> ## Documentation Index
> Fetch the complete documentation index at: https://evolink.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# API tous modèles GLM - Référence complète Messages
> - Appelez les modèles de la série GLM via le protocole Anthropic Messages, le modèle précis étant choisi avec le paramètre `model`
- Les structures de requête et de réponse sont alignées sur l'API Anthropic
- **Invite système** : transmise via le champ `system` de premier niveau
- **Mode réflexion** : la réflexion est active par défaut sur toute la série et renvoyée dans des blocs `content[type=thinking]` ; seul `glm-5.2` peut la désactiver avec `thinking.type=disabled`
- **Streaming** : flux d'événements SSE
- **Appels d'outils** : compatible avec le flux `tool_use` / `tool_result` d'Anthropic
- **Entrée image** : réellement prise en charge uniquement par `glm-5.3-flash`, voir le champ `messages` pour le détail
**BaseURL** : la BaseURL par défaut est `https://direct.evolink.ai`, qui offre une meilleure prise en charge des modèles textuels et des connexions de longue durée. `https://api.evolink.ai` est le point de terminaison principal pour les services multimodaux et sert d'adresse de repli pour les modèles textuels.
**La possibilité de désactiver la réflexion varie selon le modèle** : seul `glm-5.2` prend en charge `thinking.type: "disabled"` ; `glm-5.3` et `glm-5.3-flash` réfléchissent toujours et renvoient une erreur si `disabled` est transmis. Lors d'une migration depuis `glm-5.2`, retirez le `disabled` codé en dur avant de changer de modèle.
**L'entrée image n'est prise en charge que par `glm-5.3-flash`, et l'envoyer aux autres modèles ne déclenche aucune erreur.** Lorsque des blocs de contenu image sont transmis à `glm-5.3` ou `glm-5.2`, la requête retourne un 200 normal, mais le modèle ne peut pas lire l'image et répond à partir du seul texte : une réponse plausible en apparence, sans rapport avec l'image, et qui varie d'une requête à l'autre. Ce type d'échec silencieux est difficile à diagnostiquer en production ; choisissez `glm-5.3-flash` lorsque vous avez besoin de compréhension d'image.
## OpenAPI
````yaml fr/api-manual/language-series/glm/messages/messages-reference.json POST /v1/messages
openapi: 3.1.0
info:
title: API tous modèles GLM - Référence complète Messages
description: >-
Référence complète de l'API pour appeler les modèles de texte Zhipu GLM via
le protocole Anthropic Messages.
**Modèles couverts** : `glm-5.3`, `glm-5.3-flash`, `glm-5.2` (sélectionnés
avec le paramètre `model`)
**Notes de compatibilité** :
- Chemin : `/v1/messages` (chemin standard d'Anthropic)
- Les structures de requête et de réponse sont identiques à celles de l'API
Anthropic Messages
- Champs pris en charge : `model` `messages` (obligatoires) `system`
`max_tokens` `temperature` `top_p` `top_k` `stop_sequences` `stream`
`thinking` `tools` `tool_choice` `metadata`
**Capacités communes** :
- Fenêtre de contexte de 1M tokens, jusqu'à 131 072 tokens en sortie
- Mode réflexion : la **réflexion est active par défaut** sur toute la série
; elle est renvoyée dans des blocs `content[type=thinking]` et comptabilisée
dans les tokens de sortie
- Mise en cache des prompts : cache de préfixe implicite que les requêtes
répétées de même préfixe touchent automatiquement (visible dans
`cache_read_input_tokens`), sans avoir à définir `cache_control` ;
`cache_creation_input_tokens` vaut toujours 0
**Les différences entre modèles** (possibilité de désactiver la réflexion,
lecture d'images) sont décrites ci-dessous dans les champs `model`,
`thinking` et `messages`.
