Claude APIの使い方｜Python実装・料金・登録手順【2026年8月】

結論: Claude APIはplatform.claude.comでアカウント登録してAPIキーを発行すれば、curlでもPythonでも10分あれば最初のリクエストが動きます。2026年7月17日時点の最新ラインナップはClaude Fable 5・Opus 4.8・Sonnet 5・Haiku 4.5の4モデル体制で、用途に応じて使い分けるのがコスト最適化の鍵です。

この記事の要点:

• 要点1: 登録→APIキー発行→最初のリクエストまでを、curlとPythonの両方でコピペ可能な手順として解説
• 要点2: Fable 5（最高性能）/ Opus 4.8（複雑なエージェント・企業業務）/ Sonnet 5（速度と知性のバランス）/ Haiku 4.5（高速・軽量）の使い分けを2026年7月時点の公式仕様で整理
• 要点3: 法人利用で必ず押さえるレート制限・データ取り扱い・Amazon Bedrock/Google Vertex AI経由の選択肢まで網羅

対象読者: 自社システムにClaude APIを組み込みたい開発者・DX担当者、および導入判断をする経営層・情報システム部門

読了後にできること: 今日中にClaude APIで最初のリクエストを動かし、自社の用途に合ったモデルとプランを選定できる

「ChatGPTのAPIは触ったことあるけど、Claude APIって結局何が違うの？」

研修先の情報システム担当者から、ここ数ヶ月で急に増えてきた質問です。Claude（Anthropic製AI）が企業導入で存在感を増すにつれ、「自社の基幹システムやSaaSにClaude APIを組み込みたい」という相談が明らかに増えました。最初はエンジニア個人の検証だったものが、部門横断のプロジェクトに格上げされるケースも珍しくありません。

実際に触ってみると、Claude APIはOpenAIのAPIとよく似た構造をしていて、OpenAI APIの経験がある方なら驚くほどスムーズに移行できます。一方で、Claude API独自の特徴として「1Mトークンという長大なコンテキストウィンドウ」「Amazon Bedrock・Google Vertex AI・Microsoft Foundry経由での利用」「法人向けのレート制限・データ取り扱いポリシー」など、企業導入時に確認すべきポイントがOpenAIとは異なります。

この記事では、Claude APIを「今日から使い始める」ために必要な情報を、登録手順・モデル選定・料金・実装例・法人利用の注意点まで一気通貫でまとめました。エンジニアの実装だけでなく、導入を検討する経営層・情シス担当者が判断材料にできる内容も含めています。

料金の詳細な円換算表はClaude料金比較ガイド、コード実行・Web検索などの最新機能はClaude API機能アップデート記事で別途詳しく解説しているので、この記事ではまず「Claude APIをどう始めて、どう使い分けるか」の全体像をつかんでください。

Claude APIとは｜ChatGPT APIとの立ち位置の違い

Claude APIは、Anthropic社が提供する大規模言語モデル「Claude」をHTTPリクエスト経由で自社アプリケーションに組み込むためのAPIです。チャットボット、ドキュメント分析、コード生成、業務自動化エージェントなど、幅広い用途に対応します。

ChatGPT（OpenAI API）との立ち位置の違いを一言でいうと、Claudeは「長文コンテキストの正確な理解」と「エージェント的な長時間タスク遂行」に強みを置いた設計です。全モデルが1Mトークン（Haiku 4.5のみ20万トークン）という長いコンテキストウィンドウに対応しており、契約書・報告書・コードベース全体を丸ごと渡して分析させるような用途で真価を発揮します。

APIの呼び出し方自体はOpenAIのChat Completions APIと似た構造（メッセージのやり取りをJSONで送受信する形式）なので、OpenAI APIを使ったことがあるエンジニアであれば学習コストは低めです。curlで直接叩くことも、公式SDK（Python / TypeScript / Java / Go / C# / PHP / Ruby）を使うこともできます。

Claude Codeのような「CLIツールとしてのClaude」との違いも混同されやすいポイントです。Claude Codeの基本的な使い方はClaude Code導入から使い方まで完全ガイドで解説しているので、CLI/エージェントツールとしての利用を検討している方はそちらもあわせてご覧ください。

始め方｜5分で最初のAPIリクエストを送る

Claude APIを使い始めるのに必要なのは、Anthropicアカウントの作成とAPIキーの発行だけです。2026年7月時点、開発者コンソールのドメインはplatform.claude.comに統一されており（旧console.anthropic.comはここへ自動転送されます）、まずはここから始めます。

