OpenAI SDK

Keduanya bisa dipakai dengan Laras Router cukup dengan mengganti base URL dan kuncinya. Setiap langkah sudah dicek dengan dokumentasi resmi masing-masing SDK.

Anda memerlukan API key (lr_live_…) dan saldo yang sudah diisi. Baru mengenal Laras Router? Mulai dari Quickstart.

Python

Library resmi OpenAI untuk Python.

pip install openai

export LARAS_API_KEY="lr_live_your_key_here"

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.larasrouter.com/v1",
    api_key=os.environ["LARAS_API_KEY"],
)

completion = client.chat.completions.create(
    model="deepseek-flash",
    messages=[{"role": "user", "content": "Hello!"}],
)
print(completion.choices[0].message.content)

Perlu diketahui

• Gunakan client.chat.completions.create. README SDK ini mengutamakan Responses API (client.responses.create), yang tidak diimplementasikan Laras Router.
• Untuk streaming, kirim stream=True. SDK ini juga membaca OPENAI_BASE_URL dan OPENAI_API_KEY jika Anda lebih suka variabel lingkungan daripada argumen.

Node.js

Library resmi OpenAI untuk Node.js dan TypeScript.

npm install openai

export LARAS_API_KEY="lr_live_your_key_here"

import OpenAI from "openai";

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

const completion = await client.chat.completions.create({
  model: "deepseek-flash",
  messages: [{ role: "user", content: "Hello!" }],
});
console.log(completion.choices[0].message.content);

Perlu diketahui

• Gunakan client.chat.completions.create. README SDK ini mengutamakan Responses API (client.responses.create), yang tidak diimplementasikan Laras Router.
• Contoh ini memakai await di level teratas, jadi jalankan sebagai ES module (file .mjs atau package dengan "type": "module").

Pengaturan dan tampilan bisa berubah antarversi. Jika ada yang berbeda, periksa dokumentasi OpenAI Python SDK atau dokumentasi OpenAI Node SDK. Untuk tool lain, lihat semua integrasi.