ডকুমেন্টেশন

Smart AIPI OpenAI এবং Anthropic-compatible API দুটোই দেয়। শুধু base URL বদলিয়ে যেকোনো বিদ্যমান OpenAI বা Anthropic SDK, tool, বা app-এর সাথে আমাদের service ব্যবহার করুন। কোনো code change দরকার নেই।

CLI ও MCP Tools

Smart AIPI দুটি npm package দেয়, যা developer-দের তাদের account নিয়ে কাজ করতে সাহায্য করে:

দুটিই ইনস্টল করুন

আলাদাভাবে ইনস্টল করুন

অথেনটিকেশন

সব API requests-এর জন্য একটি API key প্রয়োজন। একই key দুই ধরনের authentication method-এই কাজ করে:

মাইগ্রেশন গাইড

Migration করতে এক মিনিটেরও কম সময় লাগে। আমাদের API OpenAI এবং Anthropic endpoint দুটোর সাথেই 100% compatible।

OpenAI থেকে

Anthropic থেকে

Chat Completions

প্রদত্ত messages এবং model-এর জন্য একটি chat completion তৈরি করুন। ভাষা model-এর সাথে কাজ করার জন্য এটি প্রধান endpoint।

Request Body প্যারামিটার

মেসেজ Roles

Code উদাহরণ

from openai import OpenAI

client = OpenAI(
    base_url="https://api.smartaipi.com/v1",
    api_key="your-api-key"
)

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Hello!"}
    ],
    temperature=0.7,
    max_tokens=1000
)

print(response.choices[0].message.content)

import OpenAI from 'openai';

const openai = new OpenAI({
    baseURL: 'https://api.smartaipi.com/v1',
    apiKey: 'your-api-key'
});

const response = await openai.chat.completions.create({
    model: 'gpt-6-astra',
    messages: [
        { role: 'system', content: 'You are a helpful assistant.' },
        { role: 'user', content: 'Hello!' }
    ],
    temperature: 0.7,
    max_tokens: 1000
});

console.log(response.choices[0].message.content);

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [
      {"role": "system", "content": "You are a helpful assistant."},
      {"role": "user", "content": "Hello!"}
    ],
    "temperature": 0.7,
    "max_tokens": 1000
  }'

package main

import (
    "context"
    "fmt"
    openai "github.com/sashabaranov/go-openai"
)

func main() {
    config := openai.DefaultConfig("your-api-key")
    config.BaseURL = "https://api.smartaipi.com/v1"
    client := openai.NewClientWithConfig(config)

    resp, _ := client.CreateChatCompletion(
        context.Background(),
        openai.ChatCompletionRequest{
            Model: "gpt-6-astra",
            Messages: []openai.ChatCompletionMessage{
                {Role: "system", Content: "You are a helpful assistant."},
                {Role: "user", Content: "Hello!"},
            },
            Temperature: 0.7,
            MaxTokens:   1000,
        },
    )
    fmt.Println(resp.Choices[0].Message.Content)
}

use async_openai::{Client, config::OpenAIConfig};
use async_openai::types::{
    CreateChatCompletionRequestArgs, ChatCompletionRequestMessage,
    ChatCompletionRequestSystemMessageArgs, ChatCompletionRequestUserMessageArgs,
};

let config = OpenAIConfig::new()
    .with_api_key("your-api-key")
    .with_api_base("https://api.smartaipi.com/v1");

let client = Client::with_config(config);

let request = CreateChatCompletionRequestArgs::default()
    .model("gpt-6-astra")
    .messages([
        ChatCompletionRequestSystemMessageArgs::default()
            .content("You are a helpful assistant.")
            .build()?.into(),
        ChatCompletionRequestUserMessageArgs::default()
            .content("Hello!")
            .build()?.into(),
    ])
    .build()?;

let response = client.chat().create(request).await?;
println!("{}", response.choices[0].message.content);

