Wie fügt man Claude zu einem Alexa-Skill hinzu?

Sprachassistenten werden zunehmend von großen Sprachmodellen angetrieben. Wenn Sie die Claude API von Anthropic in einen von Ihnen gepflegten oder neu erstellten Alexa‑Skill integrieren möchten, führt Sie dieser Leitfaden durch die praktische Architektur, konkrete Code‑Muster und betriebliche Überlegungen — von einem schnellen Proof‑of‑Concept bis hin zu einem produktionsreifen Skill.

CometAPI ist ein API‑Aggregations‑Gateway, das eine einheitliche, OpenAI‑kompatible Oberfläche für Hunderte von Large‑Language‑Modellen (LLMs) bereitstellt, darunter die Claude‑Familie von Anthropic (Sonnet, Opus und verwandte Varianten). Anstatt die Anthropic‑API direkt aufzurufen, können Kundinnen und Kunden CometAPI‑Endpunkte verwenden und ein Claude‑Modell per Name auswählen; CometAPI übernimmt das Model‑Routing, die Abrechnungsaggregation und in vielen Fällen eine vereinfachte Authentifizierung und Parameterschnittstelle.

Aus Sicht eines Alexa‑Skills bietet das Hinzufügen eines Claude‑Modells über CometAPI drei praktische Vorteile: (1) schneller Zugriff auf die neuesten Claude‑Releases (Sonnet‑/Opus‑Varianten), ohne Client‑Code neu zu schreiben, wenn sich Modellnamen ändern; (2) eine konsistente, OpenAI‑ähnliche REST‑Oberfläche, die von vielen SDKs bereits unterstützt wird; und (3) zentralisierte Nutzungsanalysen, Drosselung und Preispläne, die einfacher zu verwalten sein können als mehrere direkte Anbieter‑Verträge.

Was ist Claude und warum sollten Sie es zu einem Alexa‑Skill hinzufügen?

Claude ist die Familie großer Sprachmodelle von Anthropic sowie konversationeller APIs (die Messages API), die Entwicklerinnen und Entwickler aus ihren Anwendungen heraus aufrufen können. Claude‑Modelle (kürzlich aktualisiert in den Serien Opus/Sonnet/Haiku, Claude Opus 4.5, Claude Sonnet 4.5, Claude Haiku 4.5) bieten hochwertige natürliche Sprachgenerierung, Reasoning und spezialisierte Agenten‑Fähigkeiten. Die Integration von Claude in einen Alexa‑Skill ermöglicht es, regelbasierte Antworten durch ein LLM‑gestütztes Konversations‑“Gehirn” zu ersetzen oder zu ergänzen, das zusammenfassen, schlussfolgern, personalisieren oder als „Agent“ für komplexe Aufgaben agieren kann.

Welche Komponenten kommunizieren miteinander?

Auf hoher Ebene ist das Integrationsmuster unkompliziert: Das Alexa‑Gerät (Echo) sendet Spracheingaben an das Alexa‑Skills‑Backend (Ihren Skill). Ihr Backend — typischerweise eine AWS‑Lambda‑Funktion oder ein HTTPS‑Dienst — transformiert die Nutzerintention in einen Textprompt und ruft die Claude‑API auf. Die Claude‑Antwort wird dann in Sprache (SSML) umgewandelt und an Alexa zur Wiedergabe zurückgegeben. Optional können Sie Streaming, progressive Antworten oder Agent/Tool‑Muster verwenden, um die Erfahrung reaktionsschneller und leistungsfähiger zu gestalten.

Warum Claude wählen?

Claude bietet eine moderne Messages API (REST + SDKs) und unterstützt Streaming‑Antworten (SSE), Tools/Agent‑Support (Agent Skills & Model Context Protocol) sowie gestufte Modelle mit unterschiedlichen Kosten/Leistungsprofilen — ideal für komplexe konversationelle oder agentische Voice‑Erlebnisse. Verwenden Sie Claude, wenn Sie ein sicherheitsfokussiertes Modell mit Werkzeugen für die Anbindung externer Daten und Streaming‑Verhalten für geringere wahrgenommene Latenz wünschen.

Wie sollten Sie einen Alexa‑Skill entwerfen, der Claude über CometAPI verwendet?

Welche High‑Level‑Architekturen sind sinnvoll?

