2026年3月12日·9 min 閱讀

Claude API 串接教學：在你的應用中整合 AI 能力

ClaudeAPIPythonTypeScript教學

為什麼選擇 Claude API

如果你想在自己的應用中加入 AI 能力，Claude API 是一個值得考慮的選項。相較於其他 AI API，Claude 的優勢包括：

200K token 的超長上下文視窗：可以一次處理整份文件或大量程式碼
優秀的指令遵循能力：輸出格式更可控，減少後處理的麻煩
多語言能力：中文理解和生成品質穩定
Tool Use：讓 Claude 呼叫你定義的函式，實現更複雜的工作流程

快速開始

取得 API Key

前往 Anthropic Console（console.anthropic.com）
建立帳號並設定付款方式
在 API Keys 頁面建立新的金鑰

安裝 SDK

Claude API 提供 Python 和 TypeScript 兩種官方 SDK。

Python：

pip install anthropic

TypeScript / Node.js：

npm install @anthropic-ai/sdk

第一個 API 呼叫

Python 範例：

import anthropic

client = anthropic.Anthropic()  # 自動讀取 ANTHROPIC_API_KEY 環境變數

message = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "用三句話解釋什麼是 ETL Pipeline"
        }
    ]
)

print(message.content[0].text)

TypeScript 範例：

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic(); // 自動讀取 ANTHROPIC_API_KEY

const message = await client.messages.create({
  model: "claude-sonnet-4-6-20250320",
  max_tokens: 1024,
  messages: [
    {
      role: "user",
      content: "用三句話解釋什麼是 ETL Pipeline",
    },
  ],
});

console.log(message.content[0].text);

核心概念

Messages API

Claude API 使用 Messages 格式，每次呼叫需要提供一組對話訊息：

messages = [
    {"role": "user", "content": "你好"},
    {"role": "assistant", "content": "你好！有什麼我可以幫你的嗎？"},
    {"role": "user", "content": "幫我解釋 Python 的 generator"}
]

System Prompt

System prompt 用來設定 Claude 的行為和角色，與一般對話訊息分開設定：

message = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    system="你是一位資深的資料工程師，專精 Python 和 SQL。"
           "回答問題時請提供程式碼範例，並用繁體中文回覆。",
    messages=[
        {"role": "user", "content": "如何用 Python 讀取大型 CSV 檔案？"}
    ]
)

串流回應

對使用者來說，等待 AI 的完整回應可能需要數秒。使用串流可以讓回應逐字出現，大幅改善體驗：

with client.messages.stream(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    messages=[{"role": "user", "content": "寫一首關於程式設計的詩"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

TypeScript 版本：

const stream = await client.messages.stream({
  model: "claude-sonnet-4-6-20250320",
  max_tokens: 1024,
  messages: [{ role: "user", content: "寫一首關於程式設計的詩" }],
});

for await (const event of stream) {
  if (
    event.type === "content_block_delta" &&
    event.delta.type === "text_delta"
  ) {
    process.stdout.write(event.delta.text);
  }
}

Tool Use（函式呼叫）

Tool Use 是 Claude API 最強大的功能之一。你可以定義一組「工具」，讓 Claude 在需要時呼叫它們。

基本範例：查詢天氣

import anthropic
import json

client = anthropic.Anthropic()

# 定義工具
tools = [
    {
        "name": "get_weather",
        "description": "取得指定城市的目前天氣狀況",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {
                    "type": "string",
                    "description": "城市名稱，例如「台北」"
                }
            },
            "required": ["city"]
        }
    }
]

# 發送請求
message = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "台北現在天氣如何？"}
    ]
)

# 檢查 Claude 是否想呼叫工具
for block in message.content:
    if block.type == "tool_use":
        print(f"Claude 想呼叫: {block.name}")
        print(f"參數: {json.dumps(block.input, ensure_ascii=False)}")

完整的 Tool Use 流程

Tool Use 是一個來回的過程：

你發送訊息和可用工具清單給 Claude
Claude 決定是否需要使用工具，如果需要，回傳工具呼叫請求
你執行工具並把結果回傳給 Claude
Claude 根據工具結果生成最終回應

