---
title: LangChain
description: Подключите Clipia AI Gateway к LangChain через ChatOpenAI с base_url Clipia — чат, инструменты, агенты и структурированный вывод на Claude, GPT и Gemini.
icon: Link
---

Clipia AI Gateway совместим с OpenAI-контрактом, поэтому подключается к LangChain через стандартный класс `ChatOpenAI` — достаточно указать наш `base_url` и ключ Clipia. Дальше работают все привычные возможности LangChain: чат, инструменты, агенты и структурированный вывод.

## Инициализация

<Tabs items={['Python', 'Node.js']}>
<Tab value="Python">

```bash
pip install langchain-openai
```

```python
import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="claude-opus-5-5",
    base_url="https://api.clipia.ai/v1",
    api_key=os.environ["CLIPIA_KEY"],
)

print(llm.invoke("Назови три факта о Марсе.").content)
```

</Tab>
<Tab value="Node.js">

```bash
npm install @langchain/openai @langchain/core
```

```ts
import { ChatOpenAI } from "@langchain/openai";

const llm = new ChatOpenAI({
  model: "claude-opus-5-5",
  apiKey: process.env.CLIPIA_KEY,
  configuration: { baseURL: "https://api.clipia.ai/v1" },
});

const res = await llm.invoke("Назови три факта о Марсе.");
console.log(res.content);
```

</Tab>
</Tabs>

<Callout type="info" title="Если код уже на ChatOpenAI">
Если у вас уже есть код на `ChatOpenAI`, для перехода достаточно задать `base_url` (`configuration.baseURL` в Node.js) и подставить ключ Clipia. Поле `model` — строка из [каталога](/ru/docs/llm-gateway/models).
</Callout>

## Агент с инструментами

Привяжите инструменты через `bind_tools` или соберите готового ReAct-агента из `langgraph` (`pip install langgraph`). Пример с одной функцией-инструментом:

```python
import os
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
from langgraph.prebuilt import create_react_agent

@tool
def get_weather(city: str) -> str:
    """Вернуть текущую погоду в городе."""
    return f"В городе {city}: 14°C, облачно"

llm = ChatOpenAI(
    model="claude-opus-5-5",
    base_url="https://api.clipia.ai/v1",
    api_key=os.environ["CLIPIA_KEY"],
)

agent = create_react_agent(llm, tools=[get_weather])

result = agent.invoke(
    {"messages": [{"role": "user", "content": "Какая погода в Москве?"}]}
)
print(result["messages"][-1].content)
```

Агент сам пройдёт полный цикл: запросит вызов инструмента, получит результат и сформирует финальный ответ.

## Структурированный вывод

Для строгого вывода по схеме выберите модель с поддержкой `response_format`, например GPT-6.1 Sol, и вызовите `with_structured_output` с `method="json_schema"`. Проверяйте результат перед использованием:

```python
from pydantic import BaseModel

class Person(BaseModel):
    name: str
    age: int

structured_llm = ChatOpenAI(
    model="gpt-6.1-sol",
    base_url="https://api.clipia.ai/v1",
    api_key=os.environ["CLIPIA_KEY"],
)
structured = structured_llm.with_structured_output(Person, method="json_schema", strict=True)
person = structured.invoke("Извлеки имя и возраст: Анне 30 лет.")
print(person.name, person.age)  # Анна 30
```

<Callout type="info" title="Стриминг">
Потоковый ответ доступен через `llm.stream(...)` (Python) и `await llm.stream(...)` (Node.js) — gateway отдаёт SSE-чанки в OpenAI-формате. Подробнее о стриминге и инструментах — на странице [Chat Completions](/ru/docs/llm-gateway/chat-completions). Длинные ответы запрашивайте потоком: долгий запрос без стриминга может получить `504`, а автоматический повтор без `Idempotency-Key` оплачивается заново — см. [«Таймауты и повторы»](/ru/docs/llm-gateway/chat-completions#timeouts).
</Callout>