Es gibt zwei produktionsreife Muster, die Sie in Betracht ziehen sollten:

1. Direkte Lambda → CometAPI
Ein Alexa‑Skill (typischerweise gestützt auf eine AWS‑Lambda‑Funktion) ruft für jede Nutzeräußerung synchron den REST‑Endpunkt von CometAPI auf. Die Lambda erstellt die Chat‑Completion‑/Messages‑Payload, leitet sie an CometAPI weiter und gibt den Modelltext an Alexa für TTS/SSML zurück. Dieses Muster ist einfach und funktioniert gut bei geringem bis moderatem Traffic und Proof‑of‑Concepts. Es minimiert Komponenten und reduziert damit Fehlerquellen, verlagert jedoch Rate‑Limit‑ und Retry‑Logik in die Lambda.

2. Skill → Backend‑Service → CometAPI (für Produktion empfohlen)
Der Alexa‑Skill leitet Anfragen an einen dedizierten Backend‑Microservice (gehostet auf Fargate/ECS, EKS oder einer automatisch skalierenden EC2‑Flotte) weiter. Dieser Service ist verantwortlich für:

Gesprächsstatus, Kontextfenster und Zusammenfassungen;
Token/Kosten‑Abrechnung und Caching;
Retries, Backoff und Circuit‑Breaking;
Eingabe-/Ausgabe‑Sicherheitsfilterung und PII‑Schwärzung;
Streaming/Teilantworten (falls unterstützt) und progressive Updates an Alexa.

Dieses Muster zentralisiert Querschnittsaspekte und ermöglicht Model‑Routing‑Logik (z. B. Wahl von Claude Opus für komplexes Reasoning, Sonnet für kurze Antworten). Es ist der empfohlene Ansatz für Teams mit Wachstumserwartung, regulatorischen Anforderungen oder komplexen Telemetrie‑Bedürfnissen.

Wie wird der Sprach‑Lebenszyklus von Alexa auf einen CometAPI‑Claude‑Aufruf abgebildet?

Nutzer spricht → Das Alexa‑Gerät führt ASR aus und sendet eine IntentRequest an Ihren Skill (Lambda oder Webhook).
Ihr Skill extrahiert Text und Sitzungs‑Kontext (Locale, Gerätefähigkeiten, Nutzer‑Opt‑ins).
Ihr Code bereitet einen Prompt vor (System + Gesprächsverlauf + Nutzerzug). Für Voice bevorzugen Sie eine kurze Systemanweisung, die die Wortfülle begrenzt.
Ihr Service ruft CometAPI auf — entweder einen OpenAI‑kompatiblen chat/completions‑Endpunkt oder einen CometAPI‑spezifischen Messages‑Endpunkt — und wählt das Ziel‑Claude‑Modell. Das Backend erhält eine Text‑ oder strukturierte Antwort.
Ihr Skill konvertiert den Text in SSML / Cards und gibt die Alexa‑Antwort zurück. Bei langen Antworten bieten Sie eine kurze gesprochene Zusammenfassung an und stellen den Volltext als Karte in der Alexa‑Companion‑App bereit.
Monitoring & Kostenrechnung: korrelieren Sie die Alexa‑Request‑ID mit CometAPI‑Request‑IDs und Metriken zur Modelltokennutzung für Observability.

Welche konkreten Schritte sind nötig, um Claude in einem Alexa‑Skill zu implementieren (End‑to‑End)?

Nachfolgend finden Sie eine praktische Schritt‑für‑Schritt‑Anleitung plus einen Beispiel‑Node.js‑Lambda‑Handler für den Einstieg.

Schritt 1 — Alexa‑Skill und Interaktionsmodell erstellen

In der Alexa Developer Console: Erstellen Sie einen Custom‑Skill.
Definieren Sie

Intents

(z. B.
```
OpenChatIntent
```
,
```
FollowUpIntent
```
,
```
StopIntent
```
) und Beispiel‑Äußerungen. Zum Beispiel:
- Utterances für OpenChatIntent: „Starte einen Chat“, „frag Claude“, „chatt mit KI“.
Setzen Sie den Endpoint auf Ihre AWS‑Lambda‑ARN (oder HTTPS‑Endpunkt). Speichern und bauen Sie das Modell. Vollständige Anleitungen finden Sie in den Alexa‑REST‑APIs und der Dokumentation.

