> ## Documentation Index > Fetch the complete documentation index at: https://docs.shannon.run/llms.txt > Use this file to discover all available pages before exploring further. # モデル > Shannon APIモデル ## エンドポイント ``` GET http://localhost:8000/providers/models ``` ## 説明 Shannonに現在設定されているすべてのモデルをプロバイダー別に返します。このエンドポイントはPython LLMサービスに直接クエリを実行し、`config/models.yaml`に定義されたモデルを反映します。 ## 認証 **必要**: いいえ（内部サービスエンドポイント） 本番環境では、アクセスは内部ネットワークのみに制限する必要があります。 ## リクエスト ### クエリパラメータ | パラメータ | タイプ | 必須 | 説明 | | ------ | ------ | --- | ------------------------------------------- | | `tier` | string | いいえ | ティアでフィルタリング: `small`, `medium`, または `large` | ### ヘッダー 内部アクセスには必要ありません。 ## レスポンス ### 成功レスポンス **ステータス**: `200 OK` **ボディ**: ```json theme={null} { "openai": [ { "id": "gpt-5-nano-2025-08-07", "name": "gpt-5-nano-2025-08-07", "tier": "small", "context_window": 128000, "cost_per_1k_prompt_tokens": 0.0001, "cost_per_1k_completion_tokens": 0.0004, "supports_tools": true, "supports_streaming": true, "available": true } ], "anthropic": [ { "id": "claude-sonnet-4-5-20250929", "name": "claude-sonnet-4-5-20250929", "tier": "medium", "context_window": 200000, "cost_per_1k_prompt_tokens": 0.003, "cost_per_1k_completion_tokens": 0.015, "supports_tools": true, "supports_streaming": true, "available": true } ] } ``` ### レスポンス構造 レスポンスはプロバイダー別に整理され、各プロバイダーはモデルオブジェクトの配列を返します： | フィールド | タイプ | 説明 | | ------------------------------- | ------- | -------------------------------------- | | `id` | string | モデル識別子（標準名） | | `name` | string | 表示名（idと同じ） | | `tier` | string | サイズティア: `small`, `medium`, または `large` | | `context_window` | integer | トークンの最大コンテキスト長 | | `cost_per_1k_prompt_tokens` | float | 1K入力トークンあたりのコスト（USD） | | `cost_per_1k_completion_tokens` | float | 1K出力トークンあたりのコスト（USD） | | `supports_tools` | boolean | 関数呼び出しサポート | | `supports_streaming` | boolean | リアルタイムストリーミングサポート | | `available` | boolean | 現在使用可能 | ## 例 ### すべてのモデルをリスト ```bash theme={null} curl http://localhost:8000/providers/models | jq ``` ### ティアでフィルタリング ```bash theme={null} # 小モデルのみ curl "http://localhost:8000/providers/models?tier=small" | jq # 大モデルのみ curl "http://localhost:8000/providers/models?tier=large" | jq ``` ### Pythonの例 ```python theme={null} import httpx # すべてのモデルを取得 response = httpx.get("http://localhost:8000/providers/models") models = response.json() # OpenAIモデルを表示 for model in models.get("openai", []): print(f"{model['id']} - {model['tier']} - ${model['cost_per_1k_prompt_tokens']:.4f}/1K") # 小ティアをフィルタリング response = httpx.get("http://localhost:8000/providers/models?tier=small") small_models = response.json() ``` ## モデルティア モデルは能力とコストに基づいて3つのティアに整理されています： ### 小ティア（ワークロードの50%を優先） 基本的なタスク向けの高速でコスト最適化されたモデル： * **OpenAI**: gpt-5-nano-2025-08-07 * **Anthropic**: claude-haiku-4-5-20251001 * **xAI**: grok-3-mini * **Google**: gemini-2.5-flash-lite * **DeepSeek**: deepseek-chat ### 中ティア（ワークロードの40%を優先） 