Чтобы подключить OpenAI SDK к LLMTOKENAPI, достаточно оставить привычный клиент, заменить baseURL на https://api.llmtokenapi.ru/v1, передать ключ LLMTOKENAPI и выбрать активный публичный ID модели. Такой подход подходит для серверных приложений, которые уже используют Responses API или Chat Completions и хотят работать через единый рублёвый баланс.
Когда совместимый SDK действительно упрощает интеграцию
OpenAI-совместимый протокол полезен не потому, что все модели становятся одинаковыми. Его преимущество — в стабильной форме вызова: авторизация через Bearer-токен, знакомые методы клиента, потоковая выдача и единый способ обработки ошибок. Приложению не нужно создавать отдельный HTTP-клиент для каждой модели.
Официальный JavaScript-клиент OpenAI поддерживает альтернативный адрес API через параметр baseURL и переменную OPENAI_BASE_URL; это зафиксировано в документации конфигурации openai-node. LLMTOKENAPI использует эту возможность без изменения исходного кода SDK.
Совместимость протокола не означает идентичность возможностей. Перед переносом проверьте нужную модель, streaming, tool calling, формат структурированного ответа и ограничения контекста. Текущий список доступных моделей возвращает GET /v1/models, поэтому ID лучше получать из API, а не копировать из старой статьи или чужого примера.
Настройте ключ только на сервере
Создайте отдельный API-ключ в кабинете и выдайте ему минимально необходимый scope llm:read. Сохраните секрет в переменной окружения, менеджере секретов или защищённой конфигурации среды выполнения. Не добавляйте ключ в Git и не вставляйте его в клиентский JavaScript.
Официальная документация SDK отдельно предупреждает, что ключ в браузерном коде можно извлечь, поэтому браузерный режим клиента по умолчанию отключён. Сервер приложения должен принимать запрос пользователя, проверять его права и уже затем обращаться к LLM API.
Для проекта удобно завести две независимые переменные:
LLMTOKENAPI_API_KEY=секрет_из_кабинета
LLMTOKENAPI_MODEL=активный_public_id
Так модель можно сменить без редактирования бизнес-логики, а ключ — перевыпустить без нового релиза приложения.
Создайте клиент с новым base URL
Минимальный пример для Node.js или Bun выглядит так:
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.LLMTOKENAPI_API_KEY,
baseURL: "https://api.llmtokenapi.ru/v1",
timeout: 30_000,
maxRetries: 2,
});
const response = await client.responses.create({
model: process.env.LLMTOKENAPI_MODEL!,
input: "Сформулируй три проверяемых критерия качества API.",
});
console.log(response.output_text);
Здесь важны четыре детали. Адрес заканчивается на /v1; используется именно ключ LLMTOKENAPI; модель берётся из актуального каталога; запрос выполняется на доверенном сервере. Параметры timeout и maxRetries заданы явно, чтобы поведение не менялось незаметно после обновления зависимости.
Если приложение уже построено вокруг массива messages, можно оставить client.chat.completions.create. Для новой интеграции удобнее Responses API, особенно когда позже понадобятся инструменты или составной вход. Разница между протоколами разобрана в материале «Responses API или Chat Completions».
Проверьте модель до первого продуктового запроса
Перед запуском выполните короткую техническую проверку. Сначала запросите каталог моделей, затем отправьте одну короткую фразу и убедитесь, что приложение читает ответ ожидаемой формы. После этого проверьте потоковый режим и вызов инструмента, если они нужны вашему сценарию.
Не привязывайте тест к названию, которое увидели в маркетинговом блоке. Публичный ID и тип модели должны приходить из API. В документации LLMTOKENAPI также указаны поддерживаемые endpoints и scopes, а каталог моделей помогает выбрать кандидатов по назначению.
Полезный smoke-test должен отвечать на конкретные вопросы:
- авторизация проходит и ключ имеет нужный scope;
- выбранный ID присутствует в текущем каталоге;
- ответ разбирается без ручного поиска поля в JSON;
- streaming корректно завершается;
- приложение сохраняет
requestIdпри ошибке; - таймаут не превышает допустимое время пользовательской операции.
Обрабатывайте ошибки по причине, а не одним повтором
Сетевой сбой, неверный ключ, отсутствие scope, исчерпанный баланс и временное ограничение — разные ситуации. Повтор имеет смысл при обрыве соединения, временной серверной ошибке или 429, но не исправит 401, 403 или неверный model ID.
OpenAI SDK умеет настраивать таймаут и число повторов, а его ошибки содержат HTTP-статус и request ID. Сохраняйте эти данные вместе с внутренним идентификатором операции, но не записывайте секретный ключ и полный пользовательский промпт без отдельного правового и продуктового основания.
Для операций с внешним эффектом не полагайтесь на автоматический повтор вслепую. RFC 9110 объясняет, почему повтор безопасен только при известных идемпотентных семантиках. У обычной генерации текста повтор создаёт ещё один вызов и расход, поэтому ограничьте количество попыток и считайте стоимость всей пользовательской операции.
Отделите совместимость от качества модели
После успешного подключения начинается продуктовая проверка. Соберите набор реальных запросов, задайте критерии правильного результата и сравните несколько активных моделей. Измеряйте не только скорость и цену токена, но и долю ответов, которые проходят вашу проверку без повторной генерации.
Хорошая интеграция хранит модель в конфигурации сценария: например, отдельно для классификации, сложного анализа и коротких ответов. Тогда переход между моделями остаётся управляемым, а OpenAI SDK выполняет роль стабильного транспортного слоя.
Итоговая схема проста: серверный ключ, актуальный model ID, изменённый baseURL, короткий smoke-test и явная политика ошибок. После этого существующее приложение продолжает работать знакомым клиентом, а выбор модели и бюджет можно менять без переписывания всего API-слоя.