license:
name: MIT
version: 1.0.0
servers:
- url: https://direct.evolink.ai
description: Production (recommandée, meilleure prise en charge des modèles textuels)
- url: https://api.evolink.ai
description: URL alternative
security:
- bearerAuth: []
tags:
- name: Messages
description: Points de terminaison du protocole Anthropic Messages
paths:
/v1/messages:
post:
tags:
- Messages
summary: Interface de conversation GLM (tous modèles, compatible Anthropic)
description: >-
- Appelez les modèles de la série GLM via le protocole Anthropic
Messages, le modèle précis étant choisi avec le paramètre `model`
- Les structures de requête et de réponse sont alignées sur l'API
Anthropic
- **Invite système** : transmise via le champ `system` de premier niveau
- **Mode réflexion** : la réflexion est active par défaut sur toute la
série et renvoyée dans des blocs `content[type=thinking]` ; seul
`glm-5.2` peut la désactiver avec `thinking.type=disabled`
- **Streaming** : flux d'événements SSE
- **Appels d'outils** : compatible avec le flux `tool_use` /
`tool_result` d'Anthropic
- **Entrée image** : réellement prise en charge uniquement par
`glm-5.3-flash`, voir le champ `messages` pour le détail
operationId: createMessageGLM
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/CreateMessageRequest'
examples:
simple:
summary: Requête minimale exécutable
value:
model: glm-5.3
max_tokens: 1024
messages:
- role: user
content: Bonjour, le monde
system_prompt:
summary: Avec une invite system
value:
model: glm-5.3
max_tokens: 2048
system: Vous êtes un éditeur technique expérimenté.
messages:
- role: user
content: Présentez GLM-5.3 en trois phrases.
stop_sequences:
summary: Séquences d'arrêt personnalisées
value:
model: glm-5.3
max_tokens: 50
thinking:
type: disabled
stop_sequences:
- '3'
messages:
- role: user
content: 'Output exactly: 1 2 3 4 5 6'
tool_use:
summary: Appel d'outil (style Anthropic tool_use)
value:
model: glm-5.3
max_tokens: 2048
messages:
- role: user
content: Interroge la météo de Tokyo et indique-la-moi
tools:
- name: get_weather
description: Interroger la météo actuelle d'une ville donnée
input_schema:
type: object
properties:
city:
type: string
description: 'Nom de la ville, par exemple : Tokyo'
required:
- city
tool_choice:
type: auto
streaming:
summary: Sortie en streaming (SSE)
value:
model: glm-5.3
max_tokens: 1024
stream: true
messages:
- role: user
content: Écris un court poème sur le printemps
disable_thinking_glm52_only:
summary: Désactiver le mode réflexion (uniquement glm-5.2)
value:
model: glm-5.2
max_tokens: 512
thinking:
type: disabled
messages:
- role: user
content: 'En une phrase : quelle est la capitale du Japon ?'
description: >-
Seul `glm-5.2` peut désactiver la réflexion. Envoyer
`thinking.type=disabled` à `glm-5.3` ou `glm-5.3-flash`
renvoie une erreur.
vision_flash:
summary: Entrée image (uniquement glm-5.3-flash)
description: >-
`glm-5.3-flash` prend en charge la vision nativement. Les
images sont transmises via des blocs de contenu `image`, et
`source` accepte `base64` comme `url`.
value:
model: glm-5.3-flash
max_tokens: 1024
messages:
- role: user
content:
- type: text
text: Qu'y a-t-il sur cette image ?
