LangChain modelos anthropic

Obtener API KEY de Anthropic

Para integrar los modelos de Anthropic (familia Claude) en LangChain, es requisito indispensable disponer de una clave de API válida. Esta clave permite autenticar tu aplicación contra los servidores de Anthropic y autorizar el consumo de recursos según tu plan.

El proceso comienza con el registro en la consola de desarrolladores de Anthropic. Dirígete a console.anthropic.com para crear tu cuenta. Una vez verificada, tendrás acceso al panel de control donde podrás generar y administrar tus claves de acceso.

• 1. Generación de credenciales:

En la sección "API Keys", crea una nueva clave. Asegúrate de copiarla inmediatamente, ya que por seguridad no se mostrará de nuevo completa.

sk-ant-api03-xxxxxxxx...

• 2. Configuración del entorno:

Almacena esta clave en un archivo .env en la raíz de tu proyecto. Nunca la incluyas directamente en el código fuente.

ANTHROPIC_API_KEY=sk-ant-api03-tu-clave-real

• 3. Verificación en Python:

Utiliza python-dotenv para cargar la configuración de forma segura al iniciar tu aplicación.

import os
from dotenv import load_dotenv

load_dotenv()

if not os.getenv("ANTHROPIC_API_KEY"):
    raise ValueError("La API Key de Anthropic no está configurada")

Es vital gestionar estas credenciales con precaución, evitando subirlas a repositorios de código. Además, Anthropic funciona mediante un sistema de créditos prepagados o facturación mensual, por lo que es recomendable monitorear el uso en el panel de control.

Invocar modelos de Anthropic en LangChain

La librería langchain-anthropic proporciona la infraestructura necesaria para trabajar con los modelos Claude, conocidos por su gran ventana de contexto y capacidad de razonamiento.

Instalación del paquete

Instala la integración oficial mediante pip:

pip install langchain-anthropic

Opción 1: Inicialización con init_chat_model

Para mantener un código agnóstico y modular, utiliza init_chat_model. Esta función de LangChain 1.x permite instanciar modelos de Claude utilizando una interfaz común.

• 1. Configuración estándar:

from langchain.chat_models import init_chat_model

# Inicializar Claude Sonnet 4.5
model = init_chat_model("claude-sonnet-4-5-20251022")

response = model.invoke("Explica el patrón de diseño Singleton")
print(response.content)

El identificador de modelo se infiere automáticamente al proveedor correcto. Esta metodología es altamente recomendable si planeas soportar múltiples proveedores de IA en tu aplicación.

Opción 2: Uso directo de ChatAnthropic

La clase ChatAnthropic ofrece acceso directo a todas las funcionalidades específicas de los modelos de Anthropic, permitiendo una configuración más granular.

• 1. Instanciación explícita:

from langchain_anthropic import ChatAnthropic

chat_model = ChatAnthropic(
    model="claude-sonnet-4-5-20251022",
    temperature=0.7,
    max_tokens=4096,
    timeout=30,
    max_retries=2
)

Selección de modelos y capacidades

Anthropic ofrece diferentes variantes de Claude, cada una optimizada para necesidades específicas de rendimiento y coste.

• 1. Claude Sonnet 4.5:

El modelo más equilibrado y capaz actualmente. Ideal para tareas complejas de programación, análisis y razonamiento.

sonnet = ChatAnthropic(
    model="claude-sonnet-4-5-20251022", 
    temperature=0.0  # Determinista para código
)

• 2. Claude Haiku 4.5:

La opción más rápida y económica, perfecta para tareas simples, clasificación de texto o interacciones de baja latencia.

haiku = ChatAnthropic(
    model="claude-haiku-4-5-20251001",
    temperature=0.5
)

Tipos de entrada y estructuración

Los modelos de Anthropic en LangChain aceptan tanto cadenas de texto simples como estructuras de mensajes complejas, lo que facilita la creación de conversaciones contextuales.

• 1. Invocación con mensajes estructurados:

from langchain_core.messages import HumanMessage, SystemMessage

messages = [
    SystemMessage(content="Eres un experto en ciberseguridad."),
    HumanMessage(content="¿Qué es un ataque DDoS?")
]

response = sonnet.invoke(messages)

• 2. Invocación multimodal (Imágenes):

Claude 4.5 tiene capacidades de visión excepcionales. Puedes pasar imágenes codificadas en base64 dentro de los mensajes para que el modelo las analice.

# Ejemplo conceptual de entrada multimodal
message_content = [
    {"type": "text", "text": "Analiza esta arquitectura"},
    {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{base64_image}"}}
]

Metadatos de la respuesta

Al igual que otros proveedores, ChatAnthropic devuelve metadatos detallados sobre la ejecución, lo cual es esencial para el control de costes y auditoría.

response = sonnet.invoke("Escribe un haiku sobre el otoño")

print(f"Contenido: {response.content}")
print(f"Modelo usado: {response.response_metadata.get('model')}")
print(f"Uso de tokens: {response.response_metadata.get('usage')}")