স্ট্রিমিং

Server-Sent Events (SSE)-এর মাধ্যমে tokens তৈরি হওয়ার সাথে সাথে পেতে streaming চালু করুন। এটি দীর্ঘ response-এর জন্য আরও ভালো user experience দেয়।

Streaming উদাহরণ

from openai import OpenAI

client = OpenAI(
    base_url="https://api.smartaipi.com/v1",
    api_key="your-api-key"
)

# Enable streaming
stream = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[{"role": "user", "content": "Write a poem"}],
    stream=True
)

# Process chunks as they arrive
for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

const stream = await openai.chat.completions.create({
    model: 'gpt-6-astra',
    messages: [{ role: 'user', content: 'Write a poem' }],
    stream: true,
});

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

রিজনিং স্তর

reasoning-এর গভীরতা নিয়ন্ত্রণ করুন reasoning_effort parameter দিয়ে GPT-5 models-এর জন্য।

সমর্থিত Models

Reasoning Effort স্তরসমূহ

ফাস্ট মোড (Priority Processing)

ব্যবহার করুন service_tier: "priority" priority processing-এর জন্য কম latency-তে। Codex CLI-তে /fast command-টি এটিই ব্যবহার করে। এটি reasoning depth পরিবর্তন করে না - একই quality, শুধু দ্রুত।

response = client.responses.create(
    model="gpt-6-astra",
    input="Refactor this function",
    service_tier="priority"              # priority processing, lower latency
)

Chat Completions API

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[{"role": "user", "content": "Analyze this code for bugs..."}],
    reasoning_effort="high"  # or "xhigh" for maximum depth
)

Responses API

# Reasoning is set via the "reasoning" object
response = client.responses.create(
    model="gpt-6-astra",
    input=[{"role": "user", "content": "Refactor this function..."}],
    reasoning={"effort": "high"}  # defaults to "high" on Smart AIPI
)

ইমেজ জেনারেশন

আমাদের image generation endpoint ব্যবহার করে text prompts থেকে image তৈরি করুন।

Request Body প্যারামিটার

উপলব্ধ Models

উদাহরণ

response = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="A futuristic city at sunset, cyberpunk style",
    size="1024x1024",
    n=1
)

# Response contains base64-encoded image
image_b64 = response.data[0].b64_json

# Save to file
import base64
with open("output.png", "wb") as f:
    f.write(base64.b64decode(image_b64))

curl https://api.smartaipi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "prompt": "A futuristic city at sunset",
    "n": 1,
    "size": "1024x1024"
  }'

ইমেজ এডিটস

একটি text prompt ব্যবহার করে বিদ্যমান image edit করুন। JSON (base64 string) এবং multipart/form-data (file upload) দুটোই গ্রহণ করে, তাই OpenAI SDKs সরাসরি কাজ করে।

Request Body প্যারামিটার

উদাহরণ

import base64

response = client.images.edit(
    model="gpt-image-2.5-flare",
    image=open("input.png", "rb"),
    prompt="Change the background to a sunset beach",
    size="1024x1024",
    n=1
)

# Save the edited image
edited_b64 = response.data[0].b64_json
with open("edited.png", "wb") as f:
    f.write(base64.b64decode(edited_b64))

curl https://api.smartaipi.com/v1/images/edits \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "model=gpt-image-2.5-flare" \
  -F "prompt=Change the background to a sunset beach" \
  -F "[email protected]" \
  -F "size=1024x1024" \
  -F "n=1"

WebSocket সহ Realtime API

WebSockets realtime data transfer-এর জন্য বহুল সমর্থিত API, এবং server-to-server application-এ Smart AIPI Realtime API-তে connect করার জন্য চমৎকার পছন্দ।

server-to-server integration-এ, আপনার backend system WebSocket দিয়ে সরাসরি Realtime API-তে connect করে। একটি standard API কী ব্যবহার করুন connection authenticate করতে, কারণ token শুধু আপনার secure backend server-এ উপলব্ধ।

