フレームワークとプラットフォーム
Guardrails
Guardrailsを使用してTokenLabモデルの出力を検証する
概要
OpenAI SDKをTokenLabのBase URLとリクエストJSONで構成し、返されたテキストを Guard.parse で検証します。
インストール
pip install guardrails-ai openai環境設定
export TOKENLAB_API_KEY="sk-your-tokenlab-key"例
import os
from guardrails import Guard
from openai import OpenAI
from pydantic import BaseModel, Field
class Pet(BaseModel):
pet_type: str = Field(description="Species of pet")
name: str = Field(description="A unique pet name")
guard = Guard.for_pydantic(output_class=Pet)
client = OpenAI(
api_key=os.environ["TOKENLAB_API_KEY"],
base_url="https://api.tokenlab.sh/v1",
)
response = client.chat.completions.create(
model="claude-sonnet-5",
response_format={"type": "json_object"},
messages=[{
"role": "user",
"content": "Suggest a pet. Return only JSON with string fields pet_type and name.",
}],
)
outcome = guard.parse(response.choices[0].message.content)
print(outcome.validated_output)エンドポイントに関する注意点
GuardrailsはLLM呼び出し周辺の検証に重点を置いています。chat-completionsフローにはOpenAI互換パスを使用するか、アプリケーションでネイティブなTokenLabエンドポイントが必要な場合はカスタムの呼び出し可能オブジェクト(callable)を渡してください。