Schritt 2 — Das Lambda‑Backend implementieren

Ablauf auf hoher Ebene in der Lambda:

Alexa‑Anfrage (JSON) empfangen.
Nutzeräußerung und Sitzungsdaten extrahieren.
Optional progressive Alexa‑Antwort senden (damit der Nutzer „Denke nach …“ hört), während Sie Claude aufrufen.
Claude aufrufen (über die Anthropic‑REST‑API oder Bedrock). Verwenden Sie Streaming, wenn Sie Teilantworten wünschen.
Claude‑Antwort in das Alexa‑Ausgabeformat umwandeln (SSML empfohlen).
Das alexa‑Response‑Objekt zurückgeben.

Nachfolgend ein kompaktes Node.js‑Beispiel (zur Lesbarkeit zeigen wir einen Ansatz — direkter Fetch zur Claude‑REST; in der Produktion verlagern Sie Secrets in Secrets Manager und fügen Fehlerbehandlung/Caching hinzu). Dies verwendet eine node-fetch‑ähnliche Syntax (in Node 18+ Laufzeiten verfügbar) und die Claude‑API von CometAPI.

/* index.js (AWS Lambda - Node 18+) */
import { Handler } from 'aws-lambda';
import fetch from 'node-fetch'; // oder globales fetch in Node 18+

const CLAUDE_API_URL = process.env.CLAUDE_API_URL || 'https://api.cometapi.com/v1/messages'; // Beispiel
const CLAUDE_API_KEY = process.env.CLAUDE_API_KEY; // in Secrets Manager oder Lambda-Umgebungsvariablen speichern

export const handler = async (event) => {
  // 1. Alexa-Anfrage parsen
  const alexaRequest = JSON.parse(event.body || JSON.stringify(event));
  const intentName = alexaRequest.request?.intent?.name;
  const userUtterance = alexaRequest.request?.intent?.slots?.userQuery?.value || alexaRequest.request?.intent?.slots?.query?.value;

  // 2. Optional: Progressive Response an Alexa senden (damit der Nutzer sofort Feedback erhält)
  // (Implementierung der Kürze halber ausgelassen; verwenden Sie die Alexa Progressive Response API mit Directive-Endpoint)

  // 3. Claude-Payload erstellen
  const claudePayload = {
    model: "claude-4-opus", // wählen Sie ein Modell, das zu Ihrem Abonnement passt
    messages: [
      { role: "system", content: "Du bist ein hilfreicher Assistent für einen Alexa-Skill. Halte Antworten kurz und gut hörbar." },
      { role: "user", content: userUtterance }
    ],
    max_tokens_to_sample: 800
  };

  // 4. Claude aufrufen (einfaches Beispiel ohne Streaming)
  const resp = await fetch(CLAUDE_API_URL, {
    method: 'POST',
    headers: {
      'Content-Type': 'application/json',
      'x-api-key': CLAUDE_API_KEY
    },
    body: JSON.stringify(claudePayload),
    timeout: 20000 // achten Sie auf Latenz; Alexa hat Timeouts
  });

  if (!resp.ok) {
    console.error('Claude API error', await resp.text());
    return buildAlexaResponse("Entschuldigung, ich kann den Assistenten gerade nicht erreichen. Bitte versuchen Sie es später erneut.");
  }

  const claudeJson = await resp.json();
  // Die JSON-Struktur hängt von der verwendeten API oder dem Bedrock-Wrapper ab
  const assistantText = claudeJson?.completion || claudeJson?.output?.[0]?.content || extractTextFromClaude(claudeJson);

  // 5. In SSML umwandeln (bei Bedarf kürzen)
  const ssml = `<speak>${sanitizeForSSML(assistantText)}</speak>`;

  // 6. Alexa-Antwort zurückgeben
  return {
    statusCode: 200,
    body: JSON.stringify({
      version: "1.0",
      response: {
        outputSpeech: {
          type: "SSML",
          ssml
        },
        shouldEndSession: false
      }
    })
  };
};

function buildAlexaResponse(text) {
  return {
    statusCode: 200,
    body: JSON.stringify({
      version: "1.0",
      response: {
        outputSpeech: { type: "PlainText", text },
        shouldEndSession: true
      }
    })
  };
}

function sanitizeForSSML(text) {
  return text.replace(/&/g, '&amp;').replace(/</g, '&lt;').replace(/>/g, '&gt;');
}

function extractTextFromClaude(json) {
  // Abbildung der Claude-API-Antwort auf einen String implementieren
  if (json?.output && Array.isArray(json.output)) {
    return json.output.map(o => o.content).join("\n");
  }
  return (json?.completion || '') + '';
}

Hinweis: Tatsächliche Claude‑API‑Felder und Endpunktnamen können abweichen (die Anthropic‑Dokumentation zeigt messages‑APIs und Streaming‑Modi). Konsultieren Sie stets die aktuellste Claude‑Dokumentation für exakte Payload‑Felder und Streaming‑Support.

