Claude APIの始め方｜開発者向け入門ガイド

ChatGPTガイド Claude

AI開発の波が加速する中、Anthropic社が提供するClaude APIは、安全性と高性能を両立したLLM APIとして多くの開発者から注目を集めています。本記事では、Claude APIの基礎知識から実際の使い方、実践的な応用例まで、開発者が今日から使い始めるために必要なすべてを解説します。

すでにClaudeの始め方で基本操作を確認した方も、API経由での活用についてはぜひこの記事を参考にしてください。また、プラン比較をお探しの方はClaude Pro比較の記事もあわせてご覧ください。

Claude APIとは？開発者が知るべき基礎知識

Claude APIは、Anthropic社が開発した大規模言語モデル「Claude」をプログラムから利用するためのREST APIです。HTTPリクエストを送信するだけで、テキスト生成、要約、翻訳、コード生成など多彩な自然言語処理タスクを実行できます。

特徴的な設計思想

Claudeの最大の特徴は「Constitutional AI」と呼ばれる独自の安全アプローチです。モデル自体が有害な出力を避けるよう訓練されており、開発者は安全性のために複雑なガードレールを自前で構築する負担を軽減できます。具体的には以下の点が挙げられます。

  • 有害コンテンツの抑制: ヘイトスピーチ、偏見、危険な指示に対して、モデル自体が拒否または安全な応答を返す設計
  • 正直性の重視: 知識の境界を認識し、事実に基づかない推測を避ける傾向
  • 長文コンテキスト対応: 最新モデルでは最大1Mトークンのコンテキストウィンドウをサポートし、大量の文書を一括処理可能

開発者にとってのメリット

API経由でClaudeを利用することで、Web UI経由では不可能な以下のような活用が可能になります。

  • 自動化パイプラインへの組み込み: CI/CD、データ処理、コンテンツ生成などのワークフローに統合
  • カスタムアプリケーションの構築: 自社サービスや製品へのAI機能の埋め込み
  • バッチ処理: 大量のデータに対する一括処理や定期実行
  • ファインチューニングなしでも高品質: プロンプトエンジニアリングだけで多くのユースケースに対応

APIキーの取得方法（Anthropic Console）

Claude APIを利用するには、Anthropic ConsoleからAPIキーを取得する必要があります。以下のステップに沿って進めましょう。

ステップ1：アカウント作成

  1. https://console.anthropic.com/ にアクセス
  2. 「Sign Up」をクリックし、メールアドレスとパスワードを入力
  3. 認証メールのリンクをクリックしてアカウントを有効化
  4. 必要に応じて、組織名や用途などの追加情報を入力

ステップ2：クレジットカードの登録

API利用には課金設定が必要です。コンソールの「Settings」→「Billing」からクレジットカード情報を入力します。初回クレジット付与のキャンペーンが行われることもありますが、常に有効とは限らないため、公式ページで最新情報を確認してください。

ステップ3：APIキーの生成

  1. コンソールの「API Keys」ページを開く
  2. 「Create Key」をクリック
  3. キーに名前を付ける（例：dev-api-key、production-key）
  4. 生成されたキーをコピーして安全な場所に保存

> ⚠️ 重要: APIキーは一度しか表示されません。紛失した場合は新しいキーを作成する必要があります。また、キーをGitHubなどの公開リポジトリに絶対にコミットしないでください。.envファイルやシークレットマネージャーの利用を推奨します。

ステップ4：動作確認

キー取得後、コンソール内の「Workbench」を使って、ブラウザ上で即座にAPIの動作確認ができます。プログラミングなしでプロンプトのテストやパラメータの調整が可能です。

料金体系（入力/出力トークン単位）

Claude APIの料金は、入力トークンと出力トークンの数に基づく従量課金制です。モデルごとに単価が異なります。

モデル別料金（2026年4月時点）

モデル 入力（1Mトークンあたり） 出力（1Mトークンあたり）
Claude Opus 4.7 $5 $25
Claude Sonnet 4.6 $3 $15
Claude Haiku 4.5 $1 $5

※旧モデル（Opus 4.1: 入力$15/出力$75、Opus 4: 入力$15/出力$75）も利用可能ですが、新モデルへの移行が推奨されています。料金は変更される可能性があります。最新情報はAnthropic公式料金ページを参照してください。