- type: image
source:
type: base64
media_type: image/png
data:
responses:
'200':
description: Objet message
content:
application/json:
schema:
$ref: '#/components/schemas/MessageResponse'
examples:
with_thinking:
summary: Inclut par défaut un bloc de contenu thinking
value:
id: msg_0842a705-9d0b-4eaa-b12d-09a4106326c5
type: message
role: assistant
model: glm-5.3
content:
- type: thinking
thinking: >-
L'utilisateur demande de saluer en un seul mot, il
suffit de répondre « Hi ».
signature: ''
- type: text
text: Hi.
stop_reason: end_turn
usage:
input_tokens: 18
output_tokens: 101
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
tool_use:
summary: Déclenche un appel d'outil (stop_reason=tool_use)
value:
id: msg_067e85db-53df-43a1-bd38-09c53375f2f0
type: message
role: assistant
model: glm-5.3
content:
- type: tool_use
id: toolu_36b8a98e284c426799f08612
name: get_weather
input:
city: Tokyo
stop_reason: tool_use
usage:
input_tokens: 161
output_tokens: 11
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
'400':
description: Paramètres de requête invalides
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
request_id: req_xxx
error:
type: invalid_request_error
message: Invalid request
'401':
description: Erreur d'authentification
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: authentication_error
message: Authentication error
'402':
description: Quota insuffisant
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: billing_error
message: Insufficient quota
'403':
description: Erreur de permission
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: permission_error
message: Permission denied
'404':
description: Modèle ou ressource introuvable
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: not_found_error
message: Model not found
'429':
description: Limite de fréquence
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: rate_limit_error
message: Rate limited
'500':
description: Erreur interne du serveur
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'502':
description: Erreur du service en amont
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'503':
description: Service temporairement indisponible
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
components:
schemas:
CreateMessageRequest:
type: object
required:
- model
- messages
properties:
model:
type: string
description: >
Modèle à appeler :
| ID du modèle | Positionnement | Réflexion désactivable | Entrée
image |
|---|---|---|---|
| `glm-5.3` | Modèle phare, progression générale sur l'ingénierie
logicielle complexe et les tâches d'agent ; contexte de 1M | Non
désactivable | Non prise en charge |
| `glm-5.3-flash` | Modèle multimodal léger, coût très faible et
vision native ; contexte de 1M | Non désactivable | Prise en charge
|
| `glm-5.2` | Modèle phare de la génération précédente, raisonnement
complexe et contexte très long ; contexte de 1M | Désactivable
(`thinking.type=disabled`) | Non prise en charge |
enum:
- glm-5.3
- glm-5.3-flash
- glm-5.2
example: glm-5.3
default: glm-5.3
max_tokens:
type: integer
description: >-
Limite supérieure de la longueur du contenu généré (en tokens)
**Remarque** :
- La série GLM prend en charge jusqu'à **131 072 tokens** (128K) en
sortie ; il est conseillé de ne pas descendre sous `1024`
- Les tokens produits par thinking comptent également dans cette
limite
- Une fois la limite atteinte, le contenu est tronqué et la réponse
porte `stop_reason=max_tokens`
minimum: 1
maximum: 131072
example: 1024
messages:
type: array
description: >-
Liste des messages de la conversation, en alternance user /
assistant
**Remarque** :
- Au moins un message est requis
- Le dernier message est normalement `role=user`
- Le contexte multi-tours est pris en charge et le modèle s'appuie
sur l'historique
**Entrée image** : seul `glm-5.3-flash` la prend en charge, via un
bloc `{"type":"image","source":{...}}` dans le tableau `content`.
Envoyer des blocs de contenu image à `glm-5.3` ou `glm-5.2` **ne
renvoie pas d'erreur, mais le modèle ne peut pas lire l'image**. La
requête retourne un 200 normal et le modèle répond à partir du seul
texte : la réponse paraît plausible mais n'a aucun rapport avec
l'image, et le résultat varie d'une requête à l'autre.
Ce type d'échec silencieux est difficile à diagnostiquer en
production ; choisissez `glm-5.3-flash` lorsque vous avez besoin de
compréhension d'image.
items:
$ref: '#/components/schemas/InputMessage'
minItems: 1
system:
description: >-
Invite système, utilisée pour définir le rôle et le comportement de
l'IA
**Remarques** :
- Prend en charge une chaîne ou un tableau de blocs de contenu
- Transmise via le champ `system` de premier niveau (ne pas la
placer dans messages)
- Le modèle respecte les contraintes du system
- **Un system trop long peut être tronqué** : pour un long contexte,
placez-le dans `messages`, n'entassez pas tout dans `system`
oneOf:
- type: string
example: You are a helpful assistant.