能力とコストのバランスが取れたモデル： * **OpenAI**: gpt-5-mini-2025-08-07 * **Anthropic**: claude-sonnet-4-5-20250929 * **xAI**: grok-4-fast-non-reasoning * **Google**: gemini-2.5-flash * **Meta**: llama-4-scout ### 大ティア（ワークロードの10%を優先） 複雑なタスク向けの重い推論モデル： * **OpenAI**: gpt-4.1-2025-04-14, gpt-5-pro-2025-10-06 * **Anthropic**: claude-opus-4-1-20250805 * **Google**: gemini-2.5-pro * **DeepSeek**: deepseek-r1 * **xAI**: grok-4-fast-reasoning ## 設定ソース モデルは`config/models.yaml`の`model_catalog`に定義されています： ```yaml theme={null} model_catalog: openai: gpt-5-nano-2025-08-07: model_id: gpt-5-nano-2025-08-07 tier: small context_window: 128000 max_tokens: 4096 supports_functions: true supports_streaming: true ``` 価格は`pricing.models`の下に集中管理されています： ```yaml theme={null} pricing: models: openai: gpt-5-nano-2025-08-07: input_per_1k: 0.0001 output_per_1k: 0.0004 ``` ## ユースケース **1. 利用可能なモデルを発見** ```bash theme={null} curl http://localhost:8000/providers/models | jq 'keys' # ["anthropic", "openai", "google", "xai", ...] ``` **2. 価格を確認** ```bash theme={null} curl http://localhost:8000/providers/models | \ jq '.openai[] | {id, input: .cost_per_1k_prompt_tokens, output: .cost_per_1k_completion_tokens}' ``` **3. APIキーの設定を確認** ```bash theme={null} # プロバイダーが空の配列を返す場合、APIキーが欠落している可能性があります curl http://localhost:8000/providers/models | jq '.anthropic | length' ``` **4. モデルセレクターUIを構築** ```javascript theme={null} const response = await fetch('http://localhost:8000/providers/models?tier=small'); const models = await response.json(); // ドロップダウンをポピュレート Object.entries(models).forEach(([provider, modelList]) => { modelList.forEach(model => { dropdown.add(new Option(`${provider}: ${model.id}`, model.id)); }); }); ``` ## ノート * **静的構成**: モデルは `config/models.yaml` から読み込まれ、プロバイダーAPIから動的に発見されることはありません。 * **ホットリロード**: `models.yaml` の変更は、効果を得るためにサービスの再起動が必要です。 * **空のプロバイダー**: プロバイダーが `[]` を返す場合は、`.env` にAPIキーが設定されているか確認してください。 * **価格の中央集権化**: すべてのコストはYAMLの `pricing` セクションから取得され、Go/Rust/Pythonサービス間での一貫性が確保されます。 * **内部エンドポイント**: `/providers/models`エンドポイントはLLMサービス（ポート8000）にあります。外部からアクセスする場合は、GatewayのOpenAI互換`/v1/models`エンドポイント（ポート8080）を使用してください — [OpenAI互換API](/ja/api/rest/openai-compatible)を参照 ## 環境変数 環境変数でモデルの選択を上書きします： ```bash theme={null} # ステージ固有の上書き COMPLEXITY_MODEL_ID=gpt-5-mini-2025-08-07 DECOMPOSITION_MODEL_ID=gpt-5-mini-2025-08-07 DEFAULT_MODEL_TIER=small ``` 完全なリストについては [Configuration Guide](/ja/quickstart/configuration) を参照してください。 ## トラブルシューティング **空のプロバイダー配列** * APIキーが設定されているか確認: `OPENAI_API_KEY`, `ANTHROPIC_API_KEY` など。 * `config/models.yaml` に `model_catalog.` のエントリがあるか確認してください。 **モデルが見つからない** * `MODELS_CONFIG_PATH` が正しいファイルを指しているか確認してください。 * YAML構文が有効であることを確認してください。 * モデルIDにタイプミスがないか確認してください。 **価格が不正確** * 価格は `pricing.models.` セクションから取得されます。 * `config/models.yaml` を更新し、サービスを再起動してください。 * Go/Rustサービスも同じ構成ファイルを読み取ることを確認してください。 ## 関連ドキュメント ティアルーティングとフォールバックの仕組み 環境変数と構成ファイル model\_tier または model\_override を使用 価格アーキテクチャの詳細