9router/gitbook/content/ja/integration/other-tools.md

その他ツール統合

9RouterはOpenAI API形式をサポートする任意のツールと互換性があります。このガイドでは、様々なツールやカスタムアプリケーション向けの汎用統合パターンを説明します。

概要

9RouterはOpenAI互換APIエンドポイントを提供し、以下と動作します:

• カスタムスクリプトとアプリケーション
• APIクライアントとテストツール
• CLIツールとユーティリティ
• サードパーティ統合
• 開発フレームワーク

汎用セットアップパターン

任意のOpenAI互換ツールは以下の設定で9Routerに接続できます:

ローカル9Router:

Base URL: http://localhost:20128/v1
API Key: your-api-key-from-dashboard
Model: 任意の9Routerモデル (cc/*, cx/*, glm/*など)

クラウド9Router:

Base URL: https://9router.com/v1
API Key: your-api-key-from-dashboard
Model: 任意の9Routerモデル (cc/*, cx/*, glm/*など)

利用可能なモデル

Claudeモデル (Anthropic)

• cc/claude-opus-4-5-20251101
• cc/claude-sonnet-4-20250514
• cc/claude-haiku-4-20250514

DeepSeekモデル

• cx/deepseek-chat
• cx/deepseek-reasoner

GLMモデル (Zhipu AI)

• glm/glm-4-plus
• glm/glm-4-flash

統合例

PythonとOpenAI SDK

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key-from-dashboard",
    base_url="http://localhost:20128/v1"
)

response = client.chat.completions.create(
    model="cc/claude-sonnet-4-20250514",
    messages=[
        {"role": "user", "content": "Hello, how are you?"}
    ]
)

print(response.choices[0].message.content)

Node.jsとOpenAI SDK

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "your-api-key-from-dashboard",
  baseURL: "http://localhost:20128/v1"
});

const response = await client.chat.completions.create({
  model: "cc/claude-sonnet-4-20250514",
  messages: [
    { role: "user", content: "Hello, how are you?" }
  ]
});

console.log(response.choices[0].message.content);

cURLコマンド

curl http://localhost:20128/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer your-api-key-from-dashboard" \
  -d '{
    "model": "cc/claude-sonnet-4-20250514",
    "messages": [
      {"role": "user", "content": "Hello, how are you?"}
    ]
  }'

HTTPクライアント (Postman、Insomnia)

Request:

POST http://localhost:20128/v1/chat/completions

Headers:

Content-Type: application/json
Authorization: Bearer your-api-key-from-dashboard

Body:

{
  "model": "cc/claude-sonnet-4-20250514",
  "messages": [
    {"role": "user", "content": "Hello, how are you?"}
  ],
  "temperature": 0.7,
  "max_tokens": 1000
}

LangChain統合

from langchain.chat_models import ChatOpenAI
from langchain.schema import HumanMessage

llm = ChatOpenAI(
    model_name="cc/claude-sonnet-4-20250514",
    openai_api_key="your-api-key-from-dashboard",
    openai_api_base="http://localhost:20128/v1",
    temperature=0.7
)

messages = [HumanMessage(content="Explain quantum computing")]
response = llm(messages)
print(response.content)

LlamaIndex統合

from llama_index.llms import OpenAI

llm = OpenAI(
    model="cc/claude-sonnet-4-20250514",
    api_key="your-api-key-from-dashboard",
    api_base="http://localhost:20128/v1"
)

response = llm.complete("What is machine learning?")
print(response.text)

カスタムスクリプトの例

バッチ処理スクリプト

import openai
import json

openai.api_key = "your-api-key-from-dashboard"
openai.api_base = "http://localhost:20128/v1"

def process_batch(prompts, model="cx/deepseek-chat"):
    results = []
    for prompt in prompts:
        response = openai.ChatCompletion.create(
            model=model,
            messages=[{"role": "user", "content": prompt}]
        )
        results.append({
            "prompt": prompt,
            "response": response.choices[0].message.content
        })
    return results

prompts = [
    "Explain AI in one sentence",
    "What is machine learning?",
    "Define neural networks"
]

results = process_batch(prompts)
print(json.dumps(results, indent=2))