Schritt 3 — (Optional, aber empfohlen) Streaming für schneller wahrgenommene Reaktion nutzen

Warum Streaming? Streaming ermöglicht Alexa, mit der Wiedergabe von Teilinhalten zu beginnen, während das Modell noch generiert. Das reduziert die wahrgenommene Latenz und verbessert das Konversationsgefühl. Claude unterstützt Streaming‑Antworten (SSE oder WebSocket) und „feingranulares Tool‑Streaming“ für komplexe Vorgänge. Die Implementierung erfordert einen asynchronen Kanal: Alexa Progressive Response + gestreamte Teilantworten an den Client oder ein SSE‑Relay zu Ihrer Lambda; besser noch, nutzen Sie einen Zwischendienst, der Chunks an das Gerät pushen kann.
Vorsicht: Die Alexa‑Plattform hat eigene Zeit‑ und Directive‑Regeln. Das typische Muster ist, früh eine Progressive‑Response‑Directive zu senden und bei Abschluss des Modells die finale Sprachausgabe zu liefern. Natives Echtzeit‑Streaming zum Alexa‑Gerät ist durch das Directive‑Modell eingeschränkt, daher simulieren Sie Streaming, indem Sie häufig progressive Antworten senden und anschließend die endgültige Antwort.

Schritt 4 — Claude‑Ausgaben auf die Alexa‑Voice‑UX abbilden

Antworten kurz und sprachfreundlich halten: Claude kann Langtext erzeugen — transformieren oder kürzen Sie Inhalte, um lange gesprochene Absätze zu vermeiden. Nutzen Sie SSML‑Tags (breaks, emphasis) für bessere Prosodie.
Mehrturn‑Kontext handhaben: Bewahren Sie kurze Kontextfenster (User‑ID / Gesprächshistorie), speichern Sie aber nicht jeden Nutzerzug serverseitig, sofern nicht nötig. Nutzen Sie Session‑Attribute oder einen Kurzzeit‑Speicher (DynamoDB mit TTL) für Rückfragen.
Fehler‑ und Fallback‑Flows: Falls Claude fehlschlägt oder unsichere Inhalte liefert, halten Sie eine sichere Fallback‑Meldung („Dabei kann ich nicht helfen“) und einen Pfad für Reporting/Logging bereit.

Wie sollten Sie Zugangsdaten sichern und Nutzerdaten schützen?

Wo sollen API‑Keys und Secrets gespeichert werden?

AWS Secrets Manager ist der empfohlene produktive Speicher für den CometAPI‑Key und weitere Drittanbieter‑Zugangsdaten. Weisen Sie Ihrer Lambda oder Ihrem Backend‑Service eine IAM‑Rolle mit enger Policy zu, die nur das nötige Secret lesen darf. Rotieren Sie Schlüssel regelmäßig und verwenden Sie automatisierte Rotation, sofern unterstützt.
Betten Sie Keys nicht in Quellcode oder öffentliche Repos ein. Wenn Sie für schnelle Prototypen Umgebungsvariablen verwenden, stellen Sie sicher, dass CI/CD‑Secret‑Management diese Werte in Build‑Pipelines ersetzt.

Wie vermeiden Sie das Senden von PII und sensiblen Sprachdaten?

Redigieren oder anonymisieren Sie personenbezogene Daten (PII), bevor Sie Text an CometAPI senden. Entfernen Sie Namen, Adressen, Kontonummern und alle Daten, die Sie nicht offenlegen möchten.
Holen Sie Einwilligungen ein, wenn der Skill sensible persönliche Daten verarbeiten muss oder persönliche Profilfunktionen verwendet (gemäß Alexa‑Richtlinie).
Aufbewahrung & Logs: Markieren Sie Logs und Traces so, dass Inputs bei Bedarf im Rahmen von Audits gelöscht werden können; implementieren Sie Aufbewahrungsfristen entsprechend Ihrer Datenschutzrichtlinie.

