Chat API compatível com OpenAI: Python, Node e curl
Uma chamada de chat de API compatível com OpenAI é uma única POST com uma lista de mensagens e uma resposta do modelo. Este guia percorre a requisição, conversas de múltiplas interações, streaming e os erros que você pode encontrar, usando um endpoint sem censura como exemplo.
Atualizado

A requisição por minuto
Qualquer cliente que possa conversar com o formato de chat do OpenAI pode conversar com este serviço. Você altera duas coisas, a URL base e a chave, e mantém tudo o resto. Aqui a URL base é https://api.mistralapikey.com/v1 e o ID do modelo é uncensored. A autenticação é um cabeçalho Authorization: Bearer padrão.
Uma primeira requisição se parece com isto:
curl https://api.mistralapikey.com/v1/chat/completions -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{
"model": "uncensored",
"messages": [
{"role": "system", "content": "You are a concise assistant."},
{"role": "user", "content": "Explain what an API key is in two sentences."}
]
}'
Este é um serviço independente que executa um único modelo de pesos abertos, ajustado para responder sem recusa de conteúdo para uso adulto legal. Não é a API oficial da Meta, Mistral, OpenAI ou qualquer outro fornecedor. Ele expõe dois métodos, POST /v1/chat/completions e GET /v1/models, e trata apenas texto. Se você ainda precisa de uma chave, a página chave de API explica o cadastro e o crédito de teste.
Lendo a resposta
Uma resposta bem-sucedida é um objeto JSON no formato usual. O texto está em choices[0].message.content, o motivo de parada está em choices[0].finish_reason, e as contagens de tokens estão em usage.
{
"id": "chatcmpl-...",
"object": "chat.completion",
"model": "uncensored",
"choices": [
{
"index": 0,
"message": {"role": "assistant", "content": "An API key is a secret string..."},
"finish_reason": "stop"
}
],
"usage": {"prompt_tokens": 31, "completion_tokens": 48, "total_tokens": 79}
}
Um finish_reason de stop significa que o modelo terminou sua resposta. Um valor de length significa que ele atingiu um limite de tokens, então aumente max_tokens ou deixe-o sem configuração. Os cabeçalhos também importam: X-Request-Id identifica a chamada para suporte, X-Balance-USD mostra seu crédito restante, e X-RateLimit-Limit-Requests e X-RateLimit-Limit-Concurrency relatam seus limites.
Mensagens e papéis
O array messages é toda a conversa, em ordem. Cada item tem um role e content.
- system define comportamento, tom e regras. Coloque-o primeiro.
- user é o que a pessoa digitou.
- assistant é o que o modelo disse anteriormente na conversa.
- tool carrega o resultado de uma chamada de funções, se você usar chamada de funções.
O modelo só sabe o que está no array. Nada é lembrado entre as requisições, então o servidor não mantém uma sessão para você. Essa é a coisa mais importante a entender sobre endpoints de chat, e explica por que um "chat" custa mais a cada turno: o histórico que você envia é cobrado como entrada cada vez.
Chat multi-turno em Python
Para manter uma conversa, mantenha uma lista, anexe a mensagem do usuário, chame a API, anexe a resposta do assistente e repita. Isso é um chat de terminal completo.
from openai import OpenAI
client = OpenAI(
base_url="https://api.mistralapikey.com/v1",
api_key="YOUR_API_KEY",
)
history = [{"role": "system", "content": "You are a friendly, direct assistant."}]
while True:
text = input("you> ").strip()
if not text:
break
history.append({"role": "user", "content": text})
resp = client.chat.completions.create(
model="uncensored",
messages=history,
temperature=0.7,
)
answer = resp.choices[0].message.content
history.append({"role": "assistant", "content": answer})
print("bot>", answer)
print(f" [{resp.usage.prompt_tokens} in / {resp.usage.completion_tokens} out]")
Observe os números entre colchetes enquanto conversa. A contagem "in" aumenta a cada turno porque inclui tudo o que foi dito até agora. Esse crescimento é normal e também é sua principal alavanca para controle de custos, abordado abaixo.
Respostas em streaming no Node
Para uma interface de chat, você quer que o texto apareça conforme é gerado. Defina stream: true e a API envia eventos enviados pelo servidor. O SDK Node da OpenAI envolve isso em um iterador assíncrono.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.mistralapikey.com/v1",
apiKey: process.env.API_KEY,
});
const stream = await client.chat.completions.create({
model: "uncensored",
messages: [{ role: "user", content: "Write a four-line poem about debugging." }],
stream: true,
});
for await (const chunk of stream) {
const piece = chunk.choices[0]?.delta?.content ?? "";
process.stdout.write(piece);
}
process.stdout.write("\n");
O uso é relatado no final do streaming, então você ainda pode registrar contagens de tokens sem uma segunda chamada. Um detalhe operacional: uma requisição em streaming mantém seu slot de concorrência até que o streaming termine. Se um usuário fechar uma aba, cancele a requisição do seu lado para liberar o slot mais cedo.
Parâmetros que você pode usar
Os controles de amostragem padrão são passados para o modelo. Estes são os que você mais utilizará.
| Campo | O que faz | Dica prática |
|---|---|---|
temperature | Aleatoriedade na escolha de palavras | 0 a 0,3 para extração, 0,7 a 1,0 para texto criativo |
top_p | Limita a amostragem às palavras mais prováveis | Altere isso ou temperature, raramente ambos |
max_tokens | Limite superior no comprimento da resposta | Opcional; defina-o para limitar custos em prompts de final aberto |
stop | Sequências que terminam a geração | Útil para formatos baseados em linhas |
seed | Amostragem repetível | Útil para testes |
frequency_penalty, presence_penalty | Desencoraje a repetição | Valores pequenos fazem muita diferença |
response_format | Modo JSON | Use {"type":"json_object"} e descreva as chaves no prompt |
A chamada de funções está disponível através de tools e tool_choice também. O quickstart cobre a configuração para SDKs comuns.
