Протокол OpenAI Compatible

Протокол, совместимый с OpenAI, является наиболее широко поддерживаемым стандартом AI API в отрасли. RouteAPI полностью реализует спецификацию OpenAI API, что позволяет вам легко интегрироваться с существующими SDK, инструментами и клиентами OpenAI, просто изменив Base URL и API Key.

Обзор протокола

OpenAI API определяет стандартизированный набор REST интерфейсов для генерации диалогов, текстовых эмбеддингов, списка моделей и других возможностей. Его основное преимущество заключается в зрелой экосистеме: официальные SDK OpenAI, LangChain, LiteLLM, Cursor и различные ассистенты для программирования нативно поддерживают этот протокол.

Область совместимости RouteAPI:

Полная совместимость с эндпоинтами OpenAI Chat Completions, Responses, Embeddings и Models
Единообразная аутентификация с использованием заголовков запроса Authorization: Bearer
Единообразные форматы запросов/ответов, включая потоковую передачу SSE и структуры ошибок
Более широкий диапазон ID моделей, можно вызывать OpenAI, Claude, Gemini, Mistral и других провайдеров
Сохранение явных нулевых значений параметров, явно переданные 0 / false не отбрасываются

Миграция с официального OpenAI API на RouteAPI требует только двух изменений в конфигурации:

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-routeapi-token",        # Переключить на RouteAPI Token
    base_url="https://api.routeapi.ai/v1"   # Переключить на RouteAPI Base URL
)

Весь остальной код остается неизменным.

Base URL

https://api.routeapi.ai/v1

Все эндпоинты, совместимые с OpenAI, используют этот базовый URL. Если вашему клиенту или SDK требуется полный URL, просто добавьте путь эндпоинта, например, https://api.routeapi.ai/v1/chat/completions.

Аутентификация

Идентична официальному OpenAI API, с использованием HTTP заголовка запроса Authorization:

Authorization: Bearer sk-your-routeapi-token
Content-Type: application/json

RouteAPI токены начинаются с sk- и генерируются на странице API Keys в консоли. Храните токены на стороне сервера и не раскрывайте их в браузерах, мобильных приложениях или публичных репозиториях.

Обзор поддерживаемых эндпоинтов

Эндпоинт	Назначение	Подробная документация
`/v1/chat/completions`	Генерация диалогов, поддерживает многооборотные диалоги, вызовы инструментов, структурированный вывод	Chat Completions
`/v1/responses`	Протокол OpenAI Responses, подходит для агентов программирования и фреймворков приложений нового поколения	Responses
`/v1/embeddings`	Векторные эмбеддинги текста для семантического поиска, RAG, расчета сходства	Embeddings
`/v1/models`	Получить список моделей, доступных для текущей учетной записи	Ниже на этой странице

Сравнение вариантов использования

Сценарий	Рекомендуемый эндпоинт	Причина
Общий чат, Q&A, резюмирование, классификация	`/v1/chat/completions`	Наиболее зрелая экосистема, самая широкая совместимость
Агенты программирования (Cursor, Claude Code, Copilot)	`/v1/responses` или `/v1/chat/completions`	Зависит от протокола, нативно поддерживаемого клиентом
Многооборотный диалог, история разговоров	`/v1/chat/completions`	Массив `messages` естественно поддерживает несколько раундов
Вызов инструментов, вызов функций	`/v1/chat/completions`	Наиболее стандартная структура определения инструментов и передачи результатов
Семантический поиск, RAG, поиск документов	`/v1/embeddings`	Возвращает векторные представления
Структурированный вывод, JSON Schema	`/v1/chat/completions` или `/v1/responses`	Управляется через параметр `response_format`

Конкретный выбор эндпоинта должен отдавать приоритет нативной поддержке клиента и SDK. Если клиент явно требует определенный протокол, следуйте требованиям клиента.

Конфигурация SDK

OpenAI Python SDK

Установка:

pip install openai

Настройка RouteAPI:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ROUTEAPI_KEY"],
    base_url="https://api.routeapi.ai/v1"
)

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[
        {"role": "user", "content": "Пожалуйста, представьте RouteAPI одним предложением"}
    ]
)

print(response.choices[0].message.content)

Необходимо установить только параметры api_key и base_url; весь остальной код идентичен официальному API.

