はじめに
さくらインターネットから新しい生成AIサービス「さくらのAI Engine」がリリースされました。
この記事では、この「さくらのAI Engine」をPythonでAIエージェントから利用する方法を、実践的なコード例とともにわかりやすく解説します。
🎯 対象読者
- PythonでAIエージェントを使ったことがある方
- 「さくらのAI Engine」をAIエージェントから利用してみたい方
-
LiteLLMやjust-agentsに興味がある、あるいはこれから使ってみたい方
💡 「さくらのAI Engine」とは？
「さくらのAI Engine」は、さくらインターネットの生成AI向けクラウド基盤「高火力」をベースとした、API経由で簡単に利用できるAIサービスです。
国内外の複数のLLM（大規模言語モデル）やRAG（検索拡張生成）機能が提供されています。
本記事では、チャット形式で対話が可能な「Chat completions」機能を利用します。とくに Qwen3-Coder-480B-A35B-Instruct-FP8 のような高性能モデルを使える点が魅力です。
| サービス類型 | 基盤モデル |
|---|---|
| Chat completions | gpt-oss-120b |
llm-jp-3.1-8x13b-instruct4 |
|
Qwen3-Coder-30B-A3B-Instruct |
|
Qwen3-Coder-480B-A35B-Instruct-FP8 |
|
| Audio Transcription | whisper-large-v3-turbo |
| Embeddings | multilingual-e5-large |
| ドキュメント（RAG） | ― |
利用プランは「基盤モデル無償プラン」と「従量課金プラン」の2種類。今回は手軽に試せる「基盤モデル無償プラン」に申し込みました。
申し込み手順は以下の公式サイトをご覧ください。
🔑 Step 1: アカウントトークンの作成
APIを利用するには、まずアカウントトークンの作成が必要です。
以下の管理画面から最大20個まで作成できます。
💻 Step 2: PythonからAPIを呼び出す
公式ドキュメント
ドキュメントのChat completionsのところはシンプルすぎてちょっとわかりにくいです。
1. requests を使った基本的な呼び出し
まずは標準ライブラリ requests を使って、直接APIを叩いてみましょう。
※ just-agentsをインストールしておきます。
import requests
token = "＜ここに作成したトークンを入力＞"
api_base = "https://api.ai.sakura.ad.jp/v1/chat/completions"
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {token}",
}
model = "gpt-oss-120b" # モデル
query = "hello" # LLMに送る内容
messages = [{"role": "user", "content": query}]
data = {"model": model, "messages": messages}
response = requests.post(api_base, headers=headers, json=data)
print(response.json()["choices"][0]["message"]["content"])
実行結果
Hello! How can I help you today?
無事にレスポンスが返ってきました！
2. LiteLLM を使った呼び出し
次に、複数のLLMを統一的なインターフェイスで扱えるライブラリ LiteLLM を使ってみましょう。
以下のように設定すれば、LiteLLM からも問題なく呼び出せます：
import litellm
llm_options = {
"model": model,
"api_base": api_base,
"api_key": token,
"custom_llm_provider": "deepseek", # ← これがポイント
}
response = litellm.completion(**llm_options, messages=messages)
print(response.choices[0].message.content)
ここでの重要なポイントは、custom_llm_provider に "deepseek" を指定することです。これにより、LiteLLMがほぼ素のAPIとして解釈し動作します。
3. just-agents を使った呼び出し
LiteLLM が動けば、内部的にそれを利用しているAIエージェントフレームワーク just-agents でも同様に利用可能です。
from just_agents.base_agent import BaseAgent
agent = BaseAgent(llm_options=llm_options)
print(agent.query(query))
こちらも問題なく動作します。これで、Function Calling（ツール連携）やMCPサーバーも利用できるでしょう。
まとめ
この記事では、さくらインターネットの新サービス「さくらのAI Engine」をPythonから利用する方法を解説しました。
-
requestsを使ったシンプルなAPI呼び出し -
LiteLLMを使った統一的な利用 -
just-agentsを通じたエージェント利用
とくに LiteLLM を介することで、多くのエージェントフレームワークへの組み込みが容易になります。これにより、開発の幅が大きく広がるでしょう。ぜひ一度試してみてください！