OpenRouter API入門 - 複数LLMを統一APIで使い分ける方法

#AI #API #LLM #開発ツール

OpenRouterは、OpenAI・Anthropic・Google・Meta等の複数LLMプロバイダーを統一されたAPIで利用できるサービスです。モデルの切り替え、コスト比較、フォールバック設定をシンプルなAPIで実現します。

本記事では、OpenRouter APIの基本的な使い方からモデル選択戦略、TypeScript/Pythonでの実装パターンまで解説します。

OpenRouterとは？

OpenRouterは、LLMのルーティングサービスです。1つのAPIキーで200以上のモデルにアクセスでき、用途に応じてモデルを切り替えられます。

主な特徴

  • 統一API: OpenAI互換のAPIで全モデルにアクセス
  • 200+モデル対応: Claude、GPT-4o、Gemini、Llama、Mistralなど
  • 従量課金: 使った分だけの支払い
  • フォールバック: モデル障害時に自動で別モデルに切り替え
  • コスト最適化: 同一品質で最安のモデルを自動選択
  • 無料モデル: 一部モデルは無料で利用可能

直接APIとの比較

項目OpenRouter直接API（各社個別）
APIキー管理1つプロバイダーごとに個別
モデル切替model名変更のみエンドポイント・認証の変更
フォールバック組み込み自前実装が必要
価格比較ダッシュボードで一覧各社サイトで確認
レート制限統合管理各社個別に管理
追加コスト約0-5%のマージンなし

セットアップ

APIキーの取得

  1. openrouter.ai でアカウント作成
  2. ダッシュボードの「Keys」からAPIキーを生成
  3. クレジットをチャージ（最低$5から）

基本的なAPIリクエスト

OpenRouterはOpenAI互換APIなので、既存のコードをほぼそのまま使えます。

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "anthropic/claude-sonnet-4-20250514",
    "messages": [
      {"role": "user", "content": "TypeScriptの型推論について説明してください"}
    ]
  }'

TypeScriptでの実装

OpenAI SDKを使う方法（推奨）

OpenRouter APIはOpenAI互換なので、OpenAI SDKをそのまま使えます。

import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://openrouter.ai/api/v1',
  apiKey: process.env.OPENROUTER_API_KEY,
  defaultHeaders: {
    'HTTP-Referer': 'https://your-app.com',
    'X-Title': 'Your App Name',
  },
});

async function chat(message: string, model = 'anthropic/claude-sonnet-4-20250514') {
  const response = await client.chat.completions.create({
    model,
    messages: [{ role: 'user', content: message }],
    temperature: 0.7,
    max_tokens: 1000,
  });

  return response.choices[0].message.content;
}

// 使用例
const answer = await chat('ReactのuseEffectの注意点を教えて');
console.log(answer);

モデルの動的切替

// モデル定義
const MODELS = {
  // 高品質（複雑な推論、コード生成）
  premium: 'anthropic/claude-opus-4-20250514',
  // バランス（一般的なタスク）
  standard: 'anthropic/claude-sonnet-4-20250514',
  // 高速・低コスト（分類、要約、簡単なタスク）
  fast: 'anthropic/claude-haiku-4-5-20251001',
  // コーディング特化
  coding: 'anthropic/claude-sonnet-4-20250514',
  // 長文処理
  longContext: 'google/gemini-2.0-flash-001',
} as const;

type ModelTier = keyof typeof MODELS;

async function smartChat(
  message: string,
  tier: ModelTier = 'standard'
) {
  const model = MODELS[tier];

  const response = await client.chat.completions.create({
    model,
    messages: [{ role: 'user', content: message }],
  });

  return {
    content: response.choices[0].message.content,
    model: response.model,
    usage: response.usage,
  };
}

// 用途に応じてモデルを選択
const simpleAnswer = await smartChat('こんにちは', 'fast');
const codeReview = await smartChat('このコードをレビューして...', 'coding');
const analysis = await smartChat('この論文を分析して...', 'premium');

ストリーミング対応

async function streamChat(message: string) {
  const stream = await client.chat.completions.create({
    model: 'anthropic/claude-sonnet-4-20250514',
    messages: [{ role: 'user', content: message }],
    stream: true,
  });

  let fullContent = '';

  for await (const chunk of stream) {
    const delta = chunk.choices[0]?.delta?.content || '';
    fullContent += delta;
    process.stdout.write(delta);
  }

  return fullContent;
}

フォールバック実装

async function chatWithFallback(
  message: string,
  models: string[] = [
    'anthropic/claude-sonnet-4-20250514',
    'openai/gpt-4o',
    'google/gemini-2.0-flash-001',
  ]
) {
  for (const model of models) {
    try {
      const response = await client.chat.completions.create({
        model,
        messages: [{ role: 'user', content: message }],
        timeout: 30000,
      });

      return {
        content: response.choices[0].message.content,
        model: response.model,
        fallback: model !== models[0],
      };
    } catch (error) {
      console.warn(`Model ${model} failed, trying next...`);
      continue;
    }
  }

  throw new Error('All models failed');
}

Pythonでの実装

OpenAIライブラリを使用

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=os.environ["OPENROUTER_API_KEY"],
    default_headers={
        "HTTP-Referer": "https://your-app.com",
        "X-Title": "Your App Name",
    },
)

def chat(message: str, model: str = "anthropic/claude-sonnet-4-20250514") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": message}],
        temperature=0.7,
    )
    return response.choices[0].message.content