- type: array
description: >-
Invite système au format tableau de blocs de contenu. Les blocs
text peuvent porter un cache_control
items:
type: object
required:
- type
- text
properties:
type:
type: string
enum:
- text
text:
type: string
cache_control:
$ref: '#/components/schemas/CacheControl'
temperature:
type: number
description: >-
Température d'échantillonnage
**Remarques** :
- Plus la valeur est élevée, plus la sortie est variée ; plus elle
est basse, plus elle est déterministe
- Plage recommandée `[0, 1]`
minimum: 0
maximum: 1
example: 1
top_p:
type: number
description: >-
Seuil d'échantillonnage par noyau
**Remarques** :
- Plage `[0, 1]`
- Il est recommandé de ne pas ajuster simultanément temperature et
top_p
minimum: 0
maximum: 1
example: 0.9
top_k:
type: integer
description: >-
N'échantillonne que parmi les K tokens les plus probables (paramètre
propre à Anthropic)
**Remarques** :
- Plus la valeur est petite, plus la sortie est déterministe ; plus
elle est grande, plus les candidats sont diversifiés
minimum: 0
example: 10
stop_sequences:
type: array
description: >-
Séquences d'arrêt personnalisées : la génération s'arrête lorsque
l'une de ces chaînes est rencontrée
**Remarques** :
- L'arrêt intervient dès la rencontre, le contenu situé avant est
renvoyé normalement
- **Attention** : lorsqu'une séquence d'arrêt est rencontrée, le
`stop_reason` de la série GLM renvoie `end_turn` (et non la valeur
standard Anthropic `stop_sequence`), et la réponse ne contient pas
non plus de champ `stop_sequence`. Si le client se fie à
`stop_reason=="stop_sequence"` pour détecter la rencontre, un
traitement particulier est nécessaire
items:
type: string
example:
- |+
stream:
type: boolean
description: >-
Indique s'il faut renvoyer en streaming SSE
- `true` : renvoi en streaming via Server-Sent Events (séquence
d'événements Anthropic standard : message_start /
content_block_start / content_block_delta / message_delta /
message_stop)
- `false` : renvoi en une seule fois après la réponse complète (par
défaut)
default: false
example: false
thinking:
type: object
description: >-
Contrôle la réflexion approfondie
**Remarque** :
- Tous les modèles de la série GLM sont des modèles de raisonnement
et, **si ce champ est omis, la réflexion est active par défaut**
- Lorsqu'elle est active, le tableau `content` de la réponse
contient un bloc de raisonnement `type="thinking"` (facturé en
tokens de sortie ; `signature` peut être une chaîne vide)
- **Seul l'interrupteur binaire `type` agit** : les paramètres de
budget ou de niveau de réflexion tels que `budget_tokens` et
`effort` sont sans effet (ils sont ignorés)
**La possibilité de la désactiver dépend du modèle** :
- `glm-5.2` : envoyer `{"type":"disabled"}` désactive la réflexion
et réduit nettement les tokens de sortie
- `glm-5.3` / `glm-5.3-flash` : **réfléchissent toujours, non
désactivable**. Envoyer `disabled` renvoie une erreur
**Conséquence : la série `glm-5.3` ne peut pas réduire le coût de
réflexion sur ce point de terminaison.** Elle ne peut être ni
désactivée (`disabled` renvoie une erreur),
ni réduite (`budget_tokens` et `effort` sont tous deux sans effet,
et le `reasoning_effort` de premier niveau est un champ du protocole
OpenAI que ce point de terminaison ignore).
Le contenu de réflexion étant facturé en tokens de sortie, ce coût
est incompressible sur ce point de terminaison.
