LLM リクエスト設定

本ページの設定には Core #2661 を含む Core が必要です。マージとリリースは別です。既存の extra_args で指定し、プラグインと Runner のシグネチャ、メッセージ型、権限確認は変わりません。LangBot API とコンテキスト APIも参照してください。

リトライとタイムアウト

非ストリーミング呼び出しでリクエスト設定と完全な使用量を扱う例です：

from langbot_plugin.api.entities.builtin.provider.message import Message

result = await self.plugin.invoke_llm_with_usage(
    llm_model_uuid=model_uuid,
    messages=[Message(role="user", content="Hello!")],
    timeout=110,
    extra_args={
        "request_policy": {
            "retries": 1,
            "total_timeout": 90,
            "first_event_timeout": 30,
            "stream_idle_timeout": 30,
            "connect_timeout": 10,
            "read_timeout": 60,
        },
    },
)
print(result.message.content)
if result.usage is not None:
    print(result.usage.model_dump())

Runner の ctx.api.invoke_llm* でも同じ extra_args を使えますが、実行の権限と残り時間に制限されます。実行コンテキスト内の self.plugin 呼び出しにも同じ制限が適用されます。

timeout= は SDK/RPC の待機期限（非ストリーミングでは既定 120 秒）です。request_policy は Core 内部のリクエストを制御します。総予算は外側の RPC/Runner の期限内に収めてください。Core の予算を増やしても外側の期限は延長されません。ストリーミングメソッドには timeout= 引数がなく、SDK/Runner の待機期限が適用されます。

時間は秒単位で、タイムアウトは有限の正数です。未知のフィールドは拒否されます。優先順位はインスタンスの llm_request_policy、モデルの extra_args、呼び出しの extra_args の順です。同じ階層では request_policy.retries が旧 num_retries / max_retries より優先されます。呼び出し側の旧パラメーターでもモデル設定を上書きでき、0 でリトライを無効化できます。旧数値 extra_args["timeout"] は読み取り、最初のイベント、ストリーム待機を設定し、総予算は延長しません。

認証失敗、不正なリクエスト、クォータ不足はリトライしません。思考や usage を含む上流イベントを受信した後も再試行しません。Retry-After は残りの総予算内に制限されます。Core は管理対象の LiteLLM/プロバイダー SDK 内蔵リトライを無効化しますが、中継サービスは独自に再試行する場合があります。ツール再実行、モデル切り替え、embedding/rerank のリトライは追加しません。旧サードパーティ requester の内部通信設定はその実装が管理します。

思考予算

既存の reasoning_level は変わりません。数値予算は以下を extra_args またはモデルの詳細パラメーターに指定します。level を省略すると enabled です：

{
  "reasoning_config": {"budget_tokens": 2048},
  "max_tokens": 4096
}

予算と effort レベル（例：medium）、disabled、プロバイダー独自の思考パラメーターを併用しないでください。Anthropic 直結では予算より大きい max_tokens を明示する必要があり、Core は出力上限を自動で増やしません。

優先順位は保存済みモデル reasoning_config、モデル extra_args.reasoning_config、呼び出し extra_args.reasoning_config、明示的な Runner レベル指定です。各オブジェクトが前の設定を全置換し、effort 指定は低優先度の数値予算を削除します。

数値予算はネイティブ Anthropic、Gemini 2.5、対応 Qwen、OpenRouter 経由に変換されます。OpenAI/Codex 直結と adaptive のみの Claude は effort を使います。モデルの reasoning_capabilities.budget_tokens で対応と範囲を確認してください。未対応なら HTTP 送信前にエラーになります。上流の制限がより厳しい場合や、OpenRouter が予算を effort に変換する場合もあります。

Prompt caching

extra_args.prompt_caching は Core 専用で、そのまま上流には送信されません。呼び出し設定がモデル設定を全置換します。既定の {"mode": "provider_default"} はフィールドを追加しません。ローカルの回答キャッシュではありません。

OpenAI モードは対応する互換ルートおよび OpenRouter の OpenAI モデル向けです。明示したネイティブ prompt_cache_key、prompt_cache_retention、prompt_cache_options が優先されます。Anthropic モードはネイティブ Claude と OpenRouter Claude に対応します。既存マーカーがあれば追加せず、ツール/履歴の並べ替えやユーザーメッセージへの追加もしません。適切な接頭辞がなければ何も追加しません。

