Phase 00: Setup & Tooling

APIs & Chaves

Type: Build

Languages: Python, TypeScript

Prerequisites: Phase 0, Lesson 01

Time: ~30 minutes

Objetivos de aprendizagem

• Armazenar as chaves API com segurança usando variáveis do ambiente e .envArquivos
• Faça uma chamada de API LLM usando tanto o SDK Anthropic Python quanto o HTTP bruto
• Compare formatos de solicitação/resposta HTTP baseados em SDK e crus para depuração
• Identificar e lidar com erros comuns da API, incluindo limites de autenticação e taxa

O problema

A partir da Fase 11, você vai chamar APIs LLM (Antropic, OpenAI, Google). Na Fase 13-16 você vai construir agentes que usam essas APIs em loops. Você precisa saber como as chaves API funcionam, como armazená-las com segurança, e como fazer sua primeira chamada API.

O conceito

sequenceDiagram
    participant C as Your Code
    participant S as API Server
    C->>S: HTTP Request (with API key)
    S->>C: HTTP Response (JSON)

Cada chamada de API tem:

1. Um endpoint (URL)
2. Uma chave API (autenticação)
3. Um organismo de solicitação (o que desejar)
4. Um corpo de resposta (o que você retorna)

Construí-lo

Passo 1: Armazenar as chaves API de forma segura

Nunca coloque chaves API em código. Use variáveis ambientais.

bashCopyexport ANTHROPIC_API_KEY="sk-ant-..."
export OPENAI_API_KEY="sk-..."

Ou usar um.envarquivo (ajustar .gitignore):

CopyANTHROPIC_API_KEY=sk-ant-...
OPENAI_API_KEY=sk-...

Passo 2: Primeira chamada de API (Python)

pythonCopyimport os

import anthropic

client = anthropic.Anthropic()

MODEL = os.environ.get("LLM_MODEL", "claude-sonnet-5")

response = client.messages.create(
    model=MODEL,
    max_tokens=256,
    messages=[{"role": "user", "content": "What is a neural network in one sentence?"}]
)

print(response.content[0].text)

LLM_MODELseleciona o id do modelo Anthropic, e o padrão é o alias Sonnet não datado. Outros provedores (OpenAI, Google e outros) seguem o mesmo padrão de uma chave mais um id do modelo, mas cada um tem seu próprio SDK, endpoint e esquema de solicitação / resposta.

Passo 3: Primeira chamada de API (TypeScript)

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

const client = new Anthropic();

const MODEL = process.env.LLM_MODEL ?? "claude-sonnet-5";

const response = await client.messages.create({
  model: MODEL,
  max_tokens: 256,
  messages: [{ role: "user", content: "What is a neural network in one sentence?" }],
});

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

Passo 4: HTTP bruto (sem SDK)

pythonCopyimport os
import urllib.request
import json

url = "https://api.anthropic.com/v1/messages"
headers = {
    "Content-Type": "application/json",
    "x-api-key": os.environ["ANTHROPIC_API_KEY"],
    "anthropic-version": "2023-06-01",
}
body = json.dumps({
    "model": os.environ.get("LLM_MODEL", "claude-sonnet-5"),
    "max_tokens": 256,
    "messages": [{"role": "user", "content": "What is a neural network in one sentence?"}],
}).encode()

req = urllib.request.Request(url, data=body, headers=headers, method="POST")
with urllib.request.urlopen(req) as resp:
    result = json.loads(resp.read())
    print(result["content"][0]["text"])

Isto é o que os SDKs fazem sob o capô. Entender a chamada HTTP crua ajuda ao depurar.

Usá-lo

Para este curso:

Não precisas de todos agora, arranja-os quando a lição precisar.

Envia-o

Esta lição produz:

• outputs/prompt-api-troubleshooter.md- diagnóstico de erros comuns na API

Exercícios

1. Obtenha uma chave de API Anthropic e faça sua primeira chamada de API
2. Tente a versão HTTP crua e compare o formato de resposta com a versão SDK
3. Usar intencionalmente uma chave de API errada e ler a mensagem de erro

Termos-chave

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.