OpenAI Node.js SDK

Установка:

npm install openai

Настройка RouteAPI:

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.ROUTEAPI_KEY,
  baseURL: 'https://api.routeapi.ai/v1'
});

const response = await client.chat.completions.create({
  model: 'gpt-5.5',
  messages: [
    { role: 'user', content: 'Пожалуйста, представьте RouteAPI одним предложением' }
  ]
});

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

LangChain

Класс ChatOpenAI в LangChain поддерживает настраиваемый base_url:

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="gpt-5.5",
    openai_api_key=os.environ["ROUTEAPI_KEY"],
    openai_api_base="https://api.routeapi.ai/v1"
)

response = llm.invoke("Пожалуйста, представьте RouteAPI одним предложением")
print(response.content)

LiteLLM

Функция completion() в LiteLLM поддерживает настраиваемый api_base:

import litellm

response = litellm.completion(
    model="gpt-5.5",
    messages=[{"role": "user", "content": "Пожалуйста, представьте RouteAPI одним предложением"}],
    api_key=os.environ["ROUTEAPI_KEY"],
    api_base="https://api.routeapi.ai/v1"
)

print(response.choices[0].message.content)

Другие совместимые клиенты

Любой клиент, инструмент или фреймворк, поддерживающий OpenAI API, может интегрироваться с RouteAPI через следующую конфигурацию:

API Key установить на RouteAPI Token (начинается с sk-)
Base URL установить на https://api.routeapi.ai/v1
Model ID использовать имена моделей, поддерживаемые RouteAPI (запрос через /v1/models)

Основные параметры запроса

Основные эндпоинты протокола, совместимого с OpenAI, имеют общий набор ключевых параметров. Ниже приведена справочная таблица для общих параметров; подробные объяснения находятся в специальной документации каждого эндпоинта.

Параметры Chat Completions

Параметр	Тип	Обязательный	Описание
`model`	string	Да	ID модели, должна быть доступна для текущей учетной записи
`messages`	array	Да	Список сообщений диалога, каждое сообщение содержит `role` и `content`
`stream`	boolean	Нет	Использовать ли потоковый вывод SSE, по умолчанию `false`
`temperature`	number	Нет	Температура выборки, диапазон от `0` до `2`, по умолчанию `1`
`top_p`	number	Нет	Параметр nucleus sampling, диапазон от `0` до `1`
`max_tokens`	number	Нет	Максимальное количество выходных токенов (устаревшее имя параметра, все еще требуется некоторыми моделями)
`max_completion_tokens`	number	Нет	Максимальное количество выходных токенов (новое имя параметра)
`tools`	array	Нет	Список определений инструментов для вызова функций
`tool_choice`	string/object	Нет	Стратегия выбора инструмента (`auto` / `required` / `none` / конкретный инструмент)
`response_format`	object	Нет	Ограничение формата вывода (режим JSON / JSON Schema)
`stream_options`	object	Нет	Дополнительные опции потоковой передачи, такие как `include_usage`
`stop`	string/array	Нет	Пользовательские последовательности остановки
`presence_penalty`	number	Нет	Штраф за присутствие, диапазон от `-2` до `2`
`frequency_penalty`	number	Нет	Штраф за частоту, диапазон от `-2` до `2`
`user`	string	Нет	Идентификатор конечного пользователя для обнаружения злоупотреблений

Для подробных объяснений и дополнительных параметров обратитесь к документации Chat Completions.

Параметры Embeddings

Параметр	Тип	Обязательный	Описание
`model`	string	Да	ID модели эмбеддингов
`input`	string/array	Да	Текст для встраивания, поддерживает одну строку или массив строк
`encoding_format`	string	Нет	Формат возврата, `float` (по умолчанию) или `base64`
`dimensions`	number	Нет	Размерность выходного вектора, зависит от поддержки модели
`user`	string	Нет	Идентификатор конечного пользователя

Для подробных объяснений обратитесь к документации Embeddings.

