を希望する場合にテキストの代わりに tool_calls で応答します。関数を自分で実行し、role: "tool" と一致する tool_call_id を持つメッセージとして結果を送信します。2 回目のリクエストで最終的な自然言語の回答が返されます。tool_choice は動作を制御します:"auto" はモデルに判断を委ね、"none" はツールを禁止し、{"type": "function", "function": {"name": "get_order_status"}} のようなオブジェクトはその関数を強制します。
import json
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
def get_order_status(order_id: str) -> dict:
# Replace with a real lookup.
return {"order_id": order_id, "status": "shipped", "eta_days": 2}
tools = [{
"type": "function",
"function": {
"name": "get_order_status",
"description": "Look up the shipping status of an order by its id.",
"parameters": {
"type": "object",
"properties": {"order_id": {"type": "string"}},
"required": ["order_id"],
},
},
}]
messages = [{"role": "user", "content": "Where is order A-1042?"}]
first = client.chat.completions.create(
model="uncensored",
messages=messages,
tools=tools,
tool_choice="auto",
max_tokens=500,
)
msg = first.choices[0].message
if msg.tool_calls:
messages.append(msg) # keep the assistant turn that contains tool_calls
for call in msg.tool_calls:
args = json.loads(call.function.arguments)
result = get_order_status(**args)
messages.append({
"role": "tool",
"tool_call_id": call.id,
"content": json.dumps(result),
})
final = client.chat.completions.create(
model="uncensored",
messages=messages,
tools=tools,
max_tokens=500,
)
print(final.choices[0].message.content)
else:
print(msg.content)Node.js での同じループ:
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.uncensoredaiapis.com/v1",
apiKey: process.env.API_KEY,
});
const getOrderStatus = ({ order_id }) => ({ order_id, status: "shipped", eta_days: 2 });
const tools = [{
type: "function",
function: {
name: "get_order_status",
description: "Look up the shipping status of an order by its id.",
parameters: {
type: "object",
properties: { order_id: { type: "string" } },
required: ["order_id"],
},
},
}];
const messages = [{ role: "user", content: "Where is order A-1042?" }];
const first = await client.chat.completions.create({
model: "uncensored", messages, tools, tool_choice: "auto", max_tokens: 500,
});
const msg = first.choices[0].message;
if (msg.tool_calls?.length) {
messages.push(msg);
for (const call of msg.tool_calls) {
const result = getOrderStatus(JSON.parse(call.function.arguments));
messages.push({ role: "tool", tool_call_id: call.id, content: JSON.stringify(result) });
}
const final = await client.chat.completions.create({
model: "uncensored", messages, tools, max_tokens: 500,
});
console.log(final.choices[0].message.content);
} else {
console.log(msg.content);
}実用的な注意点 2 つ。まず、arguments は言語モデルによって生成された JSON 文字列であるため、本番環境では常に json.loads をエラーハンドリングで囲み、データベースを操作する前にフィールドを検証してください。第二に、ツールの定義はすべてのリクエストで入力トークンとしてカウントされるため、説明文を短く保ち、現在のステップに関連するツールのみを送信してください。
429 と 503 でのバックオフによるリトライ
リトライに値するエラーが 2 つあります。429 はキーの 1 分あたり 300 リクエストの制限を超えたことを意味します。コードが upstream_busy の 503 は、サービスが一時的に飽和していることを意味し、数秒待つことが意図された対応です。400(リクエストを修正)、401(キーを修正)、402 no_credit(残高をチャージ)、403 content_blocked(リクエストは再びブロックされる)はリトライしません。エラーは {"error":{"code":...,"message":...}} という共通の JSON 形式を持つため、コードをそのままログに記録できます。
OpenAI SDK はデフォルトで接続エラー、429、5xx を数回リトライしますが、max_retries でその回数を増やすことができます。遅延を制御したい場合は、組み込みのリトライを無効にして呼び出しをラップし、並列ワーカーが同時にリトライしないように、ジッター付きの指数関数的バックオフを使用してください。
import os
import random
import time
from openai import OpenAI, APIStatusError, APIConnectionError
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
max_retries=0, # we handle retries ourselves
)
RETRYABLE = {429, 503}
def chat_with_retry(messages, max_attempts=5, **kwargs):
for attempt in range(max_attempts):
try:
return client.chat.completions.create(
model="uncensored", messages=messages, **kwargs
)
except APIStatusError as e:
if e.status_code not in RETRYABLE or attempt == max_attempts - 1:
raise
except APIConnectionError:
if attempt == max_attempts - 1:
raise
delay = min(30, 2 ** attempt) + random.uniform(0, 1)
time.sleep(delay)
resp = chat_with_retry(
[{"role": "user", "content": "Give me three names for a tavern."}],
max_tokens=100,
)
print(resp.choices[0].message.content)Node.js での生の fetch の同等コード:
const sleep = (ms) => new Promise((r) => setTimeout(r, ms));
async function chatWithRetry(body, maxAttempts = 5) {
for (let attempt = 0; attempt < maxAttempts; attempt++) {
const res = await fetch("https://api.uncensoredaiapis.com/v1/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({ model: "uncensored", ...body }),
});
if (res.ok) return res.json();
const retryable = res.status === 429 || res.status === 503;
if (!retryable || attempt === maxAttempts - 1) {
throw new Error(`HTTP ${res.status}: ${await res.text()}`);
}
const delay = Math.min(30000, 2 ** attempt * 1000) + Math.random() * 1000;
await sleep(delay);
}
}
const data = await chatWithRetry({
messages: [{ role: "user", content: "Give me three names for a tavern." }],
max_tokens: 100,
});
console.log(data.choices[0].message.content);429エラーを頻繁に受信する場合は、長いスリープよりも、小さなクライアント側の同時実行数の上限(セマフォ、または5〜10ワーカーを持つキュー)を設定する方が効果的な解決策となることが多いです。1分あたり300リクエストの場合、1秒あたり5リクエストを維持できますが、これはほとんどのアプリにとって十分です。
複数ターンの会話状態
API はステートレスです。以前の呼び出しを記憶しないため、モデルに見せたい履歴を含むすべての呼び出しを行う必要があります。メッセージのリストを保持し、ユーザーのターンを追加し、API を呼び出し、アシスタントの返信を追加し、これを繰り返します。インデックス 0 のシステムメッセージにはペルソナや指示が含まれており、毎回送信されます。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
messages = [
{"role": "system", "content": "You are a dry-witted ship's AI. Keep replies under 80 words."}
]
def say(text: str) -> str:
messages.append({"role": "user", "content": text})
resp = client.chat.completions.create(
model="uncensored", messages=messages, max_tokens=300
)
reply = resp.choices[0].message.content
messages.append({"role": "assistant", "content": reply})
return reply
print(say("We just lost the main engine. Options?"))
