ChatAnthropic 集成

使用 LangChain Python 与 ChatAnthropic 聊天模型集成。

你可以在 Claude 文档中找到关于 Anthropic 最新模型、其成本、上下文窗口和支持的输入类型的信息。

API 参考

有关所有功能和配置选项的详细文档，请前往 ChatAnthropic API 参考。

AWS Bedrock 和 Google VertexAI

请注意，某些 Anthropic 模型也可以通过 AWS Bedrock 和 Google VertexAI 访问。请参阅 ChatBedrock 和 ChatVertexAI 集成，以通过这些服务使用 Anthropic 模型。

对于 AWS Bedrock 上具有与 ChatAnthropic 相同 API 的 Anthropic 模型，请使用 langchain-aws 中的 ChatAnthropicBedrock。

概述

集成详情

类	包	可序列化	JS/TS 支持	下载量	最新版本
ChatAnthropic	langchain-anthropic	beta	✅ (npm)

模型功能

工具调用	结构化输出	图像输入	音频输入	视频输入	令牌级流式传输	原生异步	令牌使用量	对数概率
✅	✅	✅	❌	❌	✅	✅	✅	❌

设置

要访问 Anthropic (Claude) 模型，你需要安装 langchain-anthropic 集成包并获取一个 Claude API 密钥。

安装

pip

pip install -U langchain-anthropic

uv add langchain-anthropic

凭据

前往 Claude 控制台 注册并生成 Claude API 密钥。完成后，设置 ANTHROPIC_API_KEY 环境变量：

import getpass
import os

if "ANTHROPIC_API_KEY" not in os.environ:
    os.environ["ANTHROPIC_API_KEY"] = getpass.getpass("输入你的 Anthropic API 密钥：")

要启用模型调用的自动跟踪，请设置你的 LangSmith API 密钥：

os.environ["LANGSMITH_API_KEY"] = getpass.getpass("输入你的 LangSmith API 密钥：")
os.environ["LANGSMITH_TRACING"] = "true"

实例化

现在我们可以实例化模型对象并生成聊天补全：

from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(
    model="claude-haiku-4-5-20251001",
    # temperature=,
    # max_tokens=,
    # timeout=,
    # max_retries=,
    # ...
)

有关所有可用实例化参数的详细信息，请参阅 ChatAnthropic API 参考。

调用

调用

messages = [
    (
        "system",
        "你是一位乐于助人的翻译。将用户句子翻译成法语。",
    ),
    (
        "human",
        "I love programming.",
    ),
]
model.invoke(messages)

print(ai_msg.text)

J'adore la programmation.

流式传输

for chunk in model.stream(messages):
    print(chunk.text, end="")

AIMessageChunk(content="J", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content="'", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content="a", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content="ime", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content=" la", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content=" programm", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content="ation", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")
AIMessageChunk(content=".", id="run-272ff5f9-8485-402c-b90d-eac8babc5b25")

要从流中聚合完整消息：

stream = model.stream(messages)
full = next(stream)
for chunk in stream:
    full += chunk
full

AIMessageChunk(content="J'aime la programmation.", id="run-b34faef0-882f-4869-a19c-ed2b856e6361")

异步

await model.ainvoke(messages)

# stream
async for chunk in (await model.astream(messages))

# batch
await model.abatch([messages])

AIMessage(
    content="J'aime la programmation.",
    response_metadata={
        "id": "msg_01Trik66aiQ9Z1higrD5XFx3",
        "model": "claude-sonnet-4-6",
        "stop_reason": "end_turn",
        "stop_sequence": None,
        "usage": {"input_tokens": 25, "output_tokens": 11},
    },
    id="run-5886ac5f-3c2e-49f5-8a44-b1e92808c929-0",
    usage_metadata={
        "input_tokens": 25,
        "output_tokens": 11,
        "total_tokens": 36,
    },
)

在我们的 模型 指南中了解更多支持的调用方法。

内容块

当使用工具、扩展思考 和其他功能时，来自单个 Anthropic AIMessage 的内容可以是一个字符串，也可以是 Anthropic 内容块的列表。

例如，当 Anthropic 模型调用一个工具时，工具调用是消息内容的一部分（同时也在标准化的 AIMessage.tool_calls 中公开）：

from langchain_anthropic import ChatAnthropic
from typing_extensions import Annotated

model = ChatAnthropic(model="claude-haiku-4-5-20251001")


def get_weather(
    location: Annotated[str, ..., "Location as city and state."]
) -> str:
    """Get the weather at a location."""
    return "It's sunny."


model_with_tools = model.bind_tools([get_weather])
response = model_with_tools.invoke("Which city is hotter today: LA or NY?")
response.content

[{'text': "I'll help you compare the temperatures of Los Angeles and New York by checking their current weather. I'll retrieve the weather for both cities.",
  'type': 'text'},
 {'id': 'toolu_01CkMaXrgmsNjTso7so94RJq',
  'input': {'location': 'Los Angeles, CA'},
  'name': 'get_weather',
  'type': 'tool_use'},
 {'id': 'toolu_01SKaTBk9wHjsBTw5mrPVSQf',
  'input': {'location': 'New York, NY'},
  'name': 'get_weather',
  'type': 'tool_use'}]

使用 content_blocks 将以 LangChain 的标准格式呈现内容，该格式与其他模型提供商保持一致。阅读更多关于 内容块 的信息。

response.content_blocks

你也可以使用 tool_calls 属性以标准格式专门访问工具调用：

response.tool_calls

[{'name': 'GetWeather',
  'args': {'location': 'Los Angeles, CA'},
  'id': 'toolu_01Ddzj5PkuZkrjF4tafzu54A'},
 {'name': 'GetWeather',
  'args': {'location': 'New York, NY'},
  'id': 'toolu_012kz4qHZQqD4qg8sFPeKqpP'}]