コスト試算の例

たとえば、Claude Sonnet 4.6を使って1,000文字程度の日本語テキストを要約する場合を考えます。

  • 入力: 原文約5,000文字（トークン換算で約3,000トークン）
  • 出力: 要約約500文字（トークン換算で約300トークン）

コスト = (3,000 × $3 / 1,000,000) + (300 × $15 / 1,000,000) ≈ $0.009 + $0.0045 ≈ $0.014

1回あたり約1.4円（1ドル≈150円換算）と非常に安価です。1日1,000回実行しても約1,400円/日という計算になります。

課金のポイント

  • 前払いクレジット方式: あらかじめクレジットを購入し、利用分が差し引かれる仕組みです
  • 自動チャージ設定: 残高が閾値を下回った際に自動でクレジットを追加する設定が可能です
  • 使用量モニタリング: コンソールのダッシュボードで日々の使用量とコストを確認できます

初めてのAPI呼び出し（Python例）

それでは、実際にClaude APIを呼び出してみましょう。ここではPythonを使用します。

前提条件

  • Python 3.8以上
  • APIキーの取得済み

SDKのインストール

Anthropic公式のPython SDKを使うのが最も簡単です。 

pip install anthropic

シンプルな呼び出し例

import anthropic


client = anthropic.Anthropic(
    api_key="sk-ant-xxxxx"  # 実際のAPIキーに置き換えてください
)




message = client.messages.create(
    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "日本語でプログラミングの魅力を3つ教えてください。"
        }
    ]
)




print(message.content[0].text)

環境変数を使った安全なキー管理

APIキーをコードに直接書くのはセキュリティ上のリスクがあります。環境変数を使いましょう。 

import anthropic


import os




# 環境変数からAPIキーを読み込む
# export ANTHROPIC_API_KEY="sk-ant-xxxxx" を事前に実行
client = anthropic.Anthropic()




message = client.messages.create(
    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Pythonのリスト内包表記について簡潔に説明してください。"
        }
    ]
)




print(message.content[0].text)

SDKはデフォルトでANTHROPIC_API_KEY環境変数を参照するため、明示的なapi_key引数なしでも動作します。

cURLでの呼び出し例

Python以外の言語でも、HTTPリクエストが送れれば利用可能です。 

curl https://api.anthropic.com/v1/messages \


  -H "Content-Type: application/json" \
  -H "x-api-key: sk-ant-xxxxx" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "claude-sonnet-4-6-20250514",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello, Claude!"}
    ]
  }'

主要パラメータ解説（model/temperature/max_tokens等）

Claude APIのmessages.createメソッドでは、複数のパラメータで生成挙動を制御できます。開発現場でよく使うものを中心に解説します。

model（必須）

使用するモデルを指定します。用途とコストに応じて適切に選択しましょう。

  • claude-opus-4-7-20250514: 最高性能。複雑な推論、長文執筆、高度な分析に最適
  • claude-sonnet-4-6-20250514: バランス型。日常的な開発タスクで最も使い勝手が良い
  • claude-haiku-4-5-20251001: 高速・低コスト。分類や短文生成など迅速な処理向け

max_tokens（必須）

モデルが生成する最大トークン数を指定します。出力がこの値に達すると生成が停止します。コストと出力長のバランスを考慮して設定してください。 

message = client.messages.create(


    model="claude-sonnet-4-6-20250514",
    max_tokens=256,  # 短い回答に制限
    messages=[{"role": "user", "content": "一言で答えてください：日本の首都は？"}]
)

temperature（オプション、デフォルト1.0）

出力のランダム性を制御します。0.0〜1.0の範囲で指定します。

  • 0.0: 決定的な出力。事実回答やコード生成など、再現性が重要な場面で使用
  • 0.5: バランス。一般的な文章生成に適する
  • 1.0: 創造的な出力。ブレインストーミングや創作に適する
# 創造的なアイデアを出したい場合


message = client.messages.create(
    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    temperature=0.8,
    messages=[{"role": "user", "content": "新しいアプリのアイデアを5つ提案して"}]
)