Форматы ответов

Стандартный ответ (не потоковый)

Пример стандартного ответа Chat Completions:

{
  "id": "chatcmpl_xxx",
  "object": "chat.completion",
  "created": 1730000000,
  "model": "gpt-5.5",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "RouteAPI — это API-шлюз, объединяющий доступ к нескольким провайдерам моделей AI."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 24,
    "completion_tokens": 18,
    "total_tokens": 42
  }
}

Ключевые поля:

choices[0].message.content — текстовый ответ модели
choices[0].finish_reason — причина завершения (stop / length / tool_calls / content_filter)
usage — статистика использования токенов

Потоковый ответ (SSE)

Установка stream: true возвращает инкрементные данные в формате Server-Sent Events (SSE):

data: {"id":"chatcmpl_xxx","object":"chat.completion.chunk","created":1730000000,"model":"gpt-5.5","choices":[{"index":0,"delta":{"role":"assistant","content":""},"finish_reason":null}]}

data: {"id":"chatcmpl_xxx","object":"chat.completion.chunk","created":1730000000,"model":"gpt-5.5","choices":[{"index":0,"delta":{"content":"RouteAPI"},"finish_reason":null}]}

data: {"id":"chatcmpl_xxx","object":"chat.completion.chunk","created":1730000000,"model":"gpt-5.5","choices":[{"index":0,"delta":{"content":" —"},"finish_reason":null}]}

data: {"id":"chatcmpl_xxx","object":"chat.completion.chunk","created":1730000000,"model":"gpt-5.5","choices":[{"index":0,"delta":{},"finish_reason":"stop"}],"usage":{"prompt_tokens":24,"completion_tokens":18,"total_tokens":42}}

data: [DONE]

Характеристики потокового ответа:

Каждая строка начинается с data: , за которой следует объект JSON
Инкрементный контент находится в choices[0].delta.content
При завершении finish_reason не равен null
Последняя строка — data: [DONE]

Если вам нужна статистика использования токенов в потоковом режиме, установите stream_options: { "include_usage": true }, и информация об использовании будет возвращена в последнем фрагменте данных.

Ответ с ошибкой

Ответы с ошибками следуют стандартному формату OpenAI:

{
  "error": {
    "message": "Invalid API key provided",
    "type": "invalid_request_error",
    "code": "invalid_api_key"
  }
}

Распространенные типы ошибок:

HTTP код статуса	type	Описание
401	`invalid_request_error`	Недействительный или отсутствующий API Key
429	`rate_limit_error`	Превышен лимит скорости
500	`api_error`	Внутренняя ошибка сервера
503	`overloaded_error`	Сервис перегружен

Для подробной обработки ошибок обратитесь к документации по обработке ошибок.

Отличия от официального OpenAI API

Протокол RouteAPI, совместимый с OpenAI, полностью совместим на уровне протокола, но имеет некоторые отличия в возможностях моделей, биллинге и ограничении скорости:

Более широкий диапазон ID моделей

Официальный OpenAI API может вызывать только собственные модели OpenAI (gpt-4o, gpt-5.5 и т.д.). RouteAPI поддерживает модели от нескольких провайдеров:

OpenAI: gpt-4o, gpt-5.5, o3-mini и т.д.
Anthropic Claude: claude-sonnet-4-5, claude-opus-4 и т.д.
Google Gemini: gemini-2.0-flash, gemini-2.5-pro и т.д.
Mistral: mistral-large, mistral-small и т.д.
Другие: DeepSeek, Qwen, LLaMA и т.д.

Запросите полный список моделей, доступных для текущей учетной записи, через эндпоинт /v1/models.

Биллинг и ограничение скорости управляются RouteAPI

Биллинг: Оплата согласно прайс-листу RouteAPI, который может отличаться от официальных цен вышестоящих провайдеров
Ограничение скорости: Контролируется политиками ограничения скорости RouteAPI, а не лимитами вышестоящих провайдеров
Квоты: Баланс учетной записи и квоты управляются RouteAPI, пополнение и просмотр в консоли

Поддержка параметров зависит от базовой модели

Протокол, совместимый с OpenAI, определяет полный набор параметров, но фактическая поддержка зависит от выбранной модели:

Возможность	Описание
Вызов инструментов (`tools`)	Зависит от того, поддерживает ли модель вызов функций
Структурированный вывод (`response_format`)	Зависит от того, поддерживает ли модель режим JSON или JSON Schema
Визуальный ввод (`image_url`)	Зависит от того, поддерживает ли модель мультимодальный ввод
Использование при потоковой передаче (`stream_options.include_usage`)	Зависит от того, поддерживают ли модель и канал статистику использования при потоковой передаче
Управление рассуждениями (`reasoning_effort`)	Поддерживается только некоторыми моделями рассуждений

Рекомендуется проверить поддержку выбранной моделью ключевых параметров в тестовой среде перед включением в продакшн.

