Como Usar APIs de LLM: Tokens, Custos, Chaves e Seu Primeiro Recurso de IA

Uma API de LLM é um serviço web que permite ao seu app enviar texto a um grande modelo de linguagem, como os modelos GPT da OpenAI, o Claude da Anthropic ou o Gemini do Google, e receber a resposta de volta no código. Você se cadastra no provedor, cria uma chave de API, e o servidor do seu app envia requisições com essa chave; você é cobrado por cada requisição pela quantidade de tokens (pedaços de texto) que entram e saem. É isso que "adicionar IA a um app" costuma significar: uma requisição bem escrita a um modelo de terceiros, feita com segurança a partir do seu servidor.

Por que isso importa quando você constrói com IA

Há duas IAs diferentes em um app criado com IA, e é fácil confundi-las:

1. A IA que constrói o seu app: o agente do criador, que escreve o código.
2. A IA dentro do seu app: um recurso que os seus usuários usam, como um assistente de chat, um botão de "resumir isto" ou marcação automática de conteúdo.

O segundo recurso chama uma API de LLM com a sua chave e cobra na sua conta do provedor. Entender tokens, contexto e preços é o que permite desenhar um recurso que funciona, não vaza sua chave e não te surpreende com uma conta alta.

Uma analogia do dia a dia: um redator muito capaz, pago por palavra

Pense em uma API de LLM como um redator freelancer brilhante com quem você fala por e-mail e a quem paga por palavra, tanto pelas palavras que você envia quanto pelas que ele devolve (e as palavras devolvidas custam mais).

• Ele não tem memória entre e-mails. Se você quer que ele continue uma conversa, cola as mensagens anteriores em cada novo e-mail.
• Ele só consegue ler uma certa quantidade de uma vez. Esse limite é a janela de contexto.
• Quanto mais clara a sua instrução, melhor e mais curta a resposta, o que também sai mais barato.

Os conceitos centrais

Tokens

Modelos leem e escrevem texto em tokens. A documentação de preços da Anthropic estima cerca de 4 caracteres, ou aproximadamente 0,75 palavra em inglês, por token, em setembro de 2026. Modelos e idiomas diferentes são tokenizados de formas diferentes, então trate isso como um guia aproximado. Tudo conta: suas instruções, a mensagem do usuário, quaisquer documentos que você incluir, a conversa anterior e a resposta.

Entrada e saída

Tokens de entrada são o que você envia. Tokens de saída são o que o modelo escreve. Nas páginas de preços da OpenAI, da Anthropic e do Google, em setembro de 2026, os tokens de saída custam várias vezes mais que os tokens de entrada para o mesmo modelo. A precificação do Gemini do Google também observa que o "raciocínio" interno de um modelo conta como saída.

Janela de contexto

O número máximo de tokens que um modelo pode receber em uma única requisição, incluindo a resposta. Modelos modernos aceitam entradas muito longas: alguns dos modelos atuais da Anthropic, por exemplo, aceitam até um milhão de tokens. Mas entradas longas custam mais e demoram mais, então envie apenas o que a tarefa precisa.

Requisições sem estado

Com a maioria das APIs no estilo chat, cada requisição é independente por padrão. Para que um chat "lembre", seu app envia as mensagens anteriores novamente a cada nova mensagem. É por isso que uma conversa longa custa mais por mensagem do que uma curta.

O prompt de sistema

Instruções que definem o papel do modelo e as regras para cada requisição: "Você resume chamados de suporte em três tópicos. Nunca inclua e-mails de clientes." Os usuários não veem isso, mas isso molda cada resposta.

Streaming

Em vez de esperar a resposta completa, a API pode enviar o texto conforme ele é gerado, para que os usuários vejam as palavras aparecerem imediatamente. Isso faz interfaces de chat parecerem muito mais rápidas.

Como funciona a precificação

Em setembro de 2026, conferido nas próprias páginas de preços dos provedores:

Alguns provedores também oferecem uma forma de testar antes de pagar: a Anthropic dá a novos usuários um pequeno crédito gratuito, e a API Gemini do Google tem um plano gratuito em alguns modelos, com a ressalva de que o conteúdo enviado nele pode ser usado para melhorar os produtos do Google.

Os preços variam muito entre os modelos pequenos e rápidos de um provedor e os maiores, e mudam com frequência, então não os citamos aqui. Uma estimativa simples para qualquer recurso é: (tokens de entrada × preço de entrada + tokens de saída × preço de saída) × número de requisições por mês. Depois acrescente uma margem e defina um limite mensal de gastos no painel do provedor.

Um exemplo prático: um botão de "resumir este chamado"

Uma pequena equipe de suporte quer um botão que transforme uma longa troca de e-mails de cliente em três tópicos e uma sugestão de resposta.

