Claude API Python 완전 가이드 — Anthropic SDK로 AI 앱 개발하기 2026

# Anthropic SDK 설치
pip install anthropic

# 환경변수에 API 키 저장 (보안 필수)
export ANTHROPIC_API_KEY="sk-ant-..."

# .env 파일
# ANTHROPIC_API_KEY=sk-ant-...

# main.py
from dotenv import load_dotenv
import os
import anthropic

load_dotenv()

# 인자를 생략하면 SDK가 환경변수 ANTHROPIC_API_KEY를 자동으로 읽는다
client = anthropic.Anthropic(
    api_key=os.getenv("ANTHROPIC_API_KEY")
)

import anthropic

client = anthropic.Anthropic()

# 기본 메시지 요청
message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Python으로 피보나치 수열을 구현해줘"}
    ],
)

# content는 블록 리스트 — type을 확인하고 text를 꺼낸다
for block in message.content:
    if block.type == "text":
        print(block.text)

print(f"입력 토큰: {message.usage.input_tokens}")
print(f"출력 토큰: {message.usage.output_tokens}")

import anthropic

client = anthropic.Anthropic()

# stream 컨텍스트 매니저 (권장) — 토큰을 받는 즉시 출력
with client.messages.stream(
    model="claude-opus-4-8",
    max_tokens=2048,
    messages=[
        {"role": "user", "content": "마이크로서비스 아키텍처 장단점을 설명해줘"}
    ],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)
    print()  # 줄바꿈

    # 스트리밍이 끝난 뒤 최종 메시지/사용량 확인
    final_message = stream.get_final_message()
    print(f"\n총 토큰: "
          f"{final_message.usage.input_tokens + final_message.usage.output_tokens}")

import anthropic

client = anthropic.Anthropic()

# 대화 히스토리를 직접 관리
conversation_history = []

def chat(user_message: str) -> str:
    conversation_history.append({"role": "user", "content": user_message})

    response = client.messages.create(
        model="claude-opus-4-8",
        max_tokens=1024,
        system="당신은 친절한 Python 전문가다. 한국어로 답변하라.",
        messages=conversation_history,
    )

    # 첫 text 블록을 안전하게 추출
    assistant_text = next(
        (b.text for b in response.content if b.type == "text"), ""
    )
    conversation_history.append({"role": "assistant", "content": assistant_text})
    return assistant_text

# 대화 진행 — 이전 맥락이 유지된다
print(chat("리스트 컴프리헨션이 뭐야?"))
print(chat("방금 설명한 것을 실제 예제로 보여줘"))

# 다양한 시스템 프롬프트 예시

# 1. 코드 리뷰 봇
code_reviewer = """당신은 시니어 Python 개발자다. 코드를 검토할 때:
1. 버그와 잠재적 문제점을 먼저 지적하라
2. PEP8 준수 여부를 확인하라
3. 성능 개선 방안을 제안하라
4. 한국어로 구체적인 피드백을 제공하라"""

# 2. 고객 서비스 봇
customer_service = """당신은 junetapa.com의 친절한 고객 서비스 담당자다.
- 항상 공손하고 도움이 되는 태도를 유지하라
- 모르는 것은 솔직하게 모른다고 말하라
- 답변은 간결하게 3문장 이내로 작성하라"""

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=2048,
    system=code_reviewer,  # 시스템 프롬프트 적용
    messages=[
        {"role": "user", "content": "def add(a,b): return a+b 이 코드 어때?"}
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

import anthropic
import base64

client = anthropic.Anthropic()

# 방법 1: 이미지 URL로 전달
response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {"type": "url", "url": "https://example.com/chart.png"},
            },
            {"type": "text", "text": "이 차트를 분석하고 핵심 인사이트를 3가지 알려줘"},
        ],
    }],
)

# 방법 2: 로컬 파일을 Base64로 인코딩
with open("local_image.jpg", "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{
        "role": "user",
        "content": [
            {
                "type": "image",
                "source": {
                    "type": "base64",
                    "media_type": "image/jpeg",
                    "data": image_data,
                },
            },
            {"type": "text", "text": "이 이미지를 설명해줘"},
        ],
    }],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

# 토큰 사용량 추적 및 비용 계산
def estimate_cost(usage, model="claude-opus-4-8") -> float:
    pricing = {
        "claude-opus-4-8": {"input": 5.0, "output": 25.0},
        "claude-sonnet-4-6": {"input": 3.0, "output": 15.0},
        "claude-haiku-4-5": {"input": 1.0, "output": 5.0},
    }
    p = pricing.get(model, pricing["claude-opus-4-8"])
    cost = (usage.input_tokens * p["input"]
            + usage.output_tokens * p["output"]) / 1_000_000
    return cost

response = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "REST API가 뭔지 설명해줘"}],
)
cost = estimate_cost(response.usage)
print(f"예상 비용: ${cost:.6f}")

"""
document_summarizer.py
긴 문서를 Claude API로 자동 요약하는 실전 앱
"""
import anthropic
from pathlib import Path

client = anthropic.Anthropic()

SYSTEM_PROMPT = """당신은 전문 문서 요약 도우미다.
문서를 요약할 때 다음 형식을 사용하라:

## 핵심 요약 (3문장)
[핵심 내용을 3문장으로 요약]

## 주요 포인트
- [포인트 1]
- [포인트 2]
- [포인트 3]

## 결론
[문서의 결론 또는 시사점]"""

def summarize_document(text: str, model="claude-opus-4-8") -> None:
    print("요약 생성 중...\n")
    with client.messages.stream(
        model=model,
        max_tokens=1500,
        system=SYSTEM_PROMPT,
        messages=[{"role": "user", "content": f"다음 문서를 요약해줘:\n\n{text}"}],
    ) as stream:
        for chunk in stream.text_stream:
            print(chunk, end="", flush=True)
        final = stream.get_final_message()

    usage = final.usage
    # Opus 4.8 기준 단가 ($5 입력 / $25 출력)
    cost = (usage.input_tokens * 5.0 + usage.output_tokens * 25.0) / 1_000_000
    print(f"\n\n[토큰: 입력 {usage.input_tokens} / "
          f"출력 {usage.output_tokens} | 비용: ${cost:.5f}]")

if __name__ == "__main__":
    doc_text = Path("document.txt").read_text(encoding="utf-8")
    summarize_document(doc_text)