Обработка явных нулевых значений параметров

Это тонкое, но важное отличие. В протоколе, совместимом с OpenAI, если необязательные параметры явно переданы как 0, 0.0 или false, RouteAPI рассматривает их как явную настройку пользователя, а не отбрасывает как значения по умолчанию.

Например:

{
  "model": "gpt-5.5",
  "messages": [...],
  "temperature": 0,
  "top_p": 1.0
}

Здесь temperature: 0 будет сохранен и передан вышестоящей модели, а не будет рассматриваться как неустановленный, потому что “значение равно 0”. Это гарантирует, что клиенты могут точно контролировать параметры выборки.

Если вы не хотите передавать определенный параметр, просто удалите это поле из запроса; не передавайте null или 0.

Примечания по совместимости

Возможности зависят от выбранной модели

Протокол, совместимый с OpenAI, является стандартным определением интерфейса, но конкретные возможности зависят от базовой модели:

Вызов инструментов: Требуется, чтобы модель поддерживала вызов функций, и формат определения инструмента соответствовал требованиям модели
Структурированный вывод: Требуется, чтобы модель поддерживала режим JSON или JSON Schema
Визуальный ввод: Требуется, чтобы модель поддерживала изображения или мультимодальный ввод
Использование при потоковой передаче: Требуется, чтобы модель и канал поддерживали возврат использования токенов в потоковом режиме

Если запрос включает параметры, которые модель не поддерживает, поведение зависит от типа параметра:

Игнорируемые параметры (такие как frequency_penalty) будут тихо проигнорированы
Критические параметры (такие как tools) могут вызвать ошибки

В продакшн рекомендуется фиксировать ID моделей и подготовить резервные стратегии для критических бизнес-потоков.

Валидация параметров и сообщения об ошибках

RouteAPI выполняет базовую валидацию параметров запроса, например:

Отсутствующие обязательные параметры (такие как model, messages)
Неправильные типы параметров (такие как передача строки для temperature)
Значения параметров вне диапазона (такие как temperature: 3)

При сбое валидации возвращается 400 Bad Request с подробной информацией об ошибке. Если запрос проходит валидацию RouteAPI, но отклоняется вышестоящей моделью, возвращается 500 или 502 вместе с исходным сообщением об ошибке от вышестоящего источника.

Соображения при миграции между моделями

При переключении с одной модели на другую, даже если обе используют протокол, совместимый с OpenAI, необходимо обратить внимание на следующие моменты:

Длина контекста: Разные модели имеют разную максимальную длину контекста; слишком длинные запросы могут быть отклонены
Формат вызова инструментов: Некоторые модели имеют более строгие требования к форматам описания инструментов
Стиль вывода: Один и тот же промпт может производить разные стили вывода, длину и форматы в разных моделях
Подсчет токенов: Разные модели имеют разные токенизаторы; один и тот же текст может иметь разное количество токенов
Цена биллинга: Разные модели имеют разные удельные цены; переключение моделей может повлиять на затраты

Рекомендуется проверить полный рабочий процесс в тестовой среде перед переключением моделей в продакшн.

Эндпоинт /v1/models

Эндпоинт /v1/models возвращает список моделей, доступных для текущей учетной записи, в формате, согласованном с официальным OpenAI API.

Пример запроса

curl https://api.routeapi.ai/v1/models \
  -H "Authorization: Bearer $ROUTEAPI_KEY"

Пример ответа

{
  "success": true,
  "object": "list",
  "data": [
    {
      "id": "gpt-5.5",
      "object": "model",
      "created": 1626777600,
      "owned_by": "openai",
      "supported_endpoint_types": ["openai", "openai-response"]
    },
    {
      "id": "claude-sonnet-4-5",
      "object": "model",
      "created": 1626777600,
      "owned_by": "anthropic",
      "supported_endpoint_types": ["openai", "anthropic"]
    }
  ]
}

Возвращаемый массив data содержит модели, доступные текущему токену, а не полный каталог платформы. Каждый объект модели включает:

id — ID модели, используйте это значение при выполнении запросов
object — Фиксированное значение "model"
owned_by — Тип канала, которому принадлежит модель; для собственных моделей платформы указывается custom
supported_endpoint_types — Расширенное поле RouteAPI, типы эндпоинтов, доступные для этой модели
created — Фиксированное значение-заполнитель 1626777600, это не реальное время появления модели, не используйте его для сортировки

Дополнительное поле success верхнего уровня — расширение RouteAPI; OpenAI SDK читают только data, поэтому разбор не нарушается. Порядок элементов в data не гарантируется стабильным.