1. Obtenha uma chave. Crie uma conta com um provedor e gere uma chave de API. Defina um limite mensal de gastos baixo.
2. Guarde a chave como um segredo no seu servidor, com um nome como ANTHROPIC_API_KEY ou OPENAI_API_KEY, nunca no código da página. Veja variáveis de ambiente e segredos.
3. Adicione uma rota no servidor, POST /api/resumir, que:
   • verifica se a pessoa está logada e pertence à equipe de suporte;
   • carrega o chamado do banco de dados;
   • envia ao provedor um prompt de sistema ("Resuma em três tópicos e depois rascunhe uma resposta educada; não invente números de pedido") junto com o texto do chamado;
   • limita o tamanho da resposta com uma configuração de máximo de tokens de saída;
   • devolve o resultado e registra quantos tokens foram usados.
4. O botão chama a sua rota, não o provedor, e mostra o resumo conforme ele é transmitido.
5. Trate falhas. Se o provedor estiver lento ou retornar um erro, mostre "Não foi possível resumir agora" e mantenha o chamado utilizável.
6. Meça. Depois de uma semana, observe os registros de tokens. Se a maior parte do custo vier de threads de e-mail longas, corte o histórico citado antes de enviar.

Repare no que não aparece: nenhum treinamento de modelo, nenhuma infraestrutura especial. Uma chave, uma rota no servidor e um prompt bem escrito.

Termos-chave

• Chave de API: o segredo que identifica sua conta para o provedor. Quem a tiver pode gastar o seu dinheiro.
• Modelo: o LLM específico que você chama. Os provedores oferecem vários tamanhos, com preços e velocidades diferentes.
• Temperatura: uma configuração de quanto variadas são as respostas. Valores menores são mais previsíveis.
• Máximo de tokens: um limite para o tamanho da resposta, que também limita o custo.
• Limite de taxa (rate limit): quantas requisições ou tokens sua conta pode usar por minuto.
• Embeddings: números que representam o significado de um texto, usados para busca em seus próprios documentos.
• RAG (geração aumentada por recuperação): encontrar trechos relevantes dos seus próprios dados e incluí-los no prompt, para que o modelo responda com base no seu conteúdo.
• Uso de ferramentas / chamada de função: permitir que o modelo peça ao seu app que execute uma função específica, como "consulte o status do pedido".

Erros comuns e equívocos

• Colocar a chave no código do frontend. O erro mais caro. O código do navegador é público. Sempre chame a partir do seu servidor. A lista de segurança para apps criados com IA cobre isso junto com outras verificações de lançamento.
• Nenhum limite de gastos ou limites por usuário. Um bug, um loop ou um usuário abusivo podem aumentar os custos rapidamente. Defina um limite no provedor e limite as requisições por usuário no seu app.
• Enviar tudo a cada vez. Documentos inteiros e históricos completos de chat multiplicam os tokens de entrada. Corte, resuma mensagens antigas ou recupere apenas as partes relevantes.
• Confiar cegamente na saída. Modelos podem afirmar coisas erradas com confiança. Para fatos, preços ou qualquer assunto jurídico ou médico, baseie as respostas nos seus próprios dados e mostre as fontes, ou peça que uma pessoa verifique.
• Deixar a entrada do usuário passar por cima das suas regras. Usuários podem digitar "ignore suas instruções". Mantenha permissões e ações sensíveis no código do servidor, não apenas no prompt.
• Começar pelo maior modelo. Teste primeiro um modelo menor e mais barato; suba de nível apenas se a qualidade exigir.
• Enviar dados pessoais sem pensar. Verifique os termos de uso de dados do provedor, especialmente em planos gratuitos, e envie apenas o que o recurso precisa.

O que pedir ao seu criador de apps com IA

Adicione um botão "Resumir" na página do chamado. Ele chama uma rota do servidor que usa o segredo OPENAI_API_KEY (nunca exposto ao navegador), verifica se o usuário está logado, envia o texto do chamado com este prompt de sistema: […], limita a resposta a 300 tokens, transmite a resposta para a página e mostra um erro amigável se a chamada falhar. Registre os tokens usados por requisição e limite cada usuário a 30 resumos por hora.

Para uma experiência completa de chat, veja como criar um app de chatbot com IA; para outras ideias, como adicionar recursos de IA ao seu app. Se APIs em geral são novidade para você, comece com o que é uma API.

APIs de LLM em apps criados com o Mythex

Quando você constrói com o Mythex, a IA dentro do seu app usa a sua própria chave de provedor. Você a adiciona como um segredo do projeto, ou pelo cartão de segredos que o Mythex mostra no chat quando precisa dela, e pede ao agente para fazer a chamada no servidor. O uso do provedor é cobrado na sua conta do provedor, não nos créditos de construção do Mythex. O Mythex não inclui tokens para os usuários do seu app nem um produto de base de conhecimento integrado, e os limites de taxa e os controles de custo são seus para desenhar e testar. A receita da documentação adicionar recursos de IA com suas próprias chaves de API tem um prompt inicial, e a página do criador de apps com IA mostra por onde começar.

Perguntas