**Pour maîtriser le coût de réflexion, passez à l'[API Chat
Completions](../chat-completions/chat-completions-reference)** —
là-bas, `reasoning_effort` dispose de trois niveaux réellement
effectifs : `low` / `high` / `max`. `glm-5.2` n'est pas concerné par
cette limite : il peut désactiver la réflexion directement sur ce
point de terminaison.
**Migration depuis `glm-5.2`** : si votre code fixe
`thinking.type=disabled`, vous devez retirer ce champ avant de
passer à `glm-5.3`, sans quoi la requête échoue immédiatement.
Et si vous comptiez sur la désactivation de la réflexion pour
maîtriser les coûts, ce point de terminaison n'offre aucun
équivalent — prévoyez de basculer aussi vers l'API Chat Completions.
required:
- type
properties:
type:
type: string
enum:
- enabled
- disabled
description: |-
- Champ thinking non transmis : réflexion activée par défaut
- `disabled` : désactive la réflexion, réponse directe
- `enabled` : valeur d'activation explicite standard Anthropic
tools:
type: array
description: >-
Liste des définitions d'outils
**Remarques** :
- Respecte les spécifications de définition d'outil Anthropic
- `input_schema` utilise un objet JSON Schema
- Le modèle renvoie un bloc `tool_use` standard, avec
`stop_reason=tool_use`
items:
$ref: '#/components/schemas/Tool'
tool_choice:
type: object
description: Stratégie de sélection d'outil
required:
- type
properties:
type:
type: string
enum:
- auto
- none
description: >-
- `auto` : le modèle décide automatiquement s'il faut appeler un
outil
- `none` : interdit l'appel d'outils
metadata:
type: object
description: Métadonnées de la requête
properties:
user_id:
type: string
description: >-
Identifiant unique représentant l'utilisateur final, utilisable
pour le suivi et la détection des abus par utilisateur (il est
recommandé d'utiliser un ID haché)
MessageResponse:
type: object
description: Réponse de message au style Anthropic
properties:
id:
type: string
description: 'ID unique du message (format : `msg_`)'
type:
type: string
enum:
- message
description: Type d'objet de réponse
role:
type: string
enum:
- assistant
model:
type: string
description: Modèle réellement utilisé
example: glm-5.3
content:
type: array
description: >-
Liste des blocs de contenu de la réponse
**Types de blocs possibles** :
- `thinking` : processus de raisonnement (lorsque la réflexion est
activée, par défaut)
- `text` : texte de la réponse finale
- `tool_use` : appel d'outil initié par le modèle
items:
$ref: '#/components/schemas/OutputContentBlock'
stop_reason:
type: string
description: >-
Raison de l'arrêt
- `end_turn` : fin naturelle (renvoyé également lorsqu'une séquence
stop_sequences est rencontrée)
- `max_tokens` : limite max_tokens atteinte
- `tool_use` : le modèle a déclenché un appel d'outil
enum:
- end_turn
- max_tokens
- tool_use
usage:
$ref: '#/components/schemas/AnthropicUsage'
ErrorResponse:
type: object
properties:
type:
type: string
enum:
- error
error:
type: object
properties:
type:
type: string
description: >-
Type d'erreur (par ex. invalid_request_error /
authentication_error / billing_error, etc.)
message:
type: string
description: Description de l'erreur
request_id:
type: string
description: ID de suivi de la requête
InputMessage:
type: object
required:
- role
- content
properties:
role:
type: string
enum:
- user
- assistant
description: >-
Rôle de l'émetteur du message, en alternance user / assistant
- `user` : message utilisateur (également utilisé pour retransmettre
un bloc `tool_result`)
- `assistant` : réponse historique de l'assistant (peut contenir des
blocs `text` / `thinking` / `tool_use`)
**N'accepte pas `system`** : l'invite système passe par le champ
`system` de premier niveau.