top_p（オプション）

トークン選択の範囲を制御します。temperatureと似た役割ですが、確率分布の上位何%から選択するかを指定します。一般的にはtemperatureとtop_pのどちらか一方を調整すれば十分です。両方を同時に変更するのは推奨されません。

system（オプション）

システムプロンプトを指定します。モデルの役割や振る舞いを定義でき、出力の一貫性を高める効果があります。 

message = client.messages.create(


    model="claude-sonnet-4-6-20250514",
    max_tokens=1024,
    system="あなたは日本語の技術ライターです。専門用語には必ず説明を添えてください。",
    messages=[{"role": "user", "content": "Dockerの基本概念を説明して"}]
)

stop_sequences（オプション）

指定した文字列が出力に現れた場合、生成を即座に停止します。特定のフォーマットで出力を切り上げたい場合に有用です。 

message = client.messages.create(


    model="claude-sonnet-4-6-20250514",
    max_tokens=2048,
    stop_sequences=["---END---"],
    messages=[{"role": "user", "content": "日記を書いてください。---END---が来たら終わり"}]
)

実践例3つ（チャットボット/文章要約/コード生成）

ここからは、実務でそのまま使える3つの実践例を紹介します。

実践例1：マルチターンチャットボット

会話履歴を保持し、文脈を理解したチャットボットを構築します。 

import anthropic


client = anthropic.Anthropic()




conversation_history = []




def chat(user_input: str) -> str:
    # ユーザーの発言を履歴に追加
    conversation_history.append({
        "role": "user",
        "content": user_input
    })




    response = client.messages.create(
        model="claude-sonnet-4-6-20250514",
        max_tokens=1024,
        system="あなたは親切なカスタマーサポートAIです。丁寧な日本語で応対してください。",
        messages=conversation_history
    )




    assistant_reply = response.content[0].text




    # AIの応答を履歴に追加
    conversation_history.append({
        "role": "assistant",
        "content": assistant_reply
    })




    return assistant_reply




# 対話ループ
print("チャットボット（終了するには 'quit' と入力）")
while True:
    user_input = input("あなた: ")
    if user_input.lower() == "quit":
        break
    reply = chat(user_input)
    print(f"Claude: {reply}")

ポイント: conversation_historyリストにメッセージを蓄積することで、Claudeが過去の会話文脈を参照できるようになります。ただし、トークン数には上限があるため、長時間の対話では古いメッセージの削除（コンテキストウィンドウの管理）が必要です。

実践例2：文章要約パイプライン

長文を要約し、要約結果の文字数と処理時間を計測するユーティリティです。 

import anthropic


import time




client = anthropic.Anthropic()




def summarize_text(text: str, max_length: int = 200) -> dict:
    start_time = time.time()




    response = client.messages.create(
        model="claude-sonnet-4-6-20250514",
        max_tokens=1024,
        temperature=0.3,  # 要約は低temperatureで正確に
        system="あなたはプロの編集者です。与えられた文章を簡潔に要約してください。",
        messages=[{
            "role": "user",
            "content": f"以下の文章を{max_length}文字程度で要約してください：\n\n{text}"
        }]
    )




    summary = response.content[0].text
    elapsed = time.time() - start_time




    return {
        "summary": summary,
        "original_length": len(text),
        "summary_length": len(summary),
        "input_tokens": response.usage.input_tokens,
        "output_tokens": response.usage.output_tokens,
        "elapsed_seconds": round(elapsed, 2)
    }




# 使用例
long_text = """
（ここに要約対象の長い文章を入れます）
"""




result = summarize_text(long_text, max_length=300)
print(f"要約: {result['summary']}")
print(f"文字数: {result['original_length']} → {result['summary_length']}")
print(f"トークン数: 入力{result['input_tokens']} / 出力{result['output_tokens']}")
print(f"処理時間: {result['elapsed_seconds']}秒")