Step 1：APIキーの取得（5分）

1. platform.claude.com にアクセスしてアカウントを作成（Google/GitHub連携も可能）
2. 「Settings」→「API Keys」から「Create Key」でAPIキーを発行
3. 環境変数として設定する

# Mac/Linux（ターミナル）
export ANTHROPIC_API_KEY="your-api-key-here"

# .env ファイルを使う場合（推奨）
# pip install python-dotenv
# .env に以下を記載
# ANTHROPIC_API_KEY=your-api-key-here

重要: APIキーをGitHubにアップロードしないこと。.gitignoreに.envを必ず追加してください。仮定した設定値がある場合は、必ず”仮定”と明記してから作業を進めるようにしてください。

Step 2：最初のリクエストを送る（curl）

SDKを入れずに、まずはcurlだけで動作確認したい場合の最小構成です。

curl https://api.anthropic.com/v1/messages 
  -H "content-type: application/json" 
  -H "x-api-key: $ANTHROPIC_API_KEY" 
  -H "anthropic-version: 2023-06-01" 
  -d '{
    "model": "claude-sonnet-5",
    "max_tokens": 1000,
    "messages": [
      {"role": "user", "content": "自己紹介してください。日本語でお願いします。"}
    ]
  }'

レスポンスはJSON形式で返り、content配列の中にテキストが入っています。anthropic-versionヘッダーは必須で、API仕様の互換性を保証するために毎回指定します。

Step 3：最初のリクエストを送る（Python）

# ターミナルでインストール
pip install anthropic

# Python スクリプト (hello_claude.py)
import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

message = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    messages=[
        {"role": "user", "content": "こんにちは！あなたは何ができますか？日本語で教えてください。"}
    ]
)

print(message.content[0].text)
# 不足している情報があれば、最初に質問してから作業を開始してください。

効果: これだけで動きます。ANTHROPIC_API_KEY環境変数を設定してpython hello_claude.pyで実行するだけです。

Step 4：ストリーミング（リアルタイム出力）

import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

# ストリーミングで文字を逐次表示（ChatGPTのような表示）
with client.messages.stream(
    model="claude-sonnet-5",
    max_tokens=512,
    messages=[{"role": "user", "content": "中小企業がAI導入を検討すべき理由を5つ教えてください。"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)
    print()  # 改行

業務でAIを活用する具体的な導入ステップ全般については、AI導入戦略 完全ガイドで体系的にまとめています。API導入だけでなく組織的な浸透プロセスも検討している場合はあわせてご覧ください。

モデルの選び方｜2026年7月時点の最新ラインナップ

Claude APIのモデルラインナップは頻繁に更新されます。2026年7月17日時点でAnthropic公式ドキュメントに掲載されている現行モデルは以下の4つです（料金は変更される場合があるため、最新はAnthropic公式Pricingページで必ず確認してください）。

Anthropic公式は「迷ったら複雑なエージェント型コーディングや企業業務にはClaude Opus 4.8から始め、最高の性能が必要な場合はClaude Fable 5を検討する」という指針を示しています。Sonnet 5は2026年8月31日までの導入価格が適用されており、コストを抑えつつバランス型モデルを試したい場合の実質的な入り口になっています。

コスト感の目安（参考値・実際の利用パターンにより変動）:

• 日本語テキスト100字 ≈ 約100〜200トークン
• Haiku 4.5で1日1,000リクエスト（各200トークン入出力）= 概算コストは1日あたり数百円〜1,000円未満程度になることが多い（実際の利用パターンにより変動するため、必ず自社の想定リクエスト量で試算してください）

旧モデル（Opus 4.7・Opus 4.6・Sonnet 4.6・Sonnet 4.5・Opus 4.5）も引き続き利用可能ですが、Anthropicは新モデルへの移行を推奨しています。特にClaude Opus 4.1は2026年8月5日に退役予定のため、利用中の場合は早めの移行が必要です。詳細な料金比較・円換算はClaude料金比較ガイド、他社モデルとの料金比較は主要AIモデルAPI料金比較にまとめています。

Python実装例5選｜コピペで動かせるコード

ここからは実際に業務で使う5つの実装パターンを、コピペで動かせる形で紹介します。研修現場でも「まずこの5パターンを押さえれば大抵の業務は組める」と説明している定番セットです。

実装例1：マルチターン会話（チャットボット）

import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

def chat(conversation_history: list, user_message: str) -> tuple:
    """会話履歴を保持したチャット関数"""
    conversation_history.append({"role": "user", "content": user_message})
    response = client.messages.create(
        model="claude-sonnet-5",
        max_tokens=1024,
        system="あなたは親切なビジネスアシスタントです。",
        messages=conversation_history
    )
    assistant_message = response.content[0].text
    conversation_history.append({"role": "assistant", "content": assistant_message})
    return assistant_message, conversation_history