工具

Anthropic 的工具使用功能允许你定义 Claude 在对话期间可以调用的外部函数。这实现了动态信息检索、计算以及与外部系统的交互。

有关如何将工具绑定到模型实例的详细信息，请参阅 ChatAnthropic.bind_tools。

关于 Claude 内置工具（代码执行、网页浏览、文件 API 等）的信息，请参阅 内置工具。

from pydantic import BaseModel, Field


class GetWeather(BaseModel):
    '''Get the current weather in a given location'''

    location: str = Field(description="The city and state, e.g. San Francisco, CA")


class GetPopulation(BaseModel):
    '''Get the current population in a given location'''

    location: str = Field(description="The city and state, e.g. San Francisco, CA")


model_with_tools = model.bind_tools([GetWeather, GetPopulation])
ai_msg = model_with_tools.invoke("Which city is hotter today and which is bigger: LA or NY?")
ai_msg.tool_calls

[
    {
        "name": "GetWeather",
        "args": {"location": "Los Angeles, CA"},
        "id": "toolu_01KzpPEAgzura7hpBqwHbWdo",
    },
    {
        "name": "GetWeather",
        "args": {"location": "New York, NY"},
        "id": "toolu_01JtgbVGVJbiSwtZk3Uycezx",
    },
    {
        "name": "GetPopulation",
        "args": {"location": "Los Angeles, CA"},
        "id": "toolu_01429aygngesudV9nTbCKGuw",
    },
    {
        "name": "GetPopulation",
        "args": {"location": "New York, NY"},
        "id": "toolu_01JPktyd44tVMeBcPPnFSEJG",
    },
]

严格工具使用

严格工具使用需要：

• Claude Sonnet 4.5 或 Opus 4.1。
• langchain-anthropic>=1.1.0

Anthropic 支持选择性的 严格模式工具调用。这通过约束解码保证了工具名称和参数经过验证且类型正确。

没有严格模式时，Claude 偶尔会生成破坏应用程序的无效工具输入：

• 类型不匹配：passengers: "2" 而不是 passengers: 2
• 缺少必填字段：省略了你的函数期望的字段
• 无效的枚举值：超出允许集合的值
• 模式违规：嵌套对象不符合预期结构

严格工具使用保证模式合规的工具调用：

• 工具输入严格遵循你的 input_schema
• 保证字段类型和必填字段
• 消除对格式错误输入的异常处理
• 使用的工具 name 始终来自提供的工具

使用严格工具调用	使用标准工具调用
构建可靠性至关重要的智能体工作流时	简单、单轮的工具调用
具有许多参数或嵌套对象的工具时	原型设计和实验
需要特定类型（例如 int 与 str）的函数时

要启用严格工具使用，请在调用 bind_tools 时指定 strict=True。

from langchain_anthropic import ChatAnthropic

model = ChatAnthropic(model="claude-sonnet-4-6")

def get_weather(location: str) -> str:
    """Get the weather at a location."""
    return "It's sunny."

model_with_tools = model.bind_tools([get_weather], strict=True)

示例：类型安全的预订系统

考虑一个 passengers 必须是整数的预订系统：

from langchain_anthropic import ChatAnthropic
from typing import Literal

model = ChatAnthropic(model="claude-sonnet-4-6")

def book_flight(
    destination: str,
    departure_date: str,
    passengers: int,
    cabin_class: Literal["economy", "business", "first"]
) -> str:
    """Book a flight to a destination.

    Args:
        destination: The destination city
        departure_date: Date in YYYY-MM-DD format
        passengers: Number of passengers (must be an integer)
        cabin_class: The cabin class for the flight
    """
    return f"Booked {passengers} passengers to {destination}"

model_with_tools = model.bind_tools(
    [book_flight],
    strict=True,
    tool_choice="any",
)
response = model_with_tools.invoke("Book 2 passengers to Tokyo, business class, 2025-01-15")

# 使用 strict=True 时，passengers 保证是 int，而不是 "2" 或 "two"
print(response.tool_calls[0]["args"]["passengers"])

2

严格工具使用有一些需要注意的 JSON 模式限制。有关详细信息，请参阅 Claude 文档。

如果你的工具模式使用了不支持的功能，你将收到 400 错误。在这些情况下，请简化模式或使用标准（非严格）工具调用。

输入示例

对于复杂的工具，你可以提供使用示例来帮助 Claude 正确理解如何使用它们。这是通过设置工具的 extras 参数中的 input_examples 来实现的。

from langchain_anthropic import ChatAnthropic
from langchain.tools import tool

@tool(
    extras={
        "input_examples": [
            {
                "query": "weather report",
                "location": "San Francisco",
                "format": "detailed"
            },
            {
                "query": "temperature",
                "location": "New York",
                "format": "brief"
            }
        ]
    }
)
def search_weather_data(query: str, location: str, format: str = "brief") -> str:
    """Search weather database with specific query and format preferences.

    Args:
        query: The type of weather information to retrieve
        location: City or region to search
        format: Output format, either 'brief' or 'detailed'
    """
    return f"{format.title()} {query} for {location}: Data found"

model = ChatAnthropic(model="claude-sonnet-4-6")
model_with_tools = model.bind_tools([search_weather_data])

response = model_with_tools.invoke(
    "Get me a detailed weather report for Seattle"
)

extras 参数还支持：

• defer_loading (bool)：按需加载工具以用于 工具搜索
• cache_control (dict)：为工具启用 提示缓存

细粒度工具流式传输

Anthropic 支持 [细粒度工具

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.