Jak używać LLM API: tokeny, koszty, klucze i pierwsza funkcja AI

LLM API to usługa internetowa, która pozwala Twojej aplikacji wysłać tekst do dużego modelu językowego, na przykład modeli GPT od OpenAI, Claude od Anthropic czy Gemini od Google, i odebrać odpowiedź w kodzie. Rejestrujesz się u dostawcy, tworzysz klucz API, a serwer aplikacji wysyła żądania z tym kluczem; płacisz za każde żądanie według liczby tokenów (fragmentów tekstu) wysłanych i zwróconych. Na tym zwykle polega „dodanie AI do aplikacji”: dobrze napisane żądanie do cudzego modelu, wysłane bezpiecznie z Twojego serwera.

Dlaczego to ważne, gdy budujesz z AI

W aplikacji zbudowanej z AI są dwie różne sztuczne inteligencje i łatwo je pomylić:

1. AI, która buduje Twoją aplikację, czyli agent kreatora, który pisze kod.
2. AI wewnątrz Twojej aplikacji, czyli funkcja, z której korzystają użytkownicy, jak asystent czatu, przycisk „podsumuj to” czy automatyczne tagowanie.

Druga wywołuje LLM API z Twoim kluczem i obciąża Twoje konto u dostawcy. Zrozumienie tokenów, kontekstu i cen pozwala zaprojektować funkcję, która działa, nie wycieka klucza i nie zaskakuje rachunkiem.

Codzienna analogia: bardzo zdolny freelancer płatny za słowo

Wyobraź sobie LLM API jak znakomitego freelancera pisarskiego, z którym kontaktujesz się mailowo i płacisz za słowo, zarówno za te, które mu wysyłasz, jak i za te, które odsyła z powrotem (a słowa wyjściowe kosztują więcej).

• Nie pamięta poprzednich maili. Jeśli chcesz, żeby kontynuował rozmowę, wklejasz wcześniejsze wiadomości do każdego nowego maila.
• Może przeczytać naraz tylko określoną ilość. To ograniczenie to okno kontekstu.
• Im jaśniejsze zlecenie, tym lepsza i krótsza odpowiedź, a więc także tańsza.

Podstawowe pojęcia

Tokeny

Modele czytają i zapisują tekst w tokenach. Dokumentacja cen Anthropic szacuje, że według stanu z września 2026 jeden token to około 4 znaki, czyli mniej więcej 0,75 angielskiego słowa. Różne modele i języki dzielą tekst na tokeny inaczej, więc traktuj to jako przybliżenie. Liczy się wszystko: Twoje instrukcje, wiadomość użytkownika, dołączone dokumenty, wcześniejsza rozmowa i odpowiedź.

Wejście i wyjście

Tokeny wejściowe to to, co wysyłasz. Tokeny wyjściowe to to, co pisze model. Na stronach cen OpenAI, Anthropic i Google, według stanu z września 2026, tokeny wyjściowe kosztują kilka razy więcej niż wejściowe dla tego samego modelu. Cennik Gemini od Google zauważa też, że wewnętrzne „myślenie” modelu liczy się jako wyjście.

Okno kontekstu

Maksymalna liczba tokenów, jaką model może przyjąć w jednym żądaniu, łącznie z odpowiedzią. Nowoczesne modele przyjmują bardzo długie wejścia. Niektóre aktualne modele Anthropic obsługują na przykład do miliona tokenów. Długie wejścia kosztują jednak więcej i trwają dłużej, więc wysyłaj tylko to, czego zadanie wymaga.

Żądania bezstanowe

W większości API w stylu czatu każde żądanie jest domyślnie samodzielne. Żeby czat „pamiętał”, Twoja aplikacja wysyła ponownie wcześniejsze wiadomości przy każdej nowej. Dlatego długa rozmowa kosztuje więcej za wiadomość niż krótka.

Prompt systemowy

Instrukcje określające rolę modelu i zasady dla każdego żądania: „Podsumowujesz zgłoszenia do pomocy technicznej w trzech punktach. Nigdy nie podawaj adresów e-mail klientów”. Użytkownicy go nie widzą, ale kształtuje on każdą odpowiedź.