Рекомендуется вызывать /v1/models один раз при запуске приложения, кэшировать список доступных моделей и избегать запросов при каждом запросе. Значения полей и правила фильтрации подробно описаны в Models.

Полные примеры

curl базовый диалог

curl https://api.routeapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $ROUTEAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "messages": [
      {
        "role": "system",
        "content": "Вы строгий технический ассистент. Давайте краткие ответы."
      },
      {
        "role": "user",
        "content": "Пожалуйста, представьте RouteAPI одним предложением"
      }
    ],
    "temperature": 0.7
  }'

Python SDK полный пример

import os
from openai import OpenAI

# Инициализация клиента
client = OpenAI(
    api_key=os.environ["ROUTEAPI_KEY"],
    base_url="https://api.routeapi.ai/v1"
)

# Базовый диалог
def basic_chat():
    response = client.chat.completions.create(
        model="gpt-5.5",
        messages=[
            {"role": "system", "content": "Вы строгий технический ассистент."},
            {"role": "user", "content": "Пожалуйста, представьте RouteAPI одним предложением"}
        ],
        temperature=0.7
    )
    print(response.choices[0].message.content)
    print(f"Использование: {response.usage.total_tokens} токенов")

# Потоковый диалог
def streaming_chat():
    stream = client.chat.completions.create(
        model="gpt-5.5",
        messages=[
            {"role": "user", "content": "Объясните пошагово, что такое API-шлюз"}
        ],
        stream=True,
        stream_options={"include_usage": True}
    )

    for chunk in stream:
        if chunk.choices:
            delta = chunk.choices[0].delta
            if delta.content:
                print(delta.content, end="", flush=True)
        # Последний фрагмент содержит использование
        if hasattr(chunk, 'usage') and chunk.usage:
            print(f"\nИспользование: {chunk.usage.total_tokens} токенов")

# Вызов инструментов
def tool_calling():
    tools = [
        {
            "type": "function",
            "function": {
                "name": "get_weather",
                "description": "Запросить текущую погоду для указанного города",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "city": {
                            "type": "string",
                            "description": "Название города, например, Москва"
                        },
                        "unit": {
                            "type": "string",
                            "enum": ["celsius", "fahrenheit"]
                        }
                    },
                    "required": ["city"]
                }
            }
        }
    ]

    messages = [{"role": "user", "content": "Какая погода сейчас в Москве?"}]

    # Первый раунд: модель запрашивает вызов инструмента
    response = client.chat.completions.create(
        model="gpt-5.5",
        messages=messages,
        tools=tools,
        tool_choice="auto"
    )

    # Проверка на вызовы инструментов
    if response.choices[0].message.tool_calls:
        # Симуляция выполнения инструмента
        tool_call = response.choices[0].message.tool_calls[0]
        tool_result = "Москва, солнечно, температура 23 градуса Цельсия, влажность 45%."

        # Построение запроса второго раунда
        messages.append(response.choices[0].message)
        messages.append({
            "role": "tool",
            "tool_call_id": tool_call.id,
            "content": tool_result
        })

        # Второй раунд: модель генерирует ответ на основе результата инструмента
        final_response = client.chat.completions.create(
            model="gpt-5.5",
            messages=messages,
            tools=tools
        )
        print(final_response.choices[0].message.content)