# 会話ループ
history = []
print("チャット開始（'quit'で終了）")
while True:
    user_input = input("あなた: ")
    if user_input.lower() == "quit":
        break
    reply, history = chat(history, user_input)
    print(f"Claude: {reply}n")

実装例2：ドキュメント分析（長文対応）

import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

def analyze_document(document_text: str, task: str) -> str:
    """長文ドキュメントを分析する（最大1Mトークン対応モデルを想定）"""
    response = client.messages.create(
        model="claude-sonnet-5",
        max_tokens=2048,
        messages=[
            {
                "role": "user",
                "content": f"""以下のドキュメントについて、{task}

ドキュメント:
{document_text}

仮定した点は必ず"仮定"と明記してください。"""
            }
        ]
    )
    return response.content[0].text

# 使用例（契約書レビュー）
with open("contract.txt", "r", encoding="utf-8") as f:
    contract = f.read()

review = analyze_document(
    contract,
    "重要な条項を抽出し、リスクがある点を指摘してください。法的判断は専門家に確認が必要です。"
)
print(review)

実装例3：ツール使用（Tool Use / Function Calling）

import anthropic
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

tools = [
    {
        "name": "get_weather",
        "description": "指定した都市の天気情報を取得する",
        "input_schema": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "都市名（例: 東京, 大阪）"},
                "date": {"type": "string", "description": "日付（例: 今日, 明日）"}
            },
            "required": ["city"]
        }
    }
]

def execute_tool(tool_name: str, tool_input: dict) -> str:
    if tool_name == "get_weather":
        # 実際には天気APIを呼ぶ。ここではモック
        return f"{tool_input['city']}の天気: 晴れ、気温22度（モックデータ）"
    return "ツールが見つかりません"

response = client.messages.create(
    model="claude-sonnet-5",
    max_tokens=1024,
    tools=tools,
    messages=[{"role": "user", "content": "東京の今日の天気を教えてください"}]
)

if response.stop_reason == "tool_use":
    tool_use = [block for block in response.content if block.type == "tool_use"][0]
    tool_result = execute_tool(tool_use.name, tool_use.input)
    print(f"ツール実行結果: {tool_result}")

実装例4：画像の分析（ビジョン）

import anthropic
import base64
import os

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

def analyze_image(image_path: str, question: str) -> str:
    """画像を分析する"""
    with open(image_path, "rb") as f:
        image_data = base64.standard_b64encode(f.read()).decode("utf-8")
    ext = image_path.split(".")[-1].lower()
    media_types = {"jpg": "image/jpeg", "jpeg": "image/jpeg", "png": "image/png", "gif": "image/gif", "webp": "image/webp"}
    media_type = media_types.get(ext, "image/jpeg")

    message = client.messages.create(
        model="claude-sonnet-5",
        max_tokens=1024,
        messages=[
            {
                "role": "user",
                "content": [
                    {"type": "image", "source": {"type": "base64", "media_type": media_type, "data": image_data}},
                    {"type": "text", "text": question}
                ]
            }
        ]
    )
    return message.content[0].text

# 使用例（商品写真の説明文生成）
description = analyze_image("product.jpg", "この商品の特徴を200字でECサイト向けに説明してください。")
print(description)

実装例5：バッチ処理（大量データの効率処理）

import anthropic
import os, time

client = anthropic.Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY"))

def batch_classify(texts: list, categories: list) -> list:
    """複数テキストを一括分類（レート制限考慮）"""
    results = []
    category_str = "・".join(categories)
    for i, text in enumerate(texts):
        prompt = f"""以下のテキストを「{category_str}」のいずれか1つに分類してください。
カテゴリ名のみを返答してください。

テキスト: {text}"""
        try:
            response = client.messages.create(
                model="claude-haiku-4-5",  # 高頻度・軽量タスクはHaikuが最適
                max_tokens=50,
                messages=[{"role": "user", "content": prompt}]
            )
            results.append(response.content[0].text.strip())
        except anthropic.RateLimitError:
            time.sleep(60)  # レート制限時は1分待機してリトライ
            results.append("ERROR_RATE_LIMIT")

        if i % 50 == 0 and i > 0:
            time.sleep(1)  # 50件ごとに少し待機（API負荷軽減）

    return results

# 使用例（問い合わせメールのカテゴリ分類）
emails = ["返品したい", "配送が遅い", "商品の使い方がわからない"]
categories = ["返品・交換", "配送", "製品サポート", "請求", "その他"]
results = batch_classify(emails, categories)
for email, category in zip(emails, results):
    print(f"{email} → {category}")

