Фреймворки
LangChain (Python)
Подключить Hubris к LangChain через ChatOpenAI.
LangChain (Python)
LangChain работает с Hubris через стандартный класс ChatOpenAI из пакета langchain-openai — задаёте base_url на наш endpoint.
Установка
pip install langchain langchain-openai
Подключение
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="anthropic/claude-haiku-4.5",
base_url="https://api.hubris.pw/v1",
api_key="sk-gw-...",
)
Базовый вызов
from langchain_core.messages import HumanMessage
response = llm.invoke([HumanMessage(content="Привет")])
print(response.content)
С системным промптом и chain
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.output_parsers import StrOutputParser
prompt = ChatPromptTemplate.from_messages([
("system", "Вы — лаконичный ассистент."),
("user", "{question}"),
])
chain = prompt | llm | StrOutputParser()
result = chain.invoke({"question": "Что такое pi с точностью до 5 знаков?"})
print(result)
Стриминг
for chunk in llm.stream([HumanMessage(content="Расскажи историю")]):
print(chunk.content, end="", flush=True)
С tool calling
from langchain_core.tools import tool
@tool
def get_weather(city: str) -> dict:
"""Текущая погода в городе."""
return {"city": city, "temp": 5, "condition": "sunny"}
llm_with_tools = llm.bind_tools([get_weather])
response = llm_with_tools.invoke([HumanMessage(content="Какая погода в Москве?")])
print(response.tool_calls)
С агентами (LangGraph)
ChatOpenAI напрямую совместим с langgraph агентами — указываете тот же клиент в create_react_agent:
from langgraph.prebuilt import create_react_agent
agent = create_react_agent(llm, tools=[get_weather])
result = agent.invoke({"messages": [HumanMessage(content="Какая погода в Москве?")]})
Что дальше
- Каталог моделей — все доступные
provider/model. - POST /v1/chat/completions — полная схема.