Créer des sorties structurées
- Point de terminaison **Structured Outputs** (sorties structurées) de l'API Anthropic Messages
- Utilisez `output_format` avec `json_schema` pour contraindre le modèle à renvoyer du JSON conforme au schéma
- En-tête de requête `anthropic-beta: structured-outputs-2025-11-13` pour activer cette capacité
- Documentation officielle : [Structured Outputs](https://docs.anthropic.com/en/docs/build-with-claude/structured-outputs)
Authorizations
Request Body
ID du modèle à utiliser. Consultez le tableau de compatibilité des points de terminaison pour les modèles compatibles avec l'API Chat.
Liste des messages de la conversation. Exemple de code Python.
Température d'échantillonnage entre 0 et 2. Des valeurs plus élevées (ex. 0,8) rendent la sortie plus aléatoire ; des valeurs plus basses (ex. 0,2) la rendent plus ciblée. Nous recommandons de modifier ceci ou top_p, mais pas les deux.
Échantillonnage nucleus alternatif à la température : le modèle considère les jetons dont la masse de probabilité cumulée est dans top_p. 0,1 signifie seulement les 10 % supérieurs. Nous recommandons de modifier ceci ou temperature, mais pas les deux.
Par défaut 1
Nombre de choix de complétion de chat à générer pour chaque message d'entrée.
Par défaut false. Si true, les deltas partiels de message sont envoyés via SSE comme dans ChatGPT, jusqu'à data: [DONE]. Exemple de code Python.
Par défaut null. Jusqu'à 4 séquences où l'API arrête de générer des jetons.
Par défaut inf
Nombre maximal de jetons à générer dans la complétion.
La longueur totale des jetons d'entrée et générés est limitée par le contexte du modèle. Exemple Python pour compter les jetons.
Nombre entre -2,0 et 2,0. Les valeurs positives pénalisent les nouveaux jetons selon leur apparition dans le texte, augmentant la probabilité de nouveaux sujets. En savoir plus
Par défaut 0. Nombre entre -2,0 et 2,0. Les valeurs positives pénalisent les nouveaux jetons selon leur fréquence, réduisant les répétitions. En savoir plus sur les pénalités de fréquence et de présence.
Modifie la probabilité d'apparition de jetons spécifiés. Accepte un objet JSON mappant les ID de jetons (du tokenizer) à des biais de -100 à 100. Le biais est ajouté aux logits avant échantillonnage ; l'effet varie selon le modèle. Les valeurs entre -1 et 1 diminuent ou augmentent la probabilité de sélection ; -100 ou 100 devraient désactiver ou sélectionner exclusivement le jeton.
Identifiant unique de l'utilisateur final. Aide OpenAI à surveiller les abus. En savoir plus
Objet spécifiant le format de sortie du modèle. { "type": "json_object" } active le mode JSON. Important : en mode JSON, indiquez aussi au modèle de produire du JSON via un message system ou user ; sinon le modèle peut émettre des espaces jusqu'à la limite de jetons. Si finish_reason="length", le contenu peut être tronqué.
Fonction bêta. Si spécifié, le système tente un échantillonnage déterministe pour des requêtes répétées avec la même graine et paramètres. Le déterminisme n'est pas garanti ; utilisez system_fingerprint pour surveiller les changements backend.
Liste d'outils que le modèle peut appeler. Seules les fonctions sont prises en charge. Fournissez des fonctions pour lesquelles le modèle peut générer une entrée JSON.
Contrôle quelle fonction (le cas échéant) le modèle appelle. none : pas d'appel, message uniquement ; auto : choix entre message et fonction ; forcer avec {"type": "function", "function": {"name": "my_function"}}. Par défaut none sans fonctions, auto si fonctions présentes.
Configuration de sortie structurée ; lorsque type est json_schema, schema contraint le JSON renvoyé.