キャッシュヒントはヒットを保証しません。usage.model_dump() の prompt_tokens_details.cached_tokens、cache_read_input_tokens などで確認します。未提供はゼロではありません。最小接頭辞長、保持期間の対応、料金はプロバイダー次第です。Codex の制限付き Responses ボディはこの設定を受け付けず、既存のサーバー側キャッシュを維持します。汎用 Responses 移行と Gemini 明示的キャッシュリソース管理は今回の対象外です。

アプリとセッションのヘッダー

OpenRouter 直結では HTTP-Referer: https://langbot.app、X-OpenRouter-Title: LangBot、会話コンテキストがあれば x-session-id: lb-<opaque scoped hash> を自動付与します。独自の中継 URL には自動付与しません。request_policy.attribution=False は自動アプリ識別のみを無効化します。明示した extra_headers は保持され、大文字小文字を区別せず優先されます。

中継サービスに合わせてセッションヘッダーを指定できます：

{
  "request_policy": {"conversation_header": "x-litellm-session-id"},
  "extra_headers": {
    "HTTP-Referer": "https://langbot.app",
    "X-OpenRouter-Title": "LangBot"
  }
}

対応名は x-session-id、x-litellm-session-id、x-langbot-conversation-id です。最後は独自規約であり共通標準ではなく、自動的なルーティングやキャッシュ効果はありません。生成値は workspace/bot/pipeline/session ごとに分離され、生の ID やプロンプトを含みませんが、仮名化であり匿名化保証ではありません。コンテキストがなければ生成しません。New API などはヘッダーを削除・上書きする可能性があるため、転送設定と実際の出力を確認してください。

ストリーム終了と互換性

途中でループを抜けるときは aclosing で生成器を確実に閉じ、タスクのキャンセル例外は伝播させてください：

from contextlib import aclosing
from langbot_plugin.api.entities.builtin.provider.message import Message

async with aclosing(self.plugin.invoke_llm_stream_events(
    llm_model_uuid=model_uuid,
    messages=[Message(role="user", content="Hello!")],
    extra_args={"request_policy": {"retries": 0, "total_timeout": 90}},
)) as events:
    async for event in events:
        if event.usage is not None:
            print(event.usage.model_dump())
        if event.chunk is not None and event.chunk.content:
            print(event.chunk.content)
            break

この例は最初の空でない内容で停止するため、最後の usage を受け取れない場合があります。全文取得では break を除きます。最後のイベントが chunk なしの usage のみの場合もあります。invoke_llm は引き続き Message、invoke_llm_stream は MessageChunk を返します。使用量には invoke_llm_with_usage または invoke_llm_stream_events を使います。usage は None の場合があり、ネストしたキャッシュ/思考使用量や上流独自フィールドは保持されます。

SDK ≤0.7.11 には、プロキシの早期終了が上流へ即時伝播しない問題があります。確実な終了には langbot-plugin ≥0.7.12 が必要です。この公開版は SDK #177 の修正を含みます。Core の依存固定だけでは別配置の Runtime やプラグイン開発環境は更新されないため、実行する各環境も更新してください。通常のシグネチャ、ペイロード、戻り値は互換です。総期限は消費時間も含みますが、生成器が yield で停止中に消費側を中断せず、次の読み取りで期限切れを確認します。

診断

Core の監視レコード details に timing、完全な usage、構造化 error を記録します。旧 SDK の例外伝送形式は変更しません。構造化エラーは code、status_code、retryable、retry_after、request_id、phase を含みますが、プラグインが受け取る旧例外にこれらがあるとは限りません。

時間はミリ秒で、preparation_ms、transport_setup_ms、first_event_ms、first_reasoning_ms、first_content_ms、first_visible_chunk_ms、total_ms、retry_wait_ms、および試行数 attempts を記録します。最初のイベントは思考や制御の場合があり、最初の表示チャンクも思考を含む場合があります。request_started_ms は SDK 呼び出し時刻で、パケット送信時刻ではありません。欠落は未観測でありゼロではありません。キャンセル前の部分 usage は監視に保持されますが、未提供の使用量は復元できません。