# 步驟 1-2：Claude 決定使用工具
response = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "台北現在天氣如何？"}]
)

# 步驟 3：執行工具並回傳結果
tool_use_block = next(b for b in response.content if b.type == "tool_use")

# 你的工具實作（這裡用假資料示範）
weather_result = {"temperature": 26, "condition": "多雲", "humidity": 75}

# 步驟 4：把工具結果送回 Claude
final_response = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "台北現在天氣如何？"},
        {"role": "assistant", "content": response.content},
        {
            "role": "user",
            "content": [
                {
                    "type": "tool_result",
                    "tool_use_id": tool_use_block.id,
                    "content": json.dumps(weather_result, ensure_ascii=False)
                }
            ]
        }
    ]
)

print(final_response.content[0].text)
# 輸出類似：台北目前天氣多雲，氣溫 26°C，濕度 75%。

實際應用範例

範例一：自動化資料品質檢查

利用 Claude 分析資料集的品質問題：

import pandas as pd

def analyze_data_quality(df: pd.DataFrame) -> str:
    # 取樣前 20 筆資料作為範例
    sample = df.head(20).to_csv(index=False)
    stats = df.describe(include="all").to_csv()

    message = client.messages.create(
        model="claude-sonnet-4-6-20250320",
        max_tokens=2048,
        system="你是一位資料品質分析師。分析提供的資料集樣本，"
               "找出潛在的品質問題並提供清洗建議。",
        messages=[{
            "role": "user",
            "content": f"資料樣本:\n{sample}\n\n統計摘要:\n{stats}"
        }]
    )
    return message.content[0].text

範例二：智慧客服機器人

結合 Tool Use 打造能查詢訂單的客服：

tools = [
    {
        "name": "lookup_order",
        "description": "查詢訂單狀態",
        "input_schema": {
            "type": "object",
            "properties": {
                "order_id": {"type": "string", "description": "訂單編號"}
            },
            "required": ["order_id"]
        }
    },
    {
        "name": "get_faq",
        "description": "搜尋常見問題",
        "input_schema": {
            "type": "object",
            "properties": {
                "query": {"type": "string", "description": "搜尋關鍵字"}
            },
            "required": ["query"]
        }
    }
]

# Claude 會自動判斷使用者的問題需要呼叫哪個工具
# 「我的訂單 A12345 到哪了？」→ 呼叫 lookup_order
# 「你們的退貨政策是什麼？」→ 呼叫 get_faq

費用控制

Token 計價

Claude API 按輸入和輸出的 token 數量計費。大致換算：

1 個中文字約等於 1-2 個 token
1 個英文單字約等於 1 個 token

省錢技巧

選擇適合的模型：不是每個任務都需要 Opus，大多數場景 Sonnet 就夠了
控制 max_tokens：根據預期的回應長度設定，避免浪費
快取常見回應：對重複性高的查詢做快取
精簡 system prompt：冗長的 system prompt 每次呼叫都會計費
使用 prompt caching：Anthropic 提供 prompt caching 功能，對重複的長前綴可以大幅降低成本

# 使用 prompt caching 的範例
message = client.messages.create(
    model="claude-sonnet-4-6-20250320",
    max_tokens=1024,
    system=[
        {
            "type": "text",
            "text": "你是一位專業的客服人員...(很長的系統指令)",
            "cache_control": {"type": "ephemeral"}
        }
    ],
    messages=[{"role": "user", "content": "你好"}]
)

錯誤處理

生產環境中，務必處理 API 可能回傳的錯誤：

import anthropic

client = anthropic.Anthropic()

try:
    message = client.messages.create(
        model="claude-sonnet-4-6-20250320",
        max_tokens=1024,
        messages=[{"role": "user", "content": "hello"}]
    )
except anthropic.RateLimitError:
    # 超過速率限制，等待後重試
    print("Rate limited, retrying...")
except anthropic.APIStatusError as e:
    print(f"API error: {e.status_code} - {e.message}")

Anthropic SDK 內建了自動重試機制，對 429（rate limit）和 5xx 錯誤會自動重試，通常不需要自己處理。

結語

Claude API 的串接並不複雜，但要在生產環境中用好它，需要注意費用控制、錯誤處理和 prompt 設計。建議先從一個小功能開始嘗試，確認效果後再逐步擴展使用範圍。

Tool Use 功能特別值得深入研究——它讓 Claude 不只是一個文字生成器，而是能真正與你的系統互動的智慧代理。