print(say("Which of those is the least risky?"))履歴全体が再送信されるため、入力コストはターンごとに増加します。コンテキストウィンドウは 100,000 トークンで、プロンプトと完了トークンを合わせてカバーするため、非常に長いセッションではプロンプトが制限を超えると最終的に 400 エラーが返され、prompt + max_tokens が制限を超えた場合は応答がウィンドウの末尾で止まります。一般的な戦略は、システムメッセージを常に保持しながら、最も古いユーザーとアシスタントのペアを削除するか、モデルに古いターンを要約させて短いメッセージに置き換えることです。会話 ID をキーとして履歴を独自のデータベースに保存し、再起動してもスレッドが失われないようにします。現実的なコスト見積もりを伴う長いセッションの例については、use cases page を参照してください。
max_tokens によるコスト制御
料金は入力 1M トークンあたり $0.15、出力 1M トークンあたり $0.50 で、前払い残高から差し引かれます。出力は入力の 約3.3倍の価格で、max_tokens は 1 回のリクエストの出力に対する任意の上限です。設定しない場合、応答はウィンドウの終わりまで続くことがあります。意図的に設定することが、最も簡単なコスト管理方法です。
最悪の場合の計算が役立ちます。出力に制限を設けない場合、応答はコンテキストウィンドウの最後まで達する可能性があり、出力のみで最大 100,000 × $0.50 / 1,000,000 = $0.05 かかることがあります。チャットのレスポンスに max_tokens を 300 に設定すると、最悪の場合 $0.00015 に減ります。1,500 の入力トークンと 300 の出力トークンを持つ典型的なターンは、約 $0.000225 プラス $0.00015 かかり、これは $0.001 未満です。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
INPUT_PER_M = 0.25
OUTPUT_PER_M = 1.00
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise the plot of Hamlet in 5 sentences."}],
max_tokens=250,
)
u = resp.usage
cost = u.prompt_tokens * INPUT_PER_M / 1_000_000 + u.completion_tokens * OUTPUT_PER_M / 1_000_000
print(f"in={u.prompt_tokens} out={u.completion_tokens} cost=${cost:.6f}")
print("finish_reason:", resp.choices[0].finish_reason)finish_reasonを確認してください。lengthの値は、返信が上限に達して切り捨てられたことを意味します。これが頻繁に発生する場合は、上限を引き上げるか、プロンプトで短い出力を依頼してください。上限のみを設定するとモデルが簡潔になるのではなく、単に切り捨てられるためです。単語数の目標などの指示と上限を組み合わせ、すべての呼び出しでusageをログに記録して、推測ではなく実際の平均値を確認してください。無料トライアルクレジットと残高の詳細は、料金ページにあります。
質問と回答
この無検閲 AI API には特別な SDK が必要ですか?
不要です。公式の openai Python パッケージ (v1+) と openai npm パッケージ (v4+) が動作します。base_url を https://api.uncensoredaiapis.com/v1, に設定し、キーを渡して、モデル ID に uncensored を使用してください。
ストリーミングにはトークン使用量が含まれますか?
はい。stream: true を設定すると、API は使用量を含む最終チャンクを自動的に追加します。このチャンクには空の choices 配列が含まれるため、delta を読み取る前に choices の存在を確認してください。
コードでどのエラーを再試行すべきですか?
指数関数的バックオフとジッターで 429(レート制限、キーあたり 1 分あたり 300 リクエスト)と 503 upstream_busy をリトライします。同じリクエストが再度失敗するため、400、401、402、403 はリトライしないでください。
呼び出しの間に会話履歴が保存されますか?
いいえ。各リクエストは独立しているため、毎回完全な messages リストを送信します。コンテキストウィンドウはプロンプトと completion を合わせて 100,000 トークンです。