実践例3：コード生成とレビュー

要件からコードを生成し、そのコードを自己レビューさせる二段階プロセスです。 

import anthropic


client = anthropic.Anthropic()




def generate_and_review(requirement: str) -> dict:
    # ステップ1: コード生成
    gen_response = client.messages.create(
        model="claude-sonnet-4-6-20250514",
        max_tokens=2048,
        temperature=0.2,  # コード生成は低temperatureで正確に
        system="あなたはシニアPythonエンジニアです。クリーンでテスト可能なコードを書いてください。",
        messages=[{
            "role": "user",
            "content": f"以下の要件を満たすPython関数を実装してください：\n{requirement}"
        }]
    )




    generated_code = gen_response.content[0].text




    # ステップ2: コードレビュー
    review_response = client.messages.create(
        model="claude-sonnet-4-6-20250514",
        max_tokens=1024,
        temperature=0.0,  # レビューは決定的に
        system="あなたはコードレビュアーです。バグ、セキュリティ問題、パフォーマンス問題を指摘してください。",
        messages=[{
            "role": "user",
            "content": f"以下のコードをレビューしてください。問題があれば修正案も提示してください：\n\n{generated_code}"
        }]
    )




    review = review_response.content[0].text




    return {
        "code": generated_code,
        "review": review
    }




# 使用例
result = generate_and_review(
    "CSVファイルを読み込み、指定された列でフィルタリングし、結果を新しいCSVファイルとして出力する関数"
)
print("=== 生成されたコード ===")
print(result["code"])
print("\n=== レビュー結果 ===")
print(result["review"])

ポイント: 二段階に分けることで、生成と検証を分離し、より信頼性の高い出力を得られます。実務ではレビュー結果に基づいて再度生成をやり直すループを組むとさらに効果的です。

レート制限とエラーハンドリング

レート制限の概要

Claude APIには、公平な利用と安定性を確保するためのレート制限が設けられています。

制限の種類 説明
1分あたりのリクエスト数（RPM） API呼び出しの頻度制限
1分あたりのトークン数（TPM） 入力＋出力トークンの総量制限
1日のリクエスト数 1日あたりの累積リクエスト上限

制限値はプラン（Tier）によって異なります。新しいアカウントはTier 1からスタートし、利用実績に応じて上位Tierに自動昇格します。

エラーハンドリングの実装

本番運用では、レート制限や一時的なサーバーエラーに対するリトライ処理が不可欠です。 

import anthropic


import time




client = anthropic.Anthropic()




def call_with_retry(prompt: str, max_retries: int = 3) -> str:
    for attempt in range(max_retries):
        try:
            response = client.messages.create(
                model="claude-sonnet-4-6-20250514",
                max_tokens=1024,
                messages=[{"role": "user", "content": prompt}]
            )
            return response.content[0].text




        except anthropic.RateLimitError as e:
            # レート制限に抵触した場合、指数バックオフで待機
            wait_time = (2 ** attempt) + 1  # 2秒, 3秒, 5秒...
            print(f"レート制限に到達。{wait_time}秒後にリトライします。({attempt + 1}/{max_retries})")
            time.sleep(wait_time)




        except anthropic.APIConnectionError as e:
            # ネットワークエラー
            print(f"接続エラー: {e}")
            time.sleep(2)




        except anthropic.APIStatusError as e:
            # 4xx/5xxエラー
            if e.status_code == 400:
                print(f"リクエストエラー: {e.message}")
                raise  # リトライせず即座に例外を発生
            elif e.status_code >= 500:
                print(f"サーバーエラー ({e.status_code})。リトライします。")
                time.sleep(3)
            else:
                raise




    raise Exception(f"最大リトライ回数({max_retries})に到達しました。")

主要なエラーコード

ステータスコード 意味 対応
400 無効なリクエスト パラメータやプロンプトを確認
401 認証エラー APIキーを確認
403 権限不足 プランやアクセス権を確認
429 レート制限超過 バックオフ後にリトライ
500 サーバー内部エラー しばらく待ってリトライ
529 サーバー過負荷 リトライ（APIが混雑している状態）

Claude API vs OpenAI API比較

多くの開発者が気になるのが、Claude APIとOpenAI API（GPT-4o等）の違いです。主要な観点で比較しましょう。

機能面の比較

観点 Claude API OpenAI API
コンテキストウィンドウ 最大1Mトークン 最大128Kトークン（GPT-4o）
安全性アプローチ Constitutional AI（内蔵） Moderation API（別途呼び出し）
ストリーミング対応 ✅ 対応 ✅ 対応
ファインチューニング ❌ 未対応（2026年4月時点） ✅ 対応
関数呼び出し ✅ ツール使用（tool_use） ✅ Function Calling
ビジョン対応 ✅ 画像入力対応 ✅ 画像入力対応
構造化出力 ✅ JSONモード対応 ✅ JSONモード＋スキーマ指定