Wie managen Sie Latenz und die Alexa‑User Experience?

Warum sind progressive Antworten und Timeouts wichtig?

Alexa erwartet in der Regel innerhalb von ca. 8 Sekunden eine Antwort von Ihrem Skill; wenn Ihr Backend (und der Modellaufruf) dieses Zeitfenster überschreitet, müssen Sie die Progressive Response API verwenden, um Nutzer zu halten. Progressive Antworten teilen mit, dass der Skill arbeitet (z. B. „einen Moment, ich hole die Antwort“), was die wahrgenommene Latenz bei Sprachinteraktionen deutlich verbessert. Senden Sie die progressive Antwort unmittelbar nach Empfang des Intents und vor dem langen LLM‑Aufruf.

Können Sie Modellausgaben zu Alexa streamen?

CometAPI und einige Claude‑Varianten unterstützen Streaming‑Primitive (Token‑ oder Event‑Streaming). Alexa‑Geräte akzeptieren jedoch kein kontinuierliches Token‑Streaming wie Web‑UIs. Praktisch ist:

Verwenden Sie progressive Antworten, um kurze Zwischenmeldungen auszugeben, während die finale Antwort generiert wird.
Wenn Ihr Backend Streaming‑Tokens vom Modell erhält, puffern Sie und geben Sie nur vollständige Sätze oder Absätze in regelmäßigen Intervallen (z. B. alle 800–1200 ms) als progressive Antworten aus, und liefern Sie die konsolidierte endgültige TTS, sobald sie bereit ist. Das vermeidet fragmentierte oder robotische Sprache und respektiert das Alexa‑Antwortmodell.

Sprachfreundliche Prompts gestalten

Begrenzen Sie die Wortfülle auf Prompt‑Ebene. Verwenden Sie eine Systemanweisung wie:

„Du bist ein knapper Alexa‑Sprachassistent. Gib eine gesprochene Antwort mit höchstens 30 Wörtern und eine längere Zusammenfassung als Karte für die Alexa‑App.“

Für strukturierte Ausgaben bitten Sie das Modell, JSON mit den Feldern speech und card zurückzugeben. Parsen Sie diese Ausgaben serverseitig und mappen Sie speech auf SSML und card auf die Alexa‑Companion‑Karte. Das reduziert Überraschungen und verbessert die TTS‑Qualität.

Kann ich Claude‑Antworten so zu Alexa streamen, dass Nutzer Text während der Generierung hören?

Unterstützt Claude Streaming und wie geht Alexa damit um?

Claude unterstützt Streaming über Server‑Sent Events (SSE), wenn Sie stream:true bei der Messages API setzen — so kann Ihr Backend Tokens inkrementell empfangen. Das Abspielmodell von Alexa akzeptiert jedoch keine tokenweise Sprache direkt aus Ihrem Backend. Das praktische Muster ist:

Verwenden Sie Claude‑Streaming in Ihrem Backend, um die Antwort während der Generierung zu empfangen.
Senden Sie, während das Backend Streaming‑Chunks empfängt, eine oder mehrere progressive Alexa‑Antworten, damit Nutzer „Ich arbeite daran“ oder kurze Zwischenmeldungen hören.
Wenn das Backend einen nützlichen Abschnitt (oder die vollständige Antwort) hat, synthetisieren Sie diesen Abschnitt (SSML) und antworten Sie. Bei sehr langen Antworten sollten Sie diese in verdauliche Teile aufteilen (und shouldEndSession entsprechend setzen).

Wichtige Einschränkungen: Progressive Antworten sind hilfreich, verlängern aber nicht das maximale Verarbeitungsfenster; Alexa erwartet weiterhin insgesamt eine Antwort innerhalb der erlaubten Zeit. Streaming kann die Backend‑Wartezeit verringern und die UX verbessern, aber Sie müssen das Alexa‑Zeitmodell berücksichtigen.

Empfohlene Engineering‑ und UX‑Best Practices

Conversation Design

Halten Sie gesprochene Antworten kurz — Alexa‑Nutzer bevorzugen prägnante Antworten.
Nutzen Sie SSML, um Tempo und Pausen zu steuern.
Wenn das Modell Rückfragen stellen könnte, entwerfen Sie eine kleine Menge an Follow‑ups, damit der Dialog natürlich wirkt.