Strumieniowanie

Zamiast czekać na pełną odpowiedź, API może wysyłać tekst w miarę generowania, więc użytkownicy widzą słowa pojawiające się od razu. Dzięki temu interfejsy czatu wydają się znacznie szybsze.

Jak działa cennik

Stan na wrzesień 2026, sprawdzony na stronach cen samych dostawców:

Niektórzy dostawcy oferują też możliwość wypróbowania przed zapłatą: Anthropic daje nowym użytkownikom niewielką kwotę darmowych środków, a Gemini API od Google ma darmowy poziom dla niektórych modeli, z zastrzeżeniem, że treści wysłane w tym trybie mogą być wykorzystane do ulepszania produktów Google.

Ceny znacznie różnią się między małymi, szybkimi modelami dostawcy a jego największymi, i często się zmieniają, dlatego ich tu nie podajemy. Prosty szacunek dla każdej funkcji to: (tokeny wejściowe × cena wejścia + tokeny wyjściowe × cena wyjścia) × liczba żądań miesięcznie. Do tego dodaj margines i ustaw miesięczny limit wydatków w panelu dostawcy.

Przykład: przycisk „podsumuj to zgłoszenie”

Mały zespół wsparcia chce przycisku, który zamienia długi wątek e-maili klienta w trzy punkty i sugerowaną odpowiedź.

1. Zdobądź klucz. Załóż konto u jednego dostawcy i wygeneruj klucz API. Ustaw niski miesięczny limit wydatków.
2. Zapisz klucz jako sekret na serwerze, pod nazwą w rodzaju ANTHROPIC_API_KEY lub OPENAI_API_KEY, nigdy w kodzie strony. Zobacz zmienne środowiskowe i sekrety.
3. Dodaj trasę na serwerze, POST /api/summarise, która:
   • sprawdza, czy osoba jest zalogowana i należy do zespołu wsparcia;
   • pobiera zgłoszenie z bazy danych;
   • wysyła do dostawcy prompt systemowy („Podsumuj w trzech punktach, potem przygotuj uprzejmą odpowiedź; nie wymyślaj numerów zamówień”) wraz z treścią zgłoszenia;
   • ogranicza długość odpowiedzi ustawieniem maksymalnej liczby tokenów wyjściowych;
   • zwraca wynik i zapisuje, ile tokenów zużyto.
4. Przycisk wywołuje Twoją trasę, a nie dostawcę, i pokazuje podsumowanie w miarę jego strumieniowania.
5. Obsłuż błąd. Jeśli dostawca działa wolno lub zwróci błąd, pokaż komunikat „Nie udało się teraz podsumować” i zachowaj zgłoszenie w użyciu.
6. Zmierz. Po tygodniu sprawdź logi tokenów. Jeśli większość kosztów pochodzi z długich wątków, przed wysłaniem przytnij cytowaną historię.

Zauważ, czego tu brakuje: trenowania modelu, specjalnej infrastruktury. Jeden klucz, jedna trasa na serwerze, jedno dobrze napisane polecenie.

Kluczowe pojęcia

• Klucz API: sekret identyfikujący Twoje konto u dostawcy. Każdy, kto go ma, może wydawać Twoje pieniądze.
• Model: konkretny LLM, który wywołujesz. Dostawcy oferują kilka rozmiarów w różnych cenach i z różną szybkością.
• Temperatura: ustawienie określające, jak różnorodne są odpowiedzi. Niższa wartość oznacza większą przewidywalność.
• Maksymalna liczba tokenów: limit długości odpowiedzi, który jednocześnie ogranicza koszt.
• Limit żądań: ile żądań lub tokenów Twoje konto może wykorzystać na minutę.
• Osadzenia (embeddings): liczby reprezentujące znaczenie tekstu, używane do wyszukiwania we własnych dokumentach.
• RAG (generowanie wspomagane wyszukiwaniem): znajdowanie w Twoich danych odpowiednich fragmentów i dołączanie ich do polecenia, tak aby model odpowiadał na podstawie Twoich treści.
• Użycie narzędzi / wywoływanie funkcji: pozwolenie modelowi, by poprosił aplikację o uruchomienie konkretnej funkcji, np. „sprawdź status zamówienia”.