# Структурированный вывод
def structured_output():
    response = client.chat.completions.create(
        model="gpt-5.5",
        messages=[
            {"role": "user", "content": "Извлеките ключевую информацию из следующего текста: RouteAPI — это AI API-шлюз, поддерживающий OpenAI, Claude, Gemini и другие модели."}
        ],
        response_format={
            "type": "json_schema",
            "json_schema": {
                "name": "key_info",
                "strict": True,
                "schema": {
                    "type": "object",
                    "properties": {
                        "product_name": {"type": "string"},
                        "category": {"type": "string"},
                        "supported_models": {
                            "type": "array",
                            "items": {"type": "string"}
                        }
                    },
                    "required": ["product_name", "category", "supported_models"],
                    "additionalProperties": False
                }
            }
        }
    )
    print(response.choices[0].message.content)

if __name__ == "__main__":
    basic_chat()
    print("\n" + "="*50 + "\n")
    streaming_chat()
    print("\n" + "="*50 + "\n")
    tool_calling()
    print("\n" + "="*50 + "\n")
    structured_output()

Node.js SDK полный пример

import OpenAI from 'openai';

// Инициализация клиента
const client = new OpenAI({
  apiKey: process.env.ROUTEAPI_KEY,
  baseURL: 'https://api.routeapi.ai/v1'
});

// Базовый диалог
async function basicChat() {
  const response = await client.chat.completions.create({
    model: 'gpt-5.5',
    messages: [
      { role: 'system', content: 'Вы строгий технический ассистент.' },
      { role: 'user', content: 'Пожалуйста, представьте RouteAPI одним предложением' }
    ],
    temperature: 0.7
  });

  console.log(response.choices[0].message.content);
  console.log(`Использование: ${response.usage.total_tokens} токенов`);
}

// Потоковый диалог
async function streamingChat() {
  const stream = await client.chat.completions.create({
    model: 'gpt-5.5',
    messages: [
      { role: 'user', content: 'Объясните пошагово, что такое API-шлюз' }
    ],
    stream: true,
    stream_options: { include_usage: true }
  });

  for await (const chunk of stream) {
    if (chunk.choices[0]?.delta?.content) {
      process.stdout.write(chunk.choices[0].delta.content);
    }
    if (chunk.usage) {
      console.log(`\nИспользование: ${chunk.usage.total_tokens} токенов`);
    }
  }
}

// Вызов инструментов
async function toolCalling() {
  const tools = [
    {
      type: 'function',
      function: {
        name: 'get_weather',
        description: 'Запросить текущую погоду для указанного города',
        parameters: {
          type: 'object',
          properties: {
            city: {
              type: 'string',
              description: 'Название города, например, Москва'
            },
            unit: {
              type: 'string',
              enum: ['celsius', 'fahrenheit']
            }
          },
          required: ['city']
        }
      }
    }
  ];

  const messages = [
    { role: 'user', content: 'Какая погода сейчас в Москве?' }
  ];

  // Первый раунд
  const response = await client.chat.completions.create({
    model: 'gpt-5.5',
    messages: messages,
    tools: tools,
    tool_choice: 'auto'
  });

  // Проверка на вызовы инструментов
  if (response.choices[0].message.tool_calls) {
    const toolCall = response.choices[0].message.tool_calls[0];
    const toolResult = 'Москва, солнечно, температура 23 градуса Цельсия, влажность 45%.';

    // Второй раунд
    messages.push(response.choices[0].message);
    messages.push({
      role: 'tool',
      tool_call_id: toolCall.id,
      content: toolResult
    });

    const finalResponse = await client.chat.completions.create({
      model: 'gpt-5.5',
      messages: messages,
      tools: tools
    });

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

// Структурированный вывод
async function structuredOutput() {
  const response = await client.chat.completions.create({
    model: 'gpt-5.5',
    messages: [
      {
        role: 'user',
        content: 'Извлеките ключевую информацию из следующего текста: RouteAPI — это AI API-шлюз, поддерживающий OpenAI, Claude, Gemini и другие модели.'
      }
    ],
    response_format: {
      type: 'json_schema',
      json_schema: {
        name: 'key_info',
        strict: true,
        schema: {
          type: 'object',
          properties: {
            product_name: { type: 'string' },
            category: { type: 'string' },
            supported_models: {
              type: 'array',
              items: { type: 'string' }
            }
          },
          required: ['product_name', 'category', 'supported_models'],
          additionalProperties: false
        }
      }
    }
  });

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

// Запуск примеров
async function main() {
  await basicChat();
  console.log('\n' + '='.repeat(50) + '\n');
  await streamingChat();
  console.log('\n' + '='.repeat(50) + '\n');
  await toolCalling();
  console.log('\n' + '='.repeat(50) + '\n');
  await structuredOutput();
}

main().catch(console.error);