WebSocket দিয়ে connect করুন

নিচে WebSocket দিয়ে connect করার কয়েকটি উদাহরণ আছে। WebSocket URL ব্যবহারের পাশাপাশি, আপনাকে আপনার API key ব্যবহার করে একটি authentication header পাঠাতে হবে।

import WebSocket from "ws";

const url = "wss://api.smartaipi.com/v1/responses";
const ws = new WebSocket(url, {
  headers: {
    Authorization: "Bearer " + process.env.SMARTAIPI_API_KEY,
  },
});

ws.on("open", function open() {
  console.log("Connected to server.");

  // Send a response.create event
  ws.send(JSON.stringify({
    type: "response.create",
    response: {

      model: "gpt-6-astra",
      store: false,
      input: [{ role: "user", content: "Hello!" }],
      stream: true,
    },
  }));
});

ws.on("message", function incoming(message) {
  const event = JSON.parse(message.toString());
  console.log(event.type, event);
});

import os, json, websocket

url = "wss://api.smartaipi.com/v1/responses"
headers = ["Authorization: Bearer " + os.environ["SMARTAIPI_API_KEY"]]

def on_open(ws):
    print("Connected to server.")
    ws.send(json.dumps({
        "type": "response.create",
        "response": {
            "model": "gpt-6-astra",
            "store": False,
            "input": [{"role": "user", "content": "Hello!"}],
            "stream": True,
        }
    }))

def on_message(ws, message):
    data = json.loads(message)
    print("Event:", data["type"])

ws = websocket.WebSocketApp(url, header=headers,
    on_open=on_open, on_message=on_message)
ws.run_forever()

# Verify WebSocket handshake (requires curl with --http1.1)
curl --max-time 5 --http1.1 -i -N \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Connection: Upgrade" \
  -H "Upgrade: websocket" \
  -H "Sec-WebSocket-Version: 13" \
  -H "Sec-WebSocket-Key: $(openssl rand -base64 16)" \
  "https://api.smartaipi.com/v1/responses"

# A successful handshake returns:
# HTTP/1.1 101 Switching Protocols
# upgrade: websocket
# sec-websocket-accept: ...

Event পাঠানো ও গ্রহণ করা

Session-গুলো WebSocket connection-এর মাধ্যমে client-sent এবং server-sent JSON event ব্যবহার করে manage করা হয়। আপনার request-কে একটি response.create envelope-এ wrap করুন:

Models-এর তালিকা

সব উপলব্ধ model-এর তালিকা আনুন। আপনার account-এ কোন model-গুলো উপলব্ধ তা dynamicভাবে জানতে এই endpoint ব্যবহার করুন।

Response ফরম্যাট

{
    "object": "list",
    "data": [
        {
            "id": "gpt-6-astra",
            "object": "model",
            "created": 1700000000,
            "owned_by": "smart-aipi"
        },
        {
            "id": "gpt-5.3-codex",
            "object": "model",
            "created": 1700000000,
            "owned_by": "smart-aipi"
        },
        // ... more models
    ]
}

উদাহরণ

from openai import OpenAI

client = OpenAI(
    base_url="https://api.smartaipi.com/v1",
    api_key="your-api-key"
)

# List all available models
models = client.models.list()

for model in models.data:
    print(model.id)

curl https://api.smartaipi.com/v1/models \
  -H "Authorization: Bearer YOUR_API_KEY"

উপলব্ধ Models

Anthropic Messages API

সম্পূর্ণ Anthropic Messages API compatibility। যেকোনো Anthropic SDK, Claude Code, বা Anthropic protocol সমর্থন করে এমন app ব্যবহার করুন - শুধু base URL বদলান।

