🔗

LangChain

ChatOpenAI / ChatAnthropic 把 base URL 指向 clawfeeder

协议: Both上次验证 2026-05-19

LangChain 的 chat model 抽象支持 base_url,基于 LangChain 的任意 chain / agent / RAG 流水线都可在不改上层代码的情况下走 clawfeeder。Python(langchain-openai、langchain-anthropic)和 TS(@langchain/openai、@langchain/anthropic)都支持。

前置条件

Python 3.9+ 或 Node 18+,已安装 langchain 核心 + provider 包,一个 clawfeeder API key。

配置步骤

1安装依赖

按最常用的模型家族安装对应 provider 包。

pip install langchain langchain-openai langchain-anthropic
# or:
npm install langchain @langchain/openai @langchain/anthropic

2Python:用 ChatOpenAI 调任意 clawfeeder 模型

ChatOpenAI 的 `base_url` 参数重定向请求。clawfeeder 的 OpenAI 兼容端点也接受 claude-* 和 gemini-* ID — 整个目录用同一个类即可。

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://clawfeeder.ai/v1",
    api_key="cf-sk-***your_key***",
    model="gpt-5.2",
    temperature=0.7,
)

resp = llm.invoke("What is the capital of France?")
print(resp.content)

3Python:用 ChatAnthropic 走原生 Anthropic 流

需要 Anthropic 专属功能(cache_control 提示、细粒度 content block)时,用 ChatAnthropic 配 base_url 覆盖。

from langchain_anthropic import ChatAnthropic

# anthropic_api_url is the bare host (no /v1) — same as the Anthropic SDK.
llm = ChatAnthropic(
    anthropic_api_url="https://clawfeeder.ai",
    api_key="cf-sk-***your_key***",
    model="claude-opus-4-7",
    max_tokens=1024,
)

resp = llm.invoke("Explain MVCC in one paragraph.")
print(resp.content)

4TypeScript:同样的模式

TS 通过传给 BaseChatModel 构造器的配置对象设置。

import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  configuration: { baseURL: "https://clawfeeder.ai/v1" },
  apiKey: "cf-sk-***your_key***",
  model: "gpt-5.2",
  temperature: 0.7,
});

const resp = await llm.invoke("Hello!");
console.log(resp.content);

验证

一行代码挂载 ChatOpenAI 到 clawfeeder 并跑通一次小请求。

from langchain_openai import ChatOpenAI; print(ChatOpenAI(base_url="https://clawfeeder.ai/v1", api_key="cf-sk-***", model="gpt-5.2").invoke("reply READY").content)

预期响应包含: READY

常见问题

调 Claude 模型时,用 ChatOpenAI 还是 ChatAnthropic?

ChatOpenAI 更简单 — 整个目录用同一个类。ChatAnthropic 暴露原生 Anthropic content block(image、tool_use),如果有意构建仅 Claude、要用这些功能的流水线,选它更顺。

LangChain streaming — 支持吗?

支持。用 llm.stream() 或构造时设 streaming=True。clawfeeder 转发 SSE chunk,LangChain 重组为 AIMessageChunk 输出。

LangGraph / agents — 有什么特别注意?

无。Agent 通常多次短调用;预算 credits 相应增加(10 步 agent 循环约 = 10 次 chat completion)。开发期用 claude-haiku-4-5-20251001 或 gpt-5.2;只在生产中、步骤质量比步骤数量更重要时切到 flagship。

为什么我的自定义 callback 看不到 usage 数据?

流式响应只在最后一个 chunk 填充 `response_metadata.token_usage`。在 `BaseCallbackHandler` 中实现 on_llm_end(而非 on_llm_new_token)以拿到合计。clawfeeder 始终在最后一帧返回 usage。

还没有 API key?

注册即送 300 积分,7 天免费试用,不限制模型

免费开始 →