Messages 実装ガイド - SambaNova ドキュメント

SambaNova の Messages API (POST /v1/messages) は、Anthropic Messages API 標準と互換性があります。既存の Anthropic SDK クライアントは、ベース URL・API キー・モデル識別子を変更するだけで SambaNova に接続できます。このエンドポイントは、会話型・ツール対応・推論指向の連携向けに設計されています。 Messages API は、既存の Chat Completions および Responses API エンドポイントを補完するものであり、置き換えるものではありません。

対応モデル

Messages API は、SambaCloud および SambaStack で利用可能なすべての言語モデルに対応しています。最新の一覧は、SambaCloud 対応モデルおよび SambaStack 対応モデルページをご参照ください。

仕組み

Messages API は、モデルの出力を単一のアシスタントテキストフィールドではなく、型付きコンテンツブロック (text、tool_use、thinking) として構造化します。各リクエストは、モデルの動作に応じて、これらのブロックを 1 つ以上含むメッセージオブジェクトを返します。 主な特徴:

クライアント実行ツールのみ。 ツールが必要な場合、モデルは tool_use コンテンツブロックを返します。アプリケーション側で関数を実行し、後続のリクエストで tool_result コンテンツブロックとして結果を返します。サーバーサイドツールは未対応です。
思考 (thinking) のパススルー。 推論対応モデルは、text ブロックと並んで thinking コンテンツブロックとして思考内容を公開します。追加のリクエストパラメータは不要です。
トップレベルフィールドとしてのシステムプロンプト。 Chat Completions と異なり、Anthropic スタイルのリクエストでは、システムプロンプトを role: "system" のメッセージとしてではなく、トップレベルの system フィールドで渡します。
構造化ストリーミング。 ストリーミング応答には、message_start → content_block_start → content_block_delta → content_block_stop → message_delta → message_stop というイベントシーケンスに従う型付き Server-Sent Events (SSE) を使用します。

制限事項

既存の Anthropic ベースのアプリケーションを移行する前に、以下をご確認ください。

サーバーサイドツール (web_search、code_execution、bash、text_editor) は未対応であり、400 エラーが返されます。クライアントで実行する関数ツールのみ利用できます。
document コンテンツブロック (PDF 入力) は未対応であり、400 エラーが返されます。
URL 形式の画像ソースは未対応です。代わりに base64 エンコードした画像を使用してください。

利用方法

以下のすべての例では、SambaNova に接続した Anthropic Python SDK を使用します。pip install anthropic でインストールし、Anthropic 互換性ページの手順に従って設定してください。

シンプルな生成

import anthropic

client = anthropic.Anthropic(
    base_url="https://api.sambanova.ai/v1",
    api_key="your-sambanova-api-key"
)

message = client.messages.create(
    model="gpt-oss-120b",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Explain the difference between supervised and unsupervised learning in two sentences."}
    ]
)

print(message.content[0].text)

ストリーミング応答

応答の生成に合わせて型付き SSE イベントを受け取るには、client.messages.stream(...) を使用します。

with client.messages.stream(
    model="gpt-oss-120b",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Write a short poem about speed."}
    ]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

思考 (Thinking)

推論対応モデルは、text ブロックと並んで thinking コンテンツブロックとして思考内容を公開します。追加のパラメータは不要で、モデルが思考内容を生成すると自動的に返されます。

response = client.messages.create(
    model="gpt-oss-120b",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "What is 27 * 43?"}
    ]
)

for block in response.content:
    if block.type == "thinking":
        print(f"Thinking: {block.thinking}")
    elif block.type == "text":
        print(f"Response: {block.text}")

ツール呼び出し

ツールを指定すると、モデルは tool_use コンテンツブロックを返すことがあります。関数の実行と結果の返却は、アプリケーション側の責務です。 ステップ 1: ツールを定義してリクエストを送信します。

tools = [
    {
        "name": "get_weather",
        "description": "Get the current weather for a given location.",
        "input_schema": {
            "type": "object",
            "properties": {
                "location": {
                    "type": "string",
                    "description": "The city and country, e.g. Paris, FR"
                }
            },
            "required": ["location"]
        }
    }
]

response = client.messages.create(
    model="gpt-oss-120b",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "What is the weather in Paris?"}
    ]
)

for block in response.content:
    if block.type == "tool_use":
        print(f"Tool: {block.name}, Input: {block.input}")

ステップ 2: ツールを実行し、結果を返します。この例はステップ 1 の続きで、client、response、tools を再利用しています。

import json

def get_weather(location: str) -> dict:
    # Replace with a real weather API call
    return {"location": location, "temperature_celsius": 22, "condition": "Sunny"}

tool_use_block = next(block for block in response.content if block.type == "tool_use")
result = get_weather(tool_use_block.input["location"])

follow_up = client.messages.create(
    model="gpt-oss-120b",
    max_tokens=1024,
    tools=tools,
    messages=[
        {"role": "user", "content": "What is the weather in Paris?"},
        {"role": "assistant", "content": response.content},
        {
            "role": "user",
            "content": [
                {
                    "type": "tool_result",
                    "tool_use_id": tool_use_block.id,
                    "content": json.dumps(result)
                }
            ]
        }
    ]
)

print(follow_up.content[0].text)

パラメータの一覧は API リファレンスをご参照ください。

はじめに

モデル

機能一覧

活用ガイド

リソース

Messages API

対応モデル

仕組み

制限事項

利用方法

シンプルな生成

ストリーミング応答

思考 (Thinking)

ツール呼び出し

​対応モデル

​仕組み

​制限事項

​利用方法

​シンプルな生成

​ストリーミング応答

​思考 (Thinking)

​ツール呼び出し

対応モデル

仕組み

制限事項

利用方法

シンプルな生成

ストリーミング応答

思考 (Thinking)

ツール呼び出し