> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fastino.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Use https://docs.fastino.ai/llms.txt to discover and navigate pages. Use https://docs.fastino.ai/llms-full.txt when you need the complete documentation corpus. Use https://docs.fastino.ai/openapi.json as the source of truth for customer-facing routes. For GLiDE decision inference, call POST https://api.fastino.ai/v1/systemone with model fastino/GLiDE. Do not infer undocumented routes. Read API keys from FASTINO_API_KEY and never embed credentials in code, logs, or reports.

# POST /v1/messages compatible Anthropic sur l'API Fastino

> Exécutez l’extraction et la classification structurées avec GLiNER via l’API Messages du SDK Anthropic.

Fastino implémente un endpoint Messages compatible Anthropic permettant d’exécuter des modèles GLiNER via le SDK Anthropic. Définissez `base_url` sur `https://api.fastino.ai`, authentifiez-vous avec votre clé d’API Fastino et utilisez un ID GLiNER renvoyé par `GET /v1/models` ou l’ID de votre job d’entraînement GLiNER. Le SDK Anthropic ajoute lui-même `/v1/messages`.

## Surface SDK prise en charge

| Méthode du SDK Anthropic | Endpoint Fastino | Résultat GLiNER |
| - | - | - |
| `client.messages.create(...)` | `POST /v1/messages` | JSON structuré dans `message.content[0].text` |

<Warning>
  L’inférence GLiNER renvoie un résultat structuré unique et ne prend pas en charge `stream=True` ni `client.messages.stream(...)`. Fastino n’implémente pas toutes les API ni toutes les ressources du SDK Anthropic.
</Warning>

## Configurer le SDK Anthropic

Transmettez votre clé d'API Fastino et l'URL de base lors de la création du client :

<CodeGroup>
  ```python Python theme={null}
  import anthropic

  client = anthropic.Anthropic(
      api_key="YOUR_API_KEY",
      base_url="https://api.fastino.ai"
  )
  ```
</CodeGroup>

## Créer un message

`POST /v1/messages` accepte les principaux champs d’Anthropic Messages. Définissez `model` sur un ID GLiNER pris en charge, incluez `messages` et transmettez le `schema` via `extra_body`.

### Paramètres de la requête

<ParamField body="model" type="string" required>
  ID du job d'entraînement (par ex. `job_abc123`) ou ID d'un modèle de base. C'est le modèle qui traite votre requête.
</ParamField>

<ParamField body="max_tokens" type="number" required>
  Champ requis par le SDK Anthropic pour la compatibilité de la requête. GLiNER renvoie une sortie structurée plutôt que des tokens générés.
</ParamField>

<ParamField body="messages" type="object[]" required>
  Messages de la conversation. Chaque objet comporte un `role` (`"user"` ou `"assistant"`) et une chaîne `content`.
</ParamField>

<ParamField body="schema" type="object">
  Schéma d'extraction propre à Fastino. Définissez `entities`, `classifications`, `structures` ou `relations` pour contrôler ce que le modèle extrait. Consultez [Inférence Fastino](/fr/api-reference/inference/pioneer) pour la documentation complète du schéma.
</ParamField>

### Exemples

<CodeGroup>
  ```python Python (Anthropic SDK) theme={null}
  import anthropic

  client = anthropic.Anthropic(
      api_key="YOUR_API_KEY",
      base_url="https://api.fastino.ai"
  )

  message = client.messages.create(
      model="YOUR_TRAINING_JOB_ID",
      max_tokens=1024,
      messages=[
          {
              "role": "user",
              "content": "Extract entities from: Apple launched the iPhone."
          }
      ],
      extra_body={
          "schema": {
              "entities": ["organization", "product"]
          }
      }
  )

  print(message.content[0].text)
  ```

  ```bash cURL theme={null}
  curl -X POST https://api.fastino.ai/v1/messages \
    -H "X-API-Key: YOUR_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "model": "YOUR_TRAINING_JOB_ID",
      "max_tokens": 1024,
      "messages": [
        {
          "role": "user",
          "content": "Extract entities from: Apple launched the iPhone."
        }
      ],
      "schema": {
        "entities": ["organization", "product"]
      }
    }'
  ```
</CodeGroup>

## Streaming

L’inférence GLiNER ne prend pas en charge le streaming. Utilisez `client.messages.create(...)` sans `stream=True` ; l’API renvoie le résultat structuré complet après le traitement.

## Voir aussi

* [Inférence native Fastino](/fr/api-reference/inference/pioneer) - endpoint Fastino direct avec la documentation complète du schéma
* [Inférence compatible OpenAI](/fr/api-reference/inference/openai-compatible) - utilisez plutôt le SDK OpenAI
* [Historique d'inférence et feedback](/fr/api-reference/inference/history) - récupérez les résultats passés et soumettez des corrections


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.