START / API

模型与路由

使用熟悉的 SDK，通过 Mengbi Router 的统一入口接入模型。

AUTH / PERSONAL KEY

请求头对照

不同协议使用不同的鉴权请求头，请按所选协议配置。

协议请求头说明
Anthropicx-api-key: sk-mengbi-xxxxxx同时发送 anthropic-version: 2023-06-01
OpenAIAuthorization: Bearer sk-mengbi-xxxxxx适用于 Chat Completions 与 Responses API
GeminiAuthorization: Bearer sk-mengbi-xxxxxxGemini 原生端点也支持 x-goog-api-key
!

当前页面是 Mengbi Router 的个人用户接入规范预览；正式网关端点开放后，本页示例将保持兼容。

02 /

快速开始

先在个人控制台创建 API Key，再将 Key 放入服务端环境变量。不要把 Key 放入浏览器代码。

设置环境变量

环境变量bash
export MENGBI_ROUTER_API_KEY="sk-mengbi-xxxxxx"
export MENGBI_ROUTER_BASE_URL="https://router-api.mengbi-ai.net/v1"

Note文档中的 sk-mengbi-xxxxxx 只是占位符，请替换为你自己的个人 Key。

第一条 OpenAI 兼容请求

POST /v1/chat/completions
cURLbash
curl https://router-api.mengbi-ai.net/v1/chat/completions \
  -H "Authorization: Bearer sk-mengbi-xxxxxx" \
  -H "content-type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "messages": [{"role": "user", "content": "你好"}]
  }'
Python · openaipython
from openai import OpenAI

client = OpenAI(
    api_key="sk-mengbi-xxxxxx",
    base_url="https://router-api.mengbi-ai.net/v1",
)

response = client.chat.completions.create(
    model="gpt-5.6-sol",
    messages=[{"role": "user", "content": "你好"}],
)
print(response.choices[0].message.content)
03 /

模型列表

使用模型 ID 调用模型。模型目录会展示当前可用且已发布价格的模型，接入前建议先读取接口返回的实时列表。

读取可用模型

GET /v1/models
cURLbash
curl https://router-api.mengbi-ai.net/v1/models \
  -H "Authorization: Bearer sk-mengbi-xxxxxx"
返回结构json
{
  "object": "list",
  "data": [
    {"id": "gpt-5.6-sol", "object": "model", "owned_by": "mengbi"},
    {"id": "claude-sonnet-5", "object": "model", "owned_by": "anthropic"}
  ]
}

Note模型是否可用、模型 ID 和价格可能变化。请不要在客户端永久缓存完整模型列表。

04 /

Anthropic 原生格式

Claude 模型建议使用 Anthropic 原生协议，以保留消息结构、流式事件和模型能力。

基础请求

POST /v1/messages
cURLbash
curl https://router-api.mengbi-ai.net/v1/messages \
  -H "x-api-key: sk-mengbi-xxxxxx" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-5",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "用一句话介绍你自己"}]
  }'
Python · anthropicpython
from anthropic import Anthropic

client = Anthropic(
    api_key="sk-mengbi-xxxxxx",
    base_url="https://router-api.mengbi-ai.net",
)

response = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "你好"}],
)
print(response.content[0].text)

流式请求

在请求体中加入 stream: true，响应使用 text/event-stream。客户端应持续读取事件，不要用一次性 JSON 解析器处理流式响应。

请求体json
{
  "model": "claude-sonnet-5",
  "max_tokens": 1024,
  "stream": true,
  "messages": [{"role": "user", "content": "写一首五言绝句"}]
}

Note常见事件顺序为 message_start、content_block_delta、message_delta、message_stop。

05 /

OpenAI 兼容格式

适用于 OpenAI SDK、Codex 以及支持 Chat Completions 的大多数客户端。

Chat Completions

POST /v1/chat/completions
cURLbash
curl https://router-api.mengbi-ai.net/v1/chat/completions \
  -H "Authorization: Bearer sk-mengbi-xxxxxx" \
  -H "content-type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "max_tokens": 1024,
    "messages": [{"role": "user", "content": "Hello"}]
  }'
JavaScript · openaijavascript
import OpenAI from 'openai'

const client = new OpenAI({
  apiKey: process.env.MENGBI_ROUTER_API_KEY,
  baseURL: 'https://router-api.mengbi-ai.net/v1',
})

const response = await client.chat.completions.create({
  model: 'gpt-5.6-sol',
  messages: [{ role: 'user', content: '你好' }],
})
console.log(response.choices[0].message.content)

流式请求

在 Chat Completions 请求中加入 stream: true，返回标准 OpenAI SSE 分片，并以 data: [DONE] 结束。

请求体json
{
  "model": "gpt-5.6-sol",
  "stream": true,
  "messages": [{"role": "user", "content": "写一段介绍"}]
}
06 /

Responses API

Responses API 面向已采用 OpenAI Responses SDK 的应用，目前仅用于 GPT 系列模型。

基础请求

POST /v1/responses
cURLbash
curl https://router-api.mengbi-ai.net/v1/responses \
  -H "Authorization: Bearer sk-mengbi-xxxxxx" \
  -H "content-type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "用一句话介绍你自己"
  }'
Python · openaipython
from openai import OpenAI

client = OpenAI(
    api_key="sk-mengbi-xxxxxx",
    base_url="https://router-api.mengbi-ai.net/v1",
)

response = client.responses.create(
    model="gpt-5.6-sol",
    input="用一句话介绍你自己",
)
print(response.output_text)

NoteClaude 请使用 /v1/messages，Gemini 请使用 Gemini 原生格式。将不兼容的模型发送到 /v1/responses 会返回错误。

快速模式

如果模型目录标记某个模型支持快速模式，可以在 Chat Completions 或 Responses API 中加入 service_tier: fast。具体可用性以模型目录和接口响应为准。

请求字段json
{
  "model": "gpt-5.6-sol",
  "input": "分析这个需求",
  "service_tier": "fast"
}
07 /

Gemini 原生格式

Gemini CLI 和 Gemini 原生 SDK 可以使用 Gemini 风格的路径与请求体。

生成内容

POST /v1beta/models/{model}:generateContent
cURLbash
curl https://router-api.mengbi-ai.net/v1beta/models/gemini-3.6-flash:generateContent \
  -H "Authorization: Bearer sk-mengbi-xxxxxx" \
  -H "content-type: application/json" \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{"text": "用一句话介绍你自己"}]
    }]
  }'
返回结构json
{
  "candidates": [{
    "content": {"role": "model", "parts": [{"text": "你好！"}]},
    "finishReason": "STOP"
  }],
  "usageMetadata": {
    "promptTokenCount": 12,
    "candidatesTokenCount": 22
  }
}

流式请求与环境变量

流式调用使用 streamGenerateContent，并在查询参数中加入 alt=sse。不同 Gemini 客户端对自定义 Base URL 的字段名可能不同。

SSEbash
curl "https://router-api.mengbi-ai.net/v1beta/models/gemini-3.6-flash:streamGenerateContent?alt=sse" \
  -H "Authorization: Bearer sk-mengbi-xxxxxx" \
  -H "content-type: application/json" \
  -d '{"contents": [{"role": "user", "parts": [{"text": "你好"}]}]}'
环境变量bash
export GOOGLE_GEMINI_BASE_URL="https://router-api.mengbi-ai.net"
export GEMINI_API_KEY="sk-mengbi-xxxxxx"
export GEMINI_API_KEY_AUTH_MECHANISM="bearer"