সমর্থিত ফিচারসমূহ

Code উদাহরণ

from anthropic import Anthropic

client = Anthropic(
    base_url="https://api.smartaipi.com",
    api_key="your-api-key"
)

response = client.messages.create(
    model="claude-sonnet-4-5-20250929",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "Hello!"}
    ]
)

print(response.content[0].text)

import Anthropic from '@anthropic-ai/sdk';

const client = new Anthropic({
    baseURL: 'https://api.smartaipi.com',
    apiKey: 'your-api-key'
});

const response = await client.messages.create({
    model: 'claude-sonnet-4-5-20250929',
    max_tokens: 1024,
    messages: [
        { role: 'user', content: 'Hello!' }
    ]
});

console.log(response.content[0].text);

curl https://api.smartaipi.com/v1/messages \
  -H "x-api-key: your-api-key" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-sonnet-4-5-20250929",
    "max_tokens": 1024,
    "messages": [
        {"role": "user", "content": "Hello!"}
    ]
  }'

মডেল ম্যাপিং

Claude model name গ্রহণ করা হয় এবং tiered reasoning effort-সহ স্বয়ংক্রিয়ভাবে GPT-5.4-এ route করা হয়। প্রতিটি response-এ একটি x-actual-model header থাকে, যা আসল backend model দেখায়।

Claude Code

backend হিসেবে Smart AIPI ব্যবহার করে Claude Code চালান। সম্পূর্ণ tool use, streaming, এবং agentic capability সমর্থিত।

স্বয়ংক্রিয় Setup

npx smart-aipi claude

এটি স্বয়ংক্রিয়ভাবে কনফিগার করে ~/.claude/settings.json এবং ~/.claude.json । যদি আপনার Claude Code আগে থেকেই Anthropic account দিয়ে সেট আপ করা থাকে, তাহলে এটি overwrite না করে manual config দেখাবে।

ম্যানুয়াল সেটআপ

এতে যোগ করুন ~/.claude/settings.json:

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.smartaipi.com",
    "ANTHROPIC_API_KEY": "sk-your-key",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "claude-haiku-4-5-20251001"
  },
  "model": "opus"
}

তারপর যোগ করুন "hasCompletedOnboarding": true এ ~/.claude.json setup wizard এড়িয়ে যেতে।

প্রতিটি Setting কী করে

OpenCode

OpenAI-compatible SDK-এর মাধ্যমে OpenCode backend হিসেবে Smart AIPI ব্যবহার করুন।

Config সেটআপ

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "smart-aipi": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Smart AIPI",
      "options": {
        "baseURL": "https://api.smartaipi.com/v1",
        "apiKey": "YOUR_API_KEY"
      },
      "models": {
        "gpt-6-astra": {
          "name": "GPT-6 Astra",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5.3-codex": {
          "name": "GPT-5.3 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5.2-codex": {
          "name": "GPT-5.2 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        },
        "gpt-5-codex": {
          "name": "GPT-5 Codex",
          "reasoning": true,
          "limit": { "context": 400000, "output": 128000 }
        }
      }
    }
  },
  "model": "smart-aipi/gpt-6-astra"
}

Codex CLI

OpenAI-এর Codex CLI tool-এর সাথে Smart AIPI ব্যবহার করুন। তিনটি file কনফিগার করতে হবে।

স্বয়ংক্রিয় Setup

npx smart-aipi codex

এটি নিচের তিনটি file স্বয়ংক্রিয়ভাবে কনফিগার করে। চালানোর পর, আপনার config-এ যোগ করুন model_reasoning_effort (ধাপ 2 দেখুন)।

ম্যানুয়াল সেটআপ

এই তিনটি file কনফিগার করুন:

1. API Key — ~/.codex/auth.json

{
  "auth_mode": "apikey",
  "OPENAI_API_KEY": "sk-your-key"
}

2. Model ও Reasoning — ~/.codex/config.toml

model = "gpt-6-astra"
model_reasoning_effort = "high"

বৈধ reasoning level: low, medium, high (প্রস্তাবিত), xhigh.