Typowe błędy i mylne przekonania

• Klucz w kodzie frontendu. Najdroższy błąd. Kod przeglądarki jest publiczny. Zawsze wywołuj dostawcę z serwera. Lista kontrolna bezpieczeństwa dla aplikacji zbudowanych z AI omawia to razem z innymi sprawdzeniami przed startem.
• Brak limitu wydatków lub limitów dla użytkowników. Błąd, pętla albo nadużywający użytkownik mogą szybko podbić koszty. Ustaw limit u dostawcy i ogranicz liczbę żądań na użytkownika w swojej aplikacji.
• Wysyłanie wszystkiego za każdym razem. Całe dokumenty i pełne historie czatu mnożą tokeny wejściowe. Przycinaj je, podsumowuj starsze wiadomości albo pobieraj tylko istotne fragmenty.
• Ślepe ufanie wynikom. Modele potrafią pewnym tonem podać nieprawdę. W przypadku faktów, cen lub wszystkiego, co dotyczy prawa lub medycyny, opieraj odpowiedzi na własnych danych i pokazuj źródła albo zleć sprawdzenie człowiekowi.
• Pozwolenie, by wejście użytkownika nadpisało Twoje zasady. Użytkownicy mogą wpisać „zignoruj swoje instrukcje”. Trzymaj uprawnienia i wrażliwe działania w kodzie serwera, a nie tylko w poleceniu.
• Zaczynanie od największego modelu. Najpierw wypróbuj mniejszy, tańszy model; przechodź wyżej tylko wtedy, gdy wymaga tego jakość.
• Wysyłanie danych osobowych bez zastanowienia. Sprawdź warunki wykorzystania danych u dostawcy, szczególnie w darmowych poziomach, i wysyłaj tylko to, czego funkcja potrzebuje.

O co poprosić kreatora aplikacji

Dodaj przycisk „Podsumuj” na stronie zgłoszenia. Wywołuje on trasę serwera, która używa sekretu OPENAI_API_KEY (nigdy nieujawnianego przeglądarce), sprawdza, czy użytkownik jest zalogowany, wysyła treść zgłoszenia z tym promptem systemowym: […], ogranicza odpowiedź do 300 tokenów, strumieniuje wynik na stronę i pokazuje przyjazny komunikat błędu, gdy wywołanie się nie uda. Zapisuj liczbę zużytych tokenów przy każdym żądaniu i ogranicz każdemu użytkownikowi do 30 podsumowań na godzinę.

W przypadku pełnego doświadczenia czatu zobacz jak zbudować aplikację chatbota AI; inne pomysły znajdziesz w jak dodać funkcje AI do swojej aplikacji. Jeśli same API są dla Ciebie nowością, zacznij od czym jest API.

LLM API w aplikacjach budowanych w Mythex

Gdy budujesz w Mythex, AI wewnątrz Twojej aplikacji korzysta z Twojego własnego klucza dostawcy. Dodajesz go jako sekret projektu albo przez kartę sekretów, którą Mythex pokazuje w czacie, gdy jest potrzebna, i prosisz agenta o wykonanie wywołania na serwerze. Zużycie u dostawcy jest rozliczane na Twoim koncie u dostawcy, a nie jako kredyty budowania Mythex. Mythex nie dołącza tokenów dla użytkowników Twojej aplikacji ani wbudowanego produktu bazy wiedzy, a limity żądań i kontrolę kosztów projektujesz i testujesz samodzielnie. Przepis w dokumentacji dodawanie funkcji AI za pomocą własnych kluczy API zawiera gotowy prompt startowy, a strona kreator aplikacji AI pokazuje, od czego zacząć.

Pytania