Skip to main content
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
ChatAnthropiclangchain-anthropicbeta✅ (npm)Downloads per monthPyPI - Latest version

​
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 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

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.

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")

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)
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：

​
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.