3. Environment Variables — ~/.zshrc

# Smart AIPI
export OPENAI_API_KEY="sk-your-key"
export OPENAI_BASE_URL="https://api.smartaipi.com/v1"

এরপর Codex স্বাভাবিকভাবে ব্যবহার করুন:

codex "fix this bug"

Codex WebSocket স্পিড গাইড

অনেক tool call-সহ agentic coding flow-এর জন্য WebSocket mode সাধারণত দ্রুততর। HTTP-এর মাধ্যমে বারবার reconnect এবং পূর্ণ request envelope পুনরায় পাঠানোর বদলে, Codex একটি live connection ধরে রাখে এবং incremental turn পাঠায়, যা continuation overhead কমায়।

Codex-এ WebSockets চালু করুন

~/.codex/config.toml-এ WebSocket v2 feature flag ব্যবহার করুন: ~/.codex/config.toml:

model = "gpt-6-astra"
model_reasoning_effort = "high"

[features]
responses_websockets_v2 = true

CLI সমতুল্য:

codex --enable responses_websockets_v2

পুরনো build-গুলো legacy flag ব্যবহার করতে পারে:

[features]
responses_websockets = true

পরিচিত Homebrew আচরণ

কিছু Homebrew-distributed build-এ, WebSocket turn দীর্ঘমেয়াদি task চলাকালে আটকে যেতে পারে এবং তারপর নীরবে HTTP-তে fallback করতে পারে। আমরা বিশেষ করে জটিল tool-call loop-এ এটি দেখেছি। নিচের fix-সহ open-source code থেকে rebuild করলে স্থায়িত্ব এবং গতি দুটোই উন্নত হয়েছে।

Merge-এর পরে: Open-Source WebSocket bug ঠিক করুন

আপনার branch merge করার পর, fix-টি আপনার local binary-তে আছে কিনা নিশ্চিত করতে এই checklist ব্যবহার করুন:

# 1) Pull merged main
git checkout main
git pull --ff-only

# 2) Confirm websocket flags exist
codex features list | rg responses_websockets

# 3) Build and install
cd codex-rs
cargo build --release
install -m 0755 target/release/codex ~/.local/bin/codex-beta

# 4) Run with websocket enabled
CODEX_RS_RESPONSES_WS=true \
OPENAI_BASE_URL=https://api.smartaipi.com/v1 \
~/.local/bin/codex-beta --enable responses_websockets_v2

যদি manually patch করতে হয়, নিশ্চিত করুন এই code-level fix-গুলো আছে:

# A) Build websocket request with IntoClientRequest so required headers are set
let mut request = url.as_str().into_client_request()?;
request.headers_mut().extend(headers);

# B) Ensure TLS roots are enabled for tokio-tungstenite in Cargo.toml
tokio-tungstenite = { version = "...", features = ["rustls-tls-native-roots"] }

Cursor ও Cline

Cursor IDE বা Cline VS Code extension-এর সাথে Smart AIPI ব্যবহার করুন।

চ্যাট

Smart AIPI Chat ব্যবহার করুন এখানে chat.smartaipi.com. টেক্সট, image, video, code, search এবং voice workflow-এর জন্য।

ফিচারসমূহ

• ✓ চ্যাট — Smart AIPI models-এর সাথে সাধারণ টেক্সট কথোপকথন।
• ✓ ইমেজ — prompts থেকে ছবি তৈরি ও সম্পাদনা করুন।
• ✓ ভিডিও — টেক্সট বা image input থেকে ভিডিও তৈরি করুন।
• ✓ কোড — Browser-এ code assistance এবং editing।
• ✓ সার্চ — ভিত্তিসম্পন্ন উত্তর পেতে web search ব্যবহার করুন।
• ✓ ভয়েস — ভয়েস input এবং response দিয়ে model-এর সাথে কথা বলুন।

শুরু করুন

বিলিং: Usage আপনার Smart AIPI credits থেকে বিল করা হবে।

API টেস্টার

আপনার browser থেকেই সরাসরি API পরীক্ষা করুন: