Примеры кода API Uncensored AI на Python, Node.js и cURL
Эта страница содержит готовые примеры кода для API без цензуры, который поддерживает формат OpenAI chat completions. Вы найдёте первые примеры вызовов на Python, Node.js и cURL, потоковую передачу через SDK и чистый fetch, вызов функций, логику повторов для 429 и 503, управление состоянием в нескольких диалогах и контроль стоимости с помощью max_tokens.

Ключевые моменты
- Используйте официальный SDK openai, установив base_url в https://api.uncensoredaiapis.com/v1 и модель "uncensored"; отдельный клиент не требуется.
- Потоковая передача возвращает чанки SSE, а финальный чанк с использованием приходит автоматически с пустым списком choices.
- Повторяйте только 429 и 503 (upstream_busy); 400, 401, 402 и 403 требуют исправления, а не повторной попытки.
- API не сохраняет состояние: отправляйте историю каждый ход и ограничивайте длину вывода с помощью max_tokens (опционально; если не задано, ответ может занять весь контекстный окно).
Первые вызовы: Python, Node.js и cURL
В примерах используется https://api.uncensoredaiapis.com/v1, модель uncensored и эндпоинты POST /v1/chat/completions или GET /v1/models. Передайте ваш текущий ключ в заголовке Authorization: Bearer <key>. При необходимости создайте учётную запись, запросите доступный пробный кредит и убедитесь, что отображаемый баланс готов к использованию перед отправкой запросов.
Примеры считывают ключ из переменной окружения API_KEY. Экспортируйте её один раз в оболочке, и ни один из фрагментов кода не потребует редактирования. Никогда не вставляйте ключ в исходный код и не передавайте его в JavaScript браузера; вызывайте API с бэкенда.
export API_KEY="paste-your-key-here"Python, с использованием официального пакета openai (v1 или новее). Единственные отличия от стандартной настройки OpenAI — это base_url и имя модели.
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, с использованием пакета npm openai (v4 или новее) как ES-модуля.
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);И простой cURL, который является самым быстрым способом проверить работоспособность ключа:
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
}'Ответ имеет стандартную структуру OpenAI: choices[0].message.content для текста и объект usage с количеством токенов в промпте и completion, которые можно умножить на цену за токен для отслеживания расходов. Полный список параметров см. в документации.
Потоковая передача (SSE) с SDK
Установите stream: true, и API будет возвращать события, отправляемые сервером (SSE), вместо одного JSON-объекта. Оба официальных SDK преобразуют это в итератор, поэтому ваш код проходит по чанкам и выводит каждый delta. Финальный чанк с токеном usage добавляется автоматически; запрашивать его отдельно не нужно. В этом чанке список choices пуст, поэтому перед обращением к индексу добавьте проверку.
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)Версия Node.js использует for await:
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);
}Потоковая передача не меняет тарификацию. Вы платите за те же входные и выходные токены; вы просто видите первые слова раньше, что важно для интерфейсов чата и ролевых игр, где ожидание полного ответа в 500 токенов кажется долгим.
Потоковая передача через raw fetch
Если вы предпочитаете не зависеть от SDK, например, в граничной функции (edge function) или небольшом скрипте, вы можете обрабатывать поток самостоятельно. Формат передачи данных — чистый SSE: каждое событие — это строка, начинающаяся с data:, за которой следует JSON-чанк, а события разделяются пустыми строками. Сетевые чанки не совпадают с границами событий, поэтому необходимо буферизовать данные и разбивать их по символам новой строки. Приведённый ниже пример работает на Node 18 и новее (сохраните его как stream.mjs) и также работает в любой среде с поддержкой стандартного fetch и ReadableStream.
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);
}
}Проверяйте res.ok перед началом чтения. Ошибки, такие как 401, 402 или 403, приходят в виде обычного JSON-объекта с полем error, а не как поток событий, поэтому их парсинг как SSE приведёт к тихому отсутствию данных. В браузере вы можете использовать ту же логику с помощью res.body.getReader(), но помните, что браузер должен вызывать ваш собственный бэкенд, а не обращаться к этому API напрямую с секретным ключом.
Вызов функций с инструментами и tool_choice
Вызов функций использует формат OpenAI. Вы описываете функции в поле tools, модель отвечает полем tool_calls вместо текста, когда ей нужно выполнить вызов, вы самостоятельно исполняете функцию и отправляете результат обратно как сообщение с полем role: "tool" и соответствующим tool_call_id. Второй запрос затем возвращает окончательный ответ на естественном языке. Поле tool_choice управляет поведением: "auto" позволяет модели принять решение, "none" запрещает использование инструментов, а объект, такой как {"type": "function", "function": {"name": "get_order_status"}}, принудительно вызывает эту функцию.
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)Тот же цикл на Node.js:
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);
}Два практических замечания. Во-первых, поле arguments — это JSON-строка, сгенерированная языковой моделью, поэтому в продакшене всегда оборачивайте вызов json.loads в обработку ошибок и проверяйте поля перед обращением к базе данных. Во-вторых, определения инструментов учитываются как входные токены при каждом запросе, поэтому держите описания краткими и отправляйте только те инструменты, которые актуальны для текущего шага.
