Windows PowerShell

client = anthropic.Anthropic()

message = client.messages.create( model=“claude-sonnet-4-20250514”, max_tokens=1024, messages=[ {“role”: “user”, “content”: “Python의 GIL에 대해 간단히 설명해주세요.”} ] )

client = anthropic.Anthropic()

with client.messages.stream( model=“claude-sonnet-4-20250514”, max_tokens=1024, messages=[ {“role”: “user”, “content”: “한국의 사계절을 시적으로 묘사해주세요.”} ] ) as stream: for text in stream.text_stream: print(text, end="", flush=True)

tools = [ { “name”: “get_weather”, “description”: “지정된 도시의 현재 날씨 정보를 가져옵니다.”, “input_schema”: { “type”: “object”, “properties”: { “city”: { “type”: “string”, “description”: “도시 이름 (예: 서울, 부산)” } }, “required”: [“city”] } } ]

def get_weather(city: str) -> str: # 실제 구현에서는 날씨 API를 호출합니다 return json.dumps({“city”: city, “temp”: “18°C”, “condition”: “맑음”})

response = client.messages.create( model=“claude-sonnet-4-20250514”, max_tokens=1024, tools=tools, messages=[{“role”: “user”, “content”: “서울 날씨 알려줘”}] )

도구 호출 처리

for block in response.content: if block.type == “tool_use”: tool_name = block.name tool_input = block.input

    if tool_name == "get_weather":
        result = get_weather(tool_input["city"])
    
    # 도구 결과를 Claude에게 전달
    follow_up = client.messages.create(
        model="claude-sonnet-4-20250514",
        max_tokens=1024,
        tools=tools,
        messages=[
            {"role": "user", "content": "서울 날씨 알려줘"},
            {"role": "assistant", "content": response.content},
            {"role": "user", "content": [
                {"type": "tool_result", "tool_use_id": block.id, "content": result}
            ]}
        ]
    )
    print(follow_up.content[0].text)</code></pre>

6단계: 구조화된 출력 파싱

JSON 형태의 구조화된 응답을 안정적으로 받으려면 시스템 프롬프트와 함께 파싱 로직을 구현합니다. import anthropic import json

client = anthropic.Anthropic()

try: parsed = json.loads(raw_text) print(json.dumps(parsed, ensure_ascii=False, indent=2)) except json.JSONDecodeError as e: print(f”JSON 파싱 오류: {e}”) print(f”원본 응답: {raw_text}“)

Pydantic 모델을 활용한 검증

from pydantic import BaseModel
from typing import List

class ExtractedEntities(BaseModel):
    persons: List[str]
    locations: List[str]
    dates: List[str]

try:
    parsed = json.loads(response.content[0].text)
    entities = ExtractedEntities(**parsed)
    print(f"인물: {entities.persons}")
    print(f"장소: {entities.locations}")
except Exception as e:
    print(f"검증 실패: {e}")

주요 모델 비교

# 안전한 에러 핸들링 패턴
import anthropic
client = anthropic.Anthropic()
try:
response = client.messages.create(
model=“claude-sonnet-4-20250514”,
max_tokens=1024,
messages=[{“role”: “user”, “content”: “안녕하세요”}]
)
print(response.content[0].text)
except anthropic.AuthenticationError:
print(“API 키를 확인하세요.”)
except anthropic.RateLimitError:
print(“요청 한도를 초과했습니다. 잠시 후 다시 시도하세요.”)
except anthropic.APIError as e:
print(f”API 오류 발생: {e.status_code} - {e.message}“)

자주 묻는 질문 (FAQ)

Q1: Claude API의 무료 체험이 가능한가요?

Anthropic은 신규 가입 시 일정량의 무료 크레딧을 제공합니다. console.anthropic.com에서 계정을 생성하면 API 키를 발급받고 바로 테스트할 수 있습니다. 무료 크레딧 소진 후에는 사용량 기반 과금이 적용됩니다.

Q2: 스트리밍과 일반 응답 중 어떤 것을 사용해야 하나요?

챗봇이나 실시간 UI처럼 사용자가 응답을 기다리는 경우 스트리밍을 권장합니다. 배치 처리나 백엔드 파이프라인처럼 전체 응답이 한 번에 필요한 경우에는 일반 응답이 더 적합합니다. 스트리밍은 첫 토큰 도달 시간(TTFT)이 빠르므로 체감 속도가 크게 향상됩니다.

Q3: Tool Use에서 여러 도구를 동시에 사용할 수 있나요?

네, tools 배열에 여러 도구를 정의할 수 있으며, Claude는 하나의 응답에서 여러 도구를 순차적으로 호출할 수 있습니다. 각 도구 호출 결과를 tool_result로 전달하면 Claude가 모든 결과를 종합하여 최종 답변을 생성합니다. 복잡한 워크플로우에서는 반복 루프를 구성하여 도구 호출이 완료될 때까지 대화를 이어가는 패턴이 일반적입니다.