Fehlermodi und Timeouts

Bieten Sie elegante Fallbacks, wenn Claude langsam/nicht verfügbar ist.
Falls Ihr LLM‑Aufruf fehlschlägt, nutzen Sie vordefinierte Inhalte oder eine kurze Entschuldigung und bieten Sie einen späteren erneuten Versuch an.
Verfolgen Sie Fehler und Nutzerbeschwerden, um schnell zu iterieren.

Testing

Testen Sie Intents mit dem Alexa Test Simulator und Virtual Alexa Tools.
Lasttesten Sie Ihr Backend für die erwartete gleichzeitige Aufrufzahl und langandauernde Sprachsessions.

Häufige Fallstricke, die Sie vermeiden sollten

Das Alexa‑Zeitfenster blockieren — überschreiten Sie nicht die Zeitlimits; verwenden Sie progressive Antworten und streamen Sie intelligent.
Secrets leaken — loggen Sie niemals API‑Keys und betten Sie diese nicht in Client‑Code ein; nutzen Sie Secrets Manager.
Übermäßige Token‑Nutzung — lange Gesprächshistorien und wortreiche Prompts erhöhen die Kosten; kürzen und fassen Sie zusammen.
Richtlinienmissachtung — Senden sensibler Daten an Drittanbieter‑LLMs ohne klare Nutzerzustimmung oder Policy‑Prüfungen.

Praktische Beispiel‑Prompts und Prompt‑Engineering‑Tipps für Alexa‑Voice

Kurze Systemanweisung für Sprach‑Eignung verwenden

Beispiel: „Du bist ein höflicher, prägnanter Alexa‑Sprachassistent. Halte gesprochene Antworten bei ~30 Wörtern; biete an, längere Zusammenfassungen an die Alexa‑App zu senden.“

Wortfülle und SSML‑Format steuern

Bitten Sie Claude, die Ausgabe in wenigen Sätzen oder als JSON mit den Feldern speech (kurz, für TTS) und card (längerer Text für die Alexa‑App) auszugeben. Konvertieren Sie anschließend speech in SSML und card in die Skill‑Karte. Beispiel‑Prompt‑Suffix: „Gib ein JSON‑Objekt mit den Feldern: 'speech' (kurz, für TTS), 'card' (längerer Text für die Alexa‑App) zurück. Füge keinen zusätzlichen Text hinzu.“ Das Parsen strukturierter Ausgaben reduziert Ambiguität.

Nachfragen und Vorschläge anstoßen

Ermuntern Sie Claude, bei Bedarf mit einer Frage zu enden: „Möchten Sie, dass ich diese Zusammenfassung an Ihre Alexa‑App sende?“ Das hält Sprachinteraktionen natürlich und entdeckbar.

Gibt es No‑Code‑ oder Low‑Code‑Alternativen?

Ja — Integrationsplattformen wie Zapier und AppyPie bieten Konnektoren, um Alexa‑Trigger mit Claude‑Aktionen zu verknüpfen, wenn Sie eine schnelle Automatisierung oder einen Prototyp ohne Servercode wünschen. Diese Tools sind am besten für einfache Workflows geeignet, bieten jedoch nicht die niedrige Latenz oder Sicherheitskontrolle, die Sie mit einem benutzerdefinierten Backend erhalten.

In Low‑Code‑Alternativen wie Zapier kann CometAPI Entwicklerinnen und Entwicklern ebenfalls helfen.

Fazit:

Die Integration von CometAPI’s Claude in einen Alexa‑Skill ist ein attraktiver Weg, um schnell Zugriff auf LLMs der Anthropic‑Klasse über eine einzige, OpenAI‑kompatible Integration zu erhalten. Die technische Migration ist für Teams, die bereits mit Chat/Completion‑APIs vertraut sind, unkompliziert, und das Aggregationsmodell von CometAPI beschleunigt die Experimentierung.

Entwicklerinnen und Entwickler können über CometAPI auf die Claude‑API zugreifen. Beginnen Sie, indem Sie die Modellfähigkeiten von CometAPI im Playground erkunden und das API‑Handbuch für detaillierte Anweisungen konsultieren. Stellen Sie vor dem Zugriff sicher, dass Sie sich bei CometAPI angemeldet und den API‑Key erhalten haben. CometAPI bietet einen deutlich niedrigeren Preis als der offizielle, um Ihnen die Integration zu erleichtern.

Bereit? → Kostenlose Testversion der Claude‑APIs!