Повторные попытки с задержкой при 429 и 503
Стоит повторить два типа ошибок. 429 означает, что вы превысили лимит в 300 запросов в минуту для вашего ключа. 503 с кодом upstream_busy означает, что сервис временно перегружен; ожидаемая реакция — подождать несколько секунд. Не повторяйте 400 (исправьте запрос), 401 (исправьте ключ), 402 no_credit (пополните баланс) или 403 content_blocked (запрос будет заблокирован снова). Ошибки имеют единую структуру JSON, {"error":{"code":...,"message":...}}, поэтому вы можете сразу логировать код ошибки.
Официальные SDK OpenAI по умолчанию уже повторяют ошибки соединения, 429 и 5xx несколько раз, и вы можете увеличить это значение с помощью max_retries. Если вы хотите контролировать задержки, отключите встроенные повторы и оберните вызов самостоятельно, используя экспоненциальную задержку с разбросом (jitter), чтобы параллельные воркеры не повторяли запросы синхронно.
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)Аналогичный код с raw fetch в Node.js:
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);Если вы регулярно получаете 429, лучшим решением обычно является ограничение параллельных запросов на стороне клиента (семафор или очередь с пятью–десятью воркерами), а не увеличение задержек. При лимите 300 запросов в минуту можно поддерживать пять запросов в секунду, чего достаточно для большинства приложений.
Состояние многошагового разговора
API не сохраняет состояние. Он не запоминает предыдущие запросы, поэтому каждый вызов должен включать историю, которую вы хотите показать модели. Ведите список сообщений, добавляйте ход пользователя, вызывайте API, добавляйте ответ ассистента и повторяйте. Системное сообщение под индексом 0 содержит персону или инструкции и отправляется каждый раз.
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?"))Поскольку вся история отправляется заново, стоимость ввода растёт с каждым ходом. Контекстное окно составляет 100 000 токенов и включает промпт и completion вместе, поэтому в очень длинной сессии в конце вернётся ошибка 400, когда сам промпт превысит лимит (при prompt + max_tokens выше лимита ответ просто обрывается в конце окна). Распространённые стратегии: удалять самые старые сообщения пользователя и ассистента, всегда сохраняя системное сообщение, или просить модель суммировать старые ходы в одно короткое сообщение и заменять ими старые. Храните историю в собственной базе данных с ключом по идентификатору беседы, чтобы при перезапуске не потерять контекст. Примеры длинных сессий с реалистичными оценками стоимости см. на странице сценариев использования.
Контроль стоимости с помощью max_tokens
Стоимость составляет $0.15 за миллион входных токенов и $0.50 за миллион выходных токенов, списание происходит с предоплаченного баланса. Выходные данные примерно в 3,3 раза дороже входных, а max_tokens — это необязательный лимит на выходные данные для одного запроса. Если вы не установите его, ответ может занять весь контекстный window. Целенаправленная установка этого параметра — самый простой способ контроля затрат.
Расчёт в наихудшем случае помогает. Если не ограничивать вывод, ответ может занять всё окно контекста, поэтому только вывод может стоить до 100,000 × $0,50 / 1,000,000 = $0,05. Если вы установите max_tokens равным 300 для ответа в чате, стоимость в наихудшем случае снизится до $0,00015. Типичный ход с 1,500 входными токенами и 300 выходными токенами стоит примерно $0,000225 плюс $0,00015, что составляет менее $0,001.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.uncensoredaiapis.com/v1",
api_key=os.environ["API_KEY"],
)
INPUT_PER_M = 0.25
OUTPUT_PER_M = 1.00
resp = client.chat.completions.create(
model="uncensored",
messages=[{"role": "user", "content": "Summarise the plot of Hamlet in 5 sentences."}],
max_tokens=250,
)
u = resp.usage
cost = u.prompt_tokens * INPUT_PER_M / 1_000_000 + u.completion_tokens * OUTPUT_PER_M / 1_000_000
print(f"in={u.prompt_tokens} out={u.completion_tokens} cost=${cost:.6f}")
print("finish_reason:", resp.choices[0].finish_reason)Следите за полем finish_reason. Значение length означает, что ответ превысил ваш лимит и был обрезан; если это происходит часто, увеличьте лимит или попросите более короткий вывод в промпте, так как сам по себе лимит просто обрезает текст, а не делает модель более лаконичной. Сочетайте лимит с инструкциями, такими как целевое количество слов, и логируйте поле usage при каждом вызове, чтобы видеть реальные средние значения, а не гадать. Ваш бесплатный пробный баланс и детали баланса доступны на странице цен.
Вопросы и ответы
Нужен ли мне специальный SDK для этого API без цензуры?
Нет. Подходят официальный пакет openai для Python (v1+) и пакет openai для npm (v4+). Установите base_url в https://api.uncensoredaiapis.com/v1, передайте ключ и используйте идентификатор модели uncensored.
Включает ли потоковая передача использование токенов?
Да. При stream: true API добавляет финальный чанк, который автоматически содержит usage. В этом чанке массив choices пуст, поэтому проверяйте, что choices существует, прежде чем читать delta.
При каких ошибках мой код должен повторять запрос?
Повторяйте 429 (лимит запросов, 300 запросов в минуту на ключ) и 503 upstream_busy с экспоненциальной задержкой и разбросом (jitter). Не повторяйте 400, 401, 402 или 403, так как тот же запрос снова завершится ошибкой.
Сохраняется ли история разговора между вызовами?
Нет. Каждый запрос независим, поэтому вы каждый раз отправляете полный список сообщений. Контекстное окно составляет 100 000 токенов для промпта и completion вместе.
Ваш ключ — всего в одной форме
Создайте аккаунт, скопируйте ключ, измените базовый URL. Это вся настройка.