ストリーミングレスポンスハンドラ

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "your-api-key-from-dashboard",
  baseURL: "http://localhost:20128/v1"
});

async function streamResponse(prompt) {
  const stream = await client.chat.completions.create({
    model: "cc/claude-sonnet-4-20250514",
    messages: [{ role: "user", content: prompt }],
    stream: true
  });

  for await (const chunk of stream) {
    const content = chunk.choices[0]?.delta?.content || "";
    process.stdout.write(content);
  }
}

streamResponse("Write a short story about AI");

マルチモデル比較

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key-from-dashboard",
    base_url="http://localhost:20128/v1"
)

models = [
    "cc/claude-sonnet-4-20250514",
    "cx/deepseek-chat",
    "glm/glm-4-plus"
]

prompt = "Explain quantum computing in simple terms"

for model in models:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}]
    )
    print(f"\n=== {model} ===")
    print(response.choices[0].message.content)

一般的な統合パターン

環境変数

認証情報を安全に保存:

# .envファイル
ROUTER_API_KEY=your-api-key-from-dashboard
ROUTER_BASE_URL=http://localhost:20128/v1
ROUTER_MODEL=cc/claude-sonnet-4-20250514

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("ROUTER_API_KEY"),
    base_url=os.getenv("ROUTER_BASE_URL")
)

エラーハンドリング

from openai import OpenAI, OpenAIError

client = OpenAI(
    api_key="your-api-key",
    base_url="http://localhost:20128/v1"
)

try:
    response = client.chat.completions.create(
        model="cc/claude-sonnet-4-20250514",
        messages=[{"role": "user", "content": "Hello"}]
    )
    print(response.choices[0].message.content)
except OpenAIError as e:
    print(f"Error: {e}")

リトライロジック

import time
from openai import OpenAI, RateLimitError

client = OpenAI(
    api_key="your-api-key",
    base_url="http://localhost:20128/v1"
)

def chat_with_retry(prompt, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="cc/claude-sonnet-4-20250514",
                messages=[{"role": "user", "content": prompt}]
            )
            return response.choices[0].message.content
        except RateLimitError:
            if attempt < max_retries - 1:
                time.sleep(2 ** attempt)  # Exponential backoff
            else:
                raise

トラブルシューティング

接続の問題

問題: 9Routerに接続できない

# 9Routerが動作中か確認
curl http://localhost:20128/health

# 期待されるレスポンス:
{"status": "ok"}

解決策:

• 9Routerが動作中か確認
• ポート20128がブロックされていないか確認
• 正しいbase URLを確認 (/v1を含む)

認証エラー

問題: 401 Unauthorized

Error: Invalid API key

解決策:

• ダッシュボードからのAPIキーを確認
• AuthorizationヘッダーフォーマットがBearer your-api-keyであることを確認
• APIキーに余分なスペースや改行がないことを確認

モデルが見つからない

問題: 404 Model not found

Error: Model 'cc/claude-opus' not found

解決策:

• 正確なモデル名を使用 (大文字小文字を区別)
• 利用可能なモデルを確認: curl http://localhost:20128/v1/models
• プランでモデルが有効になっていることを確認

タイムアウトの問題

問題: リクエストタイムアウト

Error: Request timed out after 30s

解決策:

• クライアント設定でタイムアウトを増やす
• 時間制約のあるタスクには高速モデルを使用
• 9Routerへのネットワーク接続を確認

レート制限

問題: 429 Too Many Requests

Error: Rate limit exceeded

解決策:

• 指数バックオフを実装
• リクエスト頻度を減らす
• ダッシュボードでレート制限を確認
• プランのアップグレードを検討

ベストプラクティス

セキュリティ

• APIキーを環境変数に保存
• APIキーをバージョン管理にコミットしない
• クラウドデプロイにはHTTPSを使用
• APIキーを定期的にローテーション

パフォーマンス

• タスクの複雑さに応じて適切なモデルを使用
• 繰り返しクエリにキャッシュを実装
• 長い応答にはストリーミングを使用
• 可能な場合はリクエストをバッチ処理

エラーハンドリング

• 常にtry-catchブロックを実装
• 指数バックオフでリトライロジックを追加
• デバッグのためエラーをログ
• フォールバックメカニズムを提供

コスト最適化

• シンプルなタスクには費用対効果の高いモデルを選択
• 適切な場合は応答をキャッシュ
• ダッシュボードで使用量をモニター
• コードでリクエスト制限を設定

次のステップ

• Cursorを設定 IDE統合用
• Continueをセットアップ VSCode用
• CLI使用法を確認
• モデル選択について学ぶ
• APIリファレンス