統合ガイド：deepseek coder api key

ベースURLと認証

APIキーはすべてのリクエストを認証します。ベースURLを https://api.deepseekcoderapikey.com/v1 クライアント設定に記述します。このURLは、追加のパスセグメントを必要とせずに、チャット完了とモデルのエンドポイントを両方処理します。アカウントごとに1つのキーが割り当てられ、新しいキーを生成すると、以前のキーは直ちに無効になります。

環境変数にキーを保存します DEEPSEEK_API_KEY またはSDKクライアントに直接渡します。エンドポイントは標準ヘッダーを受け付けるため、ベースURLとキー値を変更するだけでプロバイダーを切り替えることができます。このアプローチは、OpenAI互換のインターフェースを期待するCursor、VS Code拡張機能、およびローカル開発ツールで機能します。

キーが不足しているか無効な場合、認証は401ステータスで失敗します。使用するには

Copycurl https://api.deepseekcoderapikey.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "Convert this SQL query to python pandas syntax"}]
  }'

アプリケーションロジックに統合する前に接続を確認するための例。

チャット完了エンドポイント (POST)

にメッセージを送信 POST /v1/chat/completions モデルID uncensored. このエンドポイントはテキスト入力を受け取り、同期応答とストリーミング応答の両方をサポートするテキスト出力を返します。temperature、top_p、stop sequencesなどのパラメータを使用してモデルの動作を構成できます。

コンテキストウィンドウはプロンプトと補完を合わせて最大100,000トークンを許容します。max_tokensの制限を指定しない場合、モデルは1リクエストあたり2,048トークンをデフォルトとします。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.deepseekcoderapikey.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

スニペットは、公式のOpenAI Python SDKを使用して標準的なチャットリクエストを構成する方法を示しています。

クレジット不足のエラーは402ステータスコードを返し、不正なリクエストは400を返します。レスポンスボディを確認して、ペイロード構造のデバッグを迅速に行ってください。

Models エンドポイント (GET)

GET リクエストを送信して利用可能なモデルをクエリします。 GET /v1/models リクエスト。このエンドポイントは、 uncensored モデルID。このエンドポイントを使用して、APIキーが有効であり、サービスがオンラインであることを確認し、大量の使用方法リクエストを行う前に確認できます。

レスポンスには、モデルID、オブジェクトタイプ、所有情報などのメタデータが含まれます。このデータを使用して、アプリケーションを動的に構成するか、デバッグのために利用可能なモデルをログに記録します。このエンドポイントにはボディは必要なく、標準的な認証ヘッダーのみが必要です。

このチェックをスタートアップシーケンスに統合することで、APIに到達不能な場合にアプリケーションが速やかに失敗するようになります。また、実際のチャット完了処理に進む前に、正しいベースURLが設定されていることを確認するのに役立ちます。

ストリーミングレスポンス（SSE）

streamを stream リクエストで true に設定します。APIはServer-Sent Events (SSE)ストリームを返し、トークンが生成されるたびに配信します。この手法はコードアシスタントにとっての知覚されるレイテンシーを低減し、アプリケーションでのリアルタイムUI更新を可能にします。

各チャンクには部分的なコンテンツが含まれ、最終チャンクには総トークン使用統計が含まれます。ネットワークの中断や部分的なトークンのバッファリングを処理するために、SSEストリームを注意深く解析してください。The

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

JavaScriptでストリームを処理する方法を示す例。

ストリーミングは、長文のコード生成や詳細な解説に最適です。応答全体を待つよりも、よりスムーズなユーザーエクスペリエンスを提供します。クライアントがストリームの終了イベントを正しく処理して応答を確定するようにしてください。

関数呼び出しとJSONモード

関数呼び出しを使用して、モデルに外部ツールを呼び出させます。関数を tools パラメータを指定し、 tool_choice モデルがツールを使用するタイミングを制御します。APIは標準のツール定義をサポートしており、独自のバックエンドサービスとの統合が可能です。

構造化出力の場合、JSONモードを有効にするために response_format に json_objectこれはモデルに有効なJSONを返させることを強制し、設定データの解析やAPIレスポンスに役立ちます。以下は

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.deepseekcoderapikey.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

スニペットはNode.jsでJSONモードを設定する方法を示しています。

関数呼び出しとストリーミングを組み合わせることで、インタラクティブなツール使用を実現します。モデルは1つのターンで複数のツールを呼び出すことができ、複雑なマルチステップワークフローを可能にします。会話のコンテキストを維持するために、クライアントがツール出力を正しく処理することを確保してください。

レート制限と制約

APIキーは1分あたり300リクエスト、8並列リクエストに制限され、最大リクエストボディサイズは8 MBです。これらの制限を超えた場合、APIは429 Too Many Requestsエラーを返します。クライアントで指数バックオフを実装し、レート制限を適切に処理してください。

401は無効なキーを示し、402はクレジット不足を示します。クレジットの返金は行われませんが、二重請求はサポートページを通じて解決できます。クレジットは期限切れにならないため、都合の良い時にチャージできます。

100,000トークンのコンテキストウィンドウは、合計プロンプトと補完に適用されます。予算内に収まるようにトークン使用量を監視してください。プリペイドクレジットシステムを使用して、月額料金やサブスクリプションなしで、使用した分だけ支払います。