もっと詳しく使いたい人向けの主要機能

基本の5パターンに慣れたら、業務の幅を広げる機能もあります。詳細はそれぞれ個別記事で解説しているので、ここでは概要だけ押さえておいてください。

• コード実行・無料Web検索: サンドボックス上でコードを実行させたり、最新情報をWeb検索させたりする機能。詳細はClaude APIのコード実行・Web検索アップデート解説を参照
• Files API: PDF・CSVなどのファイルを直接アップロードして解析させる機能。実装ガイドはClaude Files API｜PDF・CSV解析実装ガイド
• プロンプトキャッシュ: システムプロンプトや長文コンテキストをキャッシュし、コストとレイテンシを削減する機能（大量の同一コンテキストを繰り返し送る用途で効果大）
• Message Batches API: 大量リクエストを非同期でまとめて処理する機能。リアルタイム性が不要な大量処理（メール分類、レポート生成など）に向く

法人利用の注意点｜レート制限・データ取り扱い・Bedrock/Vertex経由

個人検証から法人導入に進める段階で、必ず確認しておくべき3点をまとめます。

レート制限の考え方

Claude APIには「スペンド上限（月間の最大利用額）」と「レート制限（RPM・分間の入力/出力トークン数）」の2種類の制限があります。組織は自動的に「Start」「Build」「Scale」のいずれかの利用ティアに割り当てられ、利用実績に応じて上位ティアへ移行します。

Scaleを超える利用が見込まれるCustomティアは、上限なしでAnthropicのアカウントチームと個別に調整します。より高い上限が必要な場合はConsoleの「Limits」ページから増枠申請が可能です。急激な利用増を予定している場合は、事前に段階的にトラフィックを増やすことが推奨されています（急増すると別枠の「加速度制限」に引っかかる場合があるため）。

データ取り扱いの確認ポイント

法人導入で情報システム部門から必ず聞かれるのが「APIに送ったデータはどう扱われるのか」という点です。契約形態・利用規約・データ保持ポリシーはAnthropicの公式ドキュメントで随時更新されるため、機密情報や個人情報を扱う用途では、導入前に必ず最新の利用規約・データ処理契約（DPA）を確認し、自社の情報セキュリティ部門・法務部門の承認を得てください。この記事では一般的な確認ポイントの提示にとどめ、断定的な記載は避けます。

Amazon Bedrock / Google Vertex AI / Microsoft Foundry経由の選択肢

Claude APIは、Anthropic直接契約（1st Party API）だけでなく、Amazon Bedrock・Google Cloud（Vertex AI）・Microsoft Foundry経由でも利用できます。すでにAWSやGoogle Cloudで契約・請求体系が確立している企業では、既存のクラウド契約の枠内でClaudeを利用できるメリットがあります。

• Amazon Bedrock経由: 請求はAWS Marketplace経由。リージョン固定の「Regional endpoint」と可用性優先の「Global endpoint」を選択可能
• Google Vertex AI経由: Google Cloudの契約内で利用。Global / Multi-region / Regionalの3種類のエンドポイントに対応
• Microsoft Foundry経由: Microsoftのクラウド基盤内でClaudeモデルを利用可能

いずれの経路も、Anthropic直接契約とはモデルID・課金・レート制限の管理方法が異なります。既存クラウドとの統合を重視するか、Anthropic直接の最新機能への即時アクセスを重視するかで選択が変わるため、社内のクラウド戦略に合わせて検討してください。

よくあるエラーと対処

実際に組み込んでいく過程でよく遭遇するエラーと、基本的な対処方針をまとめます。

import anthropic

try:
    response = client.messages.create(...)
except anthropic.RateLimitError:
    print("レート制限に達しました。しばらく待ってから再試行してください。")
except anthropic.APIConnectionError:
    print("API接続エラー。ネットワーク接続を確認してください。")
except anthropic.APIStatusError as e:
    print(f"APIエラー: {e.status_code} {e.message}")

【要注意】Claude API導入の失敗パターン

失敗1：max_tokensを設定しない

❌ max_tokensを省略してリクエスト（デフォルト値はモデルによって異なる）
⭕ 必要最低限のmax_tokensを設定して不要なコスト増を防ぐ

失敗2：エラーハンドリングを省略する

❌ try/exceptなしでAPIを呼ぶ（RateLimitError、APIConnectionErrorが起きると落ちる）
⭕ 少なくともanthropicの主要例外（RateLimitError, APIConnectionError, APIStatusError）を処理する

