【2025年12月版】主要LLM APIの基本的な使い方まとめ（OpenAI/Google/Anthropic/xAI)

共通のセットアップ

この記事では、4つの主要 LLM API を“最短のコード”で動かすことを目的にしています。
まずは、この記事で使う前提条件を整理します。
前提条件

• 各APIキーが環境変数（または.env）に設定済み
• APIのCreditが有効
• Python環境が使用可能
• 対象のSDKがインストール済み

また、入力プロンプト（参考記事）は下記で共通とします。

prompt = """
あなたはコードゴルフのエキスパートです。
下記のアルゴリズムを実現する、できるだけ短いコードを書いてください。

def p(g):
    print("今日も元気にコードゴルフ！⛳️")
    return g
"""

本記事のコードをKaggle環境で動かすノートブックは下記です。

OpenAI

環境変数名：OPENAI_API_KEY
ライブラリ：openai
公式Document:

OpenAI APIには、「Chat Completions API」と「Responses API」の2種類が存在しますが、基本的には後者を利用することをオススメします。

理由については下記のnpakaさんの記事とOpenAI公式Blogをご参考ください。

コードスニペット

from openai import OpenAI
openai_client = OpenAI()


def call_openai_api(prompt: str, model: str="gpt-5.1") -> str:
    response = openai_client.responses.create(
        model=model,
        input=[
            {
                "role": "user",
                "content": prompt
            }
        ]
    )
    return response.output_text


print(call_openai_api(prompt))

出力結果

Google

環境変数名：GEMINI_API_KEY
ライブラリ：google-generativeai
公式Document:

コードスニペット

from google.genai import Client
gemini_client = Client()


def call_gemini_api(prompt: str, model: str="gemini-2.5-flash") -> str:
    response = gemini_client.models.generate_content(
        model=model,
        contents=prompt,
    )
    return response.text


print(call_gemini_api(prompt))

出力結果

OpenAI互換性も用意されています。詳細は下記のDocumentをご確認ください。

Anthropic

環境変数名：ANTHROPIC_API_KEY
ライブラリ：anthropic
公式Document:

コードスニペット

from anthropic import Anthropic
anthropic_client = Anthropic()


def call_anthropic_api(prompt: str, model: str="claude-opus-4-5", max_tokens: int=4096) -> str:
    message = anthropic_client.messages.create(
        model=model,
        max_tokens=max_tokens,
        messages=[
            {
                "role": "user",
                "content": prompt
            }
        ]
    )
    return message.content[0].text


print(call_anthropic_api(prompt))

出力結果

xAI

環境変数名：XAI_API_KEY
ライブラリ：xai-sdk
公式Document:

コードスニペット

from xai_sdk import Client 
from xai_sdk.chat import user, system
xai_client = Client()


def call_xai_api(prompt: str, model: str="grok-4-1-fast-non-reasoning") -> str:
    chat = xai_client.chat.create(model=model)
    chat.append(user(prompt))
    response = chat.sample()
    return response.content


print(call_xai_api(prompt))

出力結果