# ストリーミング
def stream_chat(message: str):
    stream = client.chat.completions.create(
        model="anthropic/claude-sonnet-4-20250514",
        messages=[{"role": "user", "content": message}],
        stream=True,
    )

    full_content = ""
    for chunk in stream:
        delta = chunk.choices[0].delta.content or ""
        full_content += delta
        print(delta, end="", flush=True)

    return full_content

LangChainとの連携

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="anthropic/claude-sonnet-4-20250514",
    openai_api_key=os.environ["OPENROUTER_API_KEY"],
    openai_api_base="https://openrouter.ai/api/v1",
    default_headers={
        "HTTP-Referer": "https://your-app.com",
    },
)

response = llm.invoke("TypeScriptの型ガードについて説明して")
print(response.content)

モデル選択戦略

コスト比較（2026年3月時点の参考価格）

モデル入力/1M tokens出力/1M tokens特徴
Claude Opus 4$15.00$75.00最高品質の推論
Claude Sonnet 4$3.00$15.00バランス型
Claude Haiku 4.5$0.80$4.00高速・低コスト
GPT-4o$2.50$10.00マルチモーダル
GPT-4o mini$0.15$0.60超低コスト
Gemini 2.0 Flash$0.10$0.40長文・低コスト
Llama 3.3 70B$0.50$0.70オープンソース

価格は参考値です。最新の正確な価格はOpenRouterの価格ページで確認してください。

用途別おすすめモデル

// タスクに応じたモデル選択ロジック
function selectModel(task: string): string {
  const taskMap: Record<string, string> = {
    // 高度な推論・分析
    'analysis': 'anthropic/claude-opus-4-20250514',
    'research': 'anthropic/claude-opus-4-20250514',

    // コーディング
    'code-generation': 'anthropic/claude-sonnet-4-20250514',
    'code-review': 'anthropic/claude-sonnet-4-20250514',
    'debugging': 'anthropic/claude-sonnet-4-20250514',

    // 一般的な対話
    'chat': 'anthropic/claude-sonnet-4-20250514',
    'qa': 'anthropic/claude-haiku-4-5-20251001',

    // テキスト処理
    'summarization': 'anthropic/claude-haiku-4-5-20251001',
    'classification': 'anthropic/claude-haiku-4-5-20251001',
    'translation': 'anthropic/claude-haiku-4-5-20251001',

    // 長文処理
    'long-document': 'google/gemini-2.0-flash-001',

    // 低コスト大量処理
    'batch': 'openai/gpt-4o-mini',
  };

  return taskMap[task] || 'anthropic/claude-sonnet-4-20250514';
}

実践パターン

パターン1: AI機能付きWebアプリ

// Next.js API Route
import { NextRequest, NextResponse } from 'next/server';
import OpenAI from 'openai';

const client = new OpenAI({
  baseURL: 'https://openrouter.ai/api/v1',
  apiKey: process.env.OPENROUTER_API_KEY!,
});

export async function POST(req: NextRequest) {
  const { message, context } = await req.json();

  const stream = await client.chat.completions.create({
    model: 'anthropic/claude-sonnet-4-20250514',
    messages: [
      { role: 'system', content: context },
      { role: 'user', content: message },
    ],
    stream: true,
  });

  const encoder = new TextEncoder();
  const readable = new ReadableStream({
    async start(controller) {
      for await (const chunk of stream) {
        const text = chunk.choices[0]?.delta?.content || '';
        controller.enqueue(encoder.encode(`data: ${JSON.stringify({ text })}\n\n`));
      }
      controller.enqueue(encoder.encode('data: [DONE]\n\n'));
      controller.close();
    },
  });

  return new NextResponse(readable, {
    headers: {
      'Content-Type': 'text/event-stream',
      'Cache-Control': 'no-cache',
    },
  });
}

パターン2: コスト管理付きチャットボット

class CostAwareChatbot {
  private totalCost = 0;
  private maxBudget: number;

  constructor(maxBudgetUSD: number = 10) {
    this.maxBudget = maxBudgetUSD;
  }

  async chat(message: string): Promise<string> {
    // 予算チェック
    if (this.totalCost >= this.maxBudget) {
      throw new Error(`Budget exceeded: $${this.totalCost.toFixed(4)}`);
    }

    // メッセージの長さに応じてモデルを選択
    const model = message.length > 2000
      ? 'anthropic/claude-haiku-4-5-20251001'  // 長文は安いモデル
      : 'anthropic/claude-sonnet-4-20250514';

    const response = await client.chat.completions.create({
      model,
      messages: [{ role: 'user', content: message }],
    });

    // コスト計算（概算）
    const usage = response.usage;
    if (usage) {
      const cost = this.estimateCost(model, usage.prompt_tokens, usage.completion_tokens);
      this.totalCost += cost;
    }

    return response.choices[0].message.content || '';
  }

  private estimateCost(model: string, inputTokens: number, outputTokens: number): number {
    const pricing: Record<string, { input: number; output: number }> = {
      'anthropic/claude-sonnet-4-20250514': { input: 3 / 1_000_000, output: 15 / 1_000_000 },
      'anthropic/claude-haiku-4-5-20251001': { input: 0.8 / 1_000_000, output: 4 / 1_000_000 },
    };

    const price = pricing[model] || { input: 0.01, output: 0.03 };
    return (inputTokens * price.input) + (outputTokens * price.output);
  }

  getCost(): number {
    return this.totalCost;
  }
}

パターン3: 構造化出力

import { z } from 'zod';

const ProductReviewSchema = z.object({
  summary: z.string(),
  pros: z.array(z.string()),
  cons: z.array(z.string()),
  rating: z.number().min(1).max(5),
  recommendation: z.enum(['strongly_recommend', 'recommend', 'neutral', 'not_recommend']),
});

async function analyzeReview(reviewText: string) {
  const response = await client.chat.completions.create({
    model: 'anthropic/claude-sonnet-4-20250514',
    messages: [
      {
        role: 'system',
        content: `レビューテキストを分析し、以下のJSON形式で出力してください:
{
  "summary": "要約",
  "pros": ["良い点1", "良い点2"],
  "cons": ["悪い点1"],
  "rating": 4,
  "recommendation": "recommend"
}`
      },
      { role: 'user', content: reviewText },
    ],
    response_format: { type: 'json_object' },
  });

  const content = response.choices[0].message.content;
  if (!content) throw new Error('Empty response');

  return ProductReviewSchema.parse(JSON.parse(content));
}

セキュリティとベストプラクティス

APIキーの管理

// 環境変数で管理（ハードコード禁止）
const apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) {
  throw new Error('OPENROUTER_API_KEY is required');
}

// サーバーサイドのみで使用（クライアントに露出させない）
// Next.jsの場合、NEXT_PUBLIC_ プレフィックスをつけない

レート制限の対応

async function chatWithRetry(
  message: string,
  maxRetries = 3
) {
  for (let i = 0; i < maxRetries; i++) {
    try {
      return await client.chat.completions.create({
        model: 'anthropic/claude-sonnet-4-20250514',
        messages: [{ role: 'user', content: message }],
      });
    } catch (error: any) {
      if (error.status === 429 && i < maxRetries - 1) {
        const retryAfter = parseInt(error.headers?.['retry-after'] || '5');
        await new Promise(r => setTimeout(r, retryAfter * 1000));
        continue;
      }
      throw error;
    }
  }
}

トラブルシューティング

よくあるエラー

401 Unauthorized:

# APIキーの確認
echo $OPENROUTER_API_KEY | head -c 10
# sk-or-v1-で始まるか確認

402 Insufficient credits:

# OpenRouterダッシュボードでクレジットを確認・チャージ
# https://openrouter.ai/credits

429 Rate Limited:

// リトライロジックを実装するか、リクエスト間隔を空ける

503 Model Unavailable:

// フォールバックモデルリストを設定

まとめ

OpenRouterは複数LLMの統一アクセスポイントとして、AI開発の柔軟性を大きく向上させます。

OpenRouterの強み

  • 1つのAPIで200+モデル: プロバイダーごとの個別管理が不要
  • コスト最適化: タスクに応じて最適なモデルを選択
  • フォールバック: 障害耐性の高いAIアプリケーション
  • OpenAI互換: 既存コードの移行が容易

導入が向いているケース

  • 複数のLLMを比較検討中のプロジェクト
  • モデルの可用性を高めたいプロダクション環境
  • コストを最適化しながらAI機能を提供したい場合
  • プロトタイピングで素早くモデルを切り替えたい場合

学習リソース

複数のLLMを活用するAIアプリケーションを構築するなら、OpenRouterは間違いなく検討すべき選択肢です。まずは無料モデルで試してみてください。

関連記事