失敗3：コンテキストウィンドウを超える入力を送る

❌ 無制限に会話履歴を保持し続けてコンテキスト上限を超えてエラーになる
⭕ 会話履歴は最新N件に制限するか、要約してから渡す

失敗4：モデルを最高性能に固定する

❌ 全てのタスクにFable 5やOpus 4.8を使って月額コストが急増
⭕ 軽量タスク（分類・要約）はHaiku 4.5、重要タスクはSonnet 5やOpus 4.8という使い分けをする

失敗5：法人導入なのに個人検証のまま本番投入する

❌ 個人アカウントで発行したAPIキーのまま部門横断システムに組み込む
⭕ 組織アカウントでワークスペースを分け、スペンド上限とレート制限をワークスペース単位で管理する。研修先でも、検証フェーズのAPIキーがそのまま本番環境に残っていて権限管理が曖昧になっているケースをよく見かけます

よくある質問

Claude APIは無料で使えますか？

Claude API自体は従量課金制で、無料枠は基本的にありません（claude.aiのチャット画面には別途無料利用枠があります）。まずは少額のクレジットを購入し、Haiku 4.5のような低コストモデルで検証するのが現実的です。

Claude CodeとClaude APIは何が違いますか？

Claude APIは自社アプリに組み込むためのHTTP API、Claude CodeはターミナルやIDEから使うAIコーディングエージェントのCLIツールです。Claude CodeもバックエンドではClaude APIのモデルを利用しています。Claude Codeの使い方はClaude Code導入から使い方まで完全ガイドで解説しています。

どのモデルから試すべきですか？

Anthropic公式は「複雑なエージェント型コーディングや企業業務にはClaude Opus 4.8」を起点として推奨しています。コストを抑えて試したい場合はSonnet 5（導入価格適用中）、高頻度の軽量タスクにはHaiku 4.5が向いています。

Amazon BedrockやGoogle Vertex AI経由でも同じ機能が使えますか？

基本的なモデル機能は利用できますが、エンドポイント種別・課金体系・レート制限の管理方法はAnthropic直接契約と異なります。最新機能への対応タイミングもAnthropic直接契約が先行する場合があるため、既存クラウド契約との兼ね合いで選定してください。

APIキーが漏洩した場合はどうすればいいですか？

Consoleの「API Keys」ページから該当キーを即座に無効化し、新しいキーを再発行してください。GitHub等への誤コミットを防ぐため、日頃から.gitignoreへの.env追加とシークレットスキャンの導入を徹底することをおすすめします。

Q. Claude APIは無料で使えますか？

新規登録時に少額の無料クレジットが付与される場合がありますが、基本は従量課金の前払い制です。クレジットカード登録後にチャージした残高の範囲で利用し、Spend limitを設定しておけば使いすぎを防げます。

Q. PythonとcurlのどちらでAPIを試すべきですか？

動作確認だけならcurlが最速です。業務に組み込むなら公式Python SDK（anthropicパッケージ）を使うと、リトライやストリーミングの実装が数行で済みます。本記事のPython実装例をそのまま流用できます。

まとめ：今日から始める3つのアクション

1. 今日やること: platform.claude.comでAPIキーを取得し、curlまたはhello_claude.pyで最初のリクエストを送ってみる
2. 今週中: 実装例5選から自社業務に最も近いもの1つを選んでカスタマイズし、実際のデータで試す
3. 今月中: モデルの使い分け（Haiku/Sonnet/Opus/Fable）を意識したコスト管理を始め、法人導入する場合はレート制限・データ取り扱いを情シス・法務部門と確認する

Claude APIは公式SDKが充実しており、日本語の実装知見も増えてきています。まずは動かすことが最優先です。10分のセットアップで最初のAIアプリが動く体験は、必ず次のアイデアを生み出します。

あわせて読みたい:

• Claude Files API｜PDF・CSV解析実装ガイド — ファイルアップロード機能の実装詳細
• Claude料金比較｜日本円換算つきプラン別ガイド — 個人利用プランとAPI従量課金の違い

次回予告: 次の記事では「Claude APIのプロンプトキャッシュとMessage Batches APIでコストを最適化する方法」をテーマに、さらに実践的なコスト削減テクニックをお届けします。

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。

参考・出典

• Claude Models overview – Anthropic公式ドキュメント（参照日: 2026-07-17）
• Get started with Claude – Anthropic公式ドキュメント（参照日: 2026-07-17）
• Rate limits – Anthropic公式ドキュメント（参照日: 2026-07-17）