料金比較（代表的なモデル）

項目 Claude Sonnet 4.6 GPT-4o
入力（1Mトークン） $3 $2.50
出力（1Mトークン） $15 $10
コンテキスト上限 1M 128K

GPT-4oの方が単価は若干安いですが、コンテキストウィンドウの大きさを活かした長文処理ではClaudeに利点があります。

開発者体験の比較

Claude APIの強み:

  • 長文処理: 1Mコンテキストは、文書分析やコードベース全体の理解に圧倒的
  • 安全性の内蔵: 別途Moderation APIを呼ぶ必要がなく、開発がシンプル
  • 指示への忠実性: プロンプトの指示に素直に従う傾向があり、プロンプトエンジニアリングが書きやすい
  • シンプルなAPI設計: Messages APIひとつで完結する分かりやすい構成

OpenAI APIの強み:

  • エコシステムの厚み: プラグイン、Assistants API、GPTsなど周辺機能が充実
  • ファインチューニング: 独自データでのモデル調整が可能
  • 多様なモデルラインナップ: GPT-4o、GPT-4o mini、o1、o3など用途別に最適な選択肢
  • コミュニティの規模: ドキュメント、チュートリアル、サードパーティツールが豊富

選択の指針: 長文処理や安全性重視の用途ならClaude、エコシステムの厚みやファインチューニングが必要ならOpenAIという判断基準が実用的です。もちろん、両方を用途に応じて使い分けるのも賢いアプローチです。

筆者の実感

開発者としてClaude APIを触ってみて一番感じたのは、「ドキュメントが親切で、迷わず始められた」ということです。他のAPIだと認証回りで詰まることが多いですが、AnthropicのSDKはpip installして環境変数を設定するだけで動く。最初のリクエストから結果が返ってくるまで15分もかかりませんでした。

コスト面では、Sonnetなら1回数円という安さに驚きました。小規模なプロジェクトなら月数千円で十分回ります。ただ、Opusを使った長文処理はトークン単価が跳ね上がるので、用途に応じてモデルを選ぶ慎重さが必要です。また、APIレート制限に引っかかった時のエラーハンドリングは、本番運用なら必須だと身をもって知りました。

エコシステムの厚みではOpenAIに一日の長があるのも事実。LangChainの対応もOpenAIの方が早いし、コミュニティの情報量も段違いです。でも長文処理と安全性の観点ではClaude APIに軍配があります。皆さんはAPIでどんなアプリを作っていますか？長文というClaudeの強みを活かした使い方のヒントが聞きたいです。

——たかゆき

まとめ

Claude APIは、安全性と性能を両立したLLM APIとして、開発者にとって強力な選択肢です。本記事で解説した要点を振り返りましょう。

  1. 基礎知識: Claude APIはConstitutional AIに基づく安全なLLM APIで、最新モデルでは最大1Mトークンのコンテキストを扱える
  2. 始め方: Anthropic ConsoleからAPIキーを取得するだけで、すぐに利用を開始できる
  3. 料金: 従量課金制で、Sonnet 4.6なら入力$3/1Mトークンから。小規模利用なら1回数円程度
  4. パラメータ: model、max_tokens、temperature、systemなどを適切に設定することで出力品質をコントロール
  5. 実践例: チャットボット、文章要約、コード生成など、幅広いユースケースに対応
  6. エラーハンドリング: リトライと指数バックオフの実装が本番運用には必須
  7. 比較: OpenAI APIと比較して長文処理と安全性に強み。用途に応じた使い分けが推奨される

Claudeの始め方の記事も参考に、まずは小さなプロジェクトからClaude APIを試してみてください。料金面での比較を詳しく知りたい方は、Claude Pro比較の記事もぜひご覧ください。

APIを活用すれば、アイデア次第で無限の可能性が広がります。この入門ガイドが、あなたのClaude API開発の第一歩となれば幸いです。

コメント

タイトルとURLをコピーしました