Перейти к основному содержанию
LangChain — фреймворк для приложений на LLM: цепочки, агенты, RAG. Поскольку RuAPI OpenAI-совместим, подключение сводится к классу ChatOpenAI с base_url, равным https://www.ruapi.ai/v1 — отдельная интеграция не нужна.

Предварительные требования

1

Аккаунт RuAPI и API-ключ

Консоль → API-ключи → создайте ключ sk-.... Баланс пополняется в USDT — см. Пополнение.

Python

Дальше llm подставляется в любые цепочки, агентов и LCEL-конструкции как обычная модель.

JavaScript / TypeScript

Сменить модель — поменять поле model. Тем же ключом доступны Claude, GPT, Gemini, DeepSeek и другие.

Эмбеддинги для RAG

Для поиска по документам у RuAPI есть модели эмбеддингов text-embedding-3-small (1536 измерений) и text-embedding-3-large (3072). Подключаются тем же ключом через OpenAIEmbeddings:
Длинные документы сначала разбейте на фрагменты (text splitter) — с этой настройкой LangChain не режет текст длиннее 8191 токена сам, а фрагменты отправляет партиями по chunk_size штук. emb подходит для любого векторного хранилища LangChain (FAISS, Chroma и др.), а ответы по найденным фрагментам пишет llm из примера выше. Модели эмбеддингов открываются после пополнения баланса; цены — на странице цен.

Решение проблем

api_key должен быть ключом RuAPI (sk-...). Проверьте отсутствие лишних пробелов.
Имя в model должно совпадать с RuAPI дословно — см. страницу цен.
Нет. Claude вызывается через ChatOpenAI по тому же base_url — достаточно указать ID модели Claude в поле model.