Quanto custa uma conversa
Os preços são $0,15 por 1M de tokens de entrada e $0,50 por 1M de tokens de saída, a partir de crédito pré-pago. A janela de contexto é de 100.000 tokens para prompt e resposta juntos. Como o histórico é reenviado, o custo de um chat cresce mais rápido que o número de mensagens.
Considere um chat onde cada mensagem do usuário tem cerca de 100 tokens e cada resposta cerca de 200 tokens, mais uma mensagem de sistema de 200 tokens. Rodada 1 envia 300 tokens de entrada. Rodada 10 envia aproximadamente 200 + 10 x 100 + 9 x 200 = 3.000 tokens de entrada. Rodada 30 envia cerca de 200 + 30 x 100 + 29 x 200 = 9.000.
Some todos os 30 turnos de entrada: o total é 30 x 200 + 100 x (1 + 2 + ... + 30) + 200 x (0 + 1 + ... + 29) = 6.000 + 46.500 + 87.000 = 139.500 tokens de entrada. A saída é 30 x 200 = 6.000 tokens. Custo: 139.500 / 1M x $0,15 = $0,020925, mais 6.000 / 1M x $0,50 = $0,003. Todo o chat de 30 turnos custa cerca de $0,024. Barato, mas note que a entrada é 23 vezes maior que a saída, e cresceria ao quadrado do comprimento se você nunca cortasse.
Maneiras de manter o custo baixo: remova ou resuma turnos antigos assim que o histórico passar de um tamanho que você escolher, mantenha o prompt do sistema curto e defina max_tokens quando não precisar de respostas longas. Requisições falhas ou recusadas não são cobradas. Valores de recarregar e níveis de bônus estão listados na página de preços.
Cortando o histórico sem quebrar o chat
Quando uma conversa fica longa, você tem duas opções: pagar pelo histórico completo a cada turno ou cortá-lo. Uma regra simples é manter a mensagem do sistema e os últimos vários turnos. Esta função faz isso e deixa o resto do seu loop inalterado.
from openai import OpenAI
client = OpenAI(
base_url="https://api.mistralapikey.com/v1",
api_key="YOUR_API_KEY",
)
def trimmed(history, keep=8):
system = history[:1]
rest = history[1:]
return system + rest[-keep:]
resp = client.chat.completions.create(
model="uncensored",
messages=trimmed(history),
)
O preço do corte é que o modelo esquece o que não vê mais. Para bots de suporte, isso é bom. Para histórias longas, você pode preferir pedir ao modelo para escrever um resumo curto dos turnos antigos uma vez, armazená-lo como uma nota do sistema e descartar os originais. Isso custa uma chamada extra, mas mantém o enredo.
Escrevendo uma mensagem de sistema útil
Mantenha-a curta e concreta: quem é o assistente, qual o comprimento das respostas e quaisquer regras de formato. "Você é um agente de suporte para uma loja de bicicletas. Responda em no máximo três frases e faça uma pergunta se a solicitação não estiver clara" faz mais do que uma página de virtude geral. Cada palavra dela é cobrada como entrada em cada turno, então uma mensagem de sistema de 1.000 tokens adiciona $0.00015 a cada requisição.
Erros e limites
Uma chave completa permite 8 requisições simultâneas e 300 requisições por minuto; uma chave de teste permite 2 e 60. O corpo máximo da requisição é 8 MB. Ultrapassar um limite resulta em HTTP 429, com um destes significados:
- Código de erro
rate_limited: muitas requisições por minuto. Distribua-as ao longo do tempo. - Código de erro
concurrency: muitas requisições simultâneas. Coloque-as em fila. - Cabeçalho
Retry-After: 5: sobrecarga temporária. Aguarde 5 segundos e tente novamente.
Um erro 401 significa que a chave está ausente ou incorreta. Mantenha as chaves fora do código front-end; chame a API a partir do seu servidor. Se você está migrando de uma configuração Mistral, a página chave de API Mistral cobre o acesso com este serviço.
Para código de produção, envolva as chamadas em uma lógica de retry com uma breve espera, como os SDKs da OpenAI já fazem para algumas falhas, e registre o valor X-Request-Id ao lado de cada erro. Quando algo parecer errado, esse ID é a maneira mais rápida de apontar para a suporte a requisição exata. Também defina um timeout no lado do cliente: uma conclusão longa para um prompt grande pode demorar, e você não quer que uma conexão travada ocupe uma das suas 8 slots de concorrência.
O serviço não produz conteúdo sexual envolvendo menores de idade, e os prompts não são usados para treinamento.
Mais guias
Perguntas e respostas
O que significa compatível com OpenAI?
Significa que o endpoint aceita o mesmo formato de requisição da API de conclusões de chat da OpenAI, então SDKs e ferramentas da OpenAI funcionam após você alterar a URL base e a chave.
O servidor lembra da conversa?
Não. Envie o histórico completo de mensagens com cada requisição. O servidor não mantém sessão entre as chamadas.
Quais endpoints estão disponíveis?
POST /v1/chat/completions e GET /v1/models. O serviço é apenas de texto, sem endpoints de imagem, áudio ou embeddings.
Como fazer streaming da resposta?
Defina stream como true. A API envia eventos enviados pelo servidor e relata o uso no final do streaming.
Qual nome de modelo devo usar?
Use uncensored como o ID do modelo em todas as requisições.
Sua chave está a um formulário de distância
Crie uma conta, copie a chave e altere a URL base. Essa é toda a configuração.