content:
description: >-
Contenu du message
**Remarque** :
- Pour du texte brut, transmettez directement une chaîne
- Pour du contenu structuré, transmettez un tableau de blocs de
contenu (`text` / `image` / `tool_use` / `tool_result` / `thinking`)
- Les blocs de contenu `image` sont **pris en charge uniquement par
`glm-5.3-flash`** ; les envoyer à un autre modèle ne renvoie pas
d'erreur, mais le modèle ne peut pas lire l'image
oneOf:
- type: string
- type: array
items:
$ref: '#/components/schemas/ContentBlock'
CacheControl:
type: object
description: >-
Marqueur de cache de prompt
**Remarque** : la série GLM utilise un cache implicite (constitué
automatiquement à partir de préfixes identiques, les correspondances
apparaissent dans `cache_read_input_tokens`, nécessite une phase de
chauffe) et ne dépend pas de ce marqueur explicite ; `cache_control`
peut être transmis normalement mais risque d'être ignoré, sans effet sur
le cache implicite.
required:
- type
properties:
type:
type: string
enum:
- ephemeral
description: Type de marqueur de cache
Tool:
type: object
required:
- name
- input_schema
properties:
name:
type: string
description: |-
Nom de l'outil
**Remarques** :
- Seuls `a-zA-Z0-9_-` sont autorisés
- 64 caractères maximum
description:
type: string
description: >-
Description de la fonctionnalité de l'outil, pour aider le modèle à
juger quand l'appeler
input_schema:
type: object
description: |-
Objet JSON Schema des arguments d'entrée de l'outil
**Remarques** :
- `type` doit être `object`
- Il convient de déclarer `properties` et `required`
cache_control:
$ref: '#/components/schemas/CacheControl'
OutputContentBlock:
type: object
description: Bloc de contenu dans la réponse
properties:
type:
type: string
enum:
- text
- thinking
- tool_use
text:
type: string
description: Texte lorsque type=`text`
thinking:
type: string
description: Texte du processus de raisonnement lorsque type=`thinking`
signature:
type: string
description: Signature lorsque type=`thinking` (peut être une chaîne vide)
id:
type: string
description: ID de l'appel d'outil lorsque type=`tool_use`
name:
type: string
description: Nom de l'outil lorsque type=`tool_use`
input:
type: object
description: >-
Arguments d'entrée JSON générés par le modèle lorsque
type=`tool_use`
AnthropicUsage:
type: object
description: Statistiques d'utilisation des tokens (spécification Anthropic)
properties:
input_tokens:
type: integer
description: Nombre de tokens en entrée (partie non trouvée en cache)
example: 18
output_tokens:
type: integer
description: Nombre de tokens en sortie (y compris la réflexion)
example: 101
cache_creation_input_tokens:
type: integer
description: >-
Nombre de tokens écrits dans le cache. La série GLM utilise un cache
implicite, sans étape explicite de création, donc **ce champ vaut
toujours 0**.
example: 0
cache_read_input_tokens:
type: integer
description: >-
Nombre de tokens d'entrée servis par le cache de préfixe implicite.
Les requêtes répétées ayant le même préfixe le touchent
automatiquement, sans qu'il soit nécessaire de définir
`cache_control` ; la partie mise en cache est facturée au tarif du
cache, nettement inférieur au tarif d'entrée sans cache. La première
requête renvoie 0.
example: 0
prompt_tokens_details:
type: object
description: >-
Détail des tokens d'entrée (champs de cache, également renvoyés par
la série GLM)
properties:
cached_tokens:
type: integer
description: Nombre de tokens d'entrée trouvés en cache
example: 0
ContentBlock:
type: object
description: >-
Bloc de contenu du message
**Types pris en charge** :
- `text` : contenu textuel
- `image` : image (**uniquement `glm-5.3-flash`** ; les autres modèles
ne renvoient pas d'erreur mais ne peuvent pas lire l'image)
- `tool_use` : retransmission de l'appel d'outil de l'assistant au tour
précédent
- `tool_result` : résultat d'exécution de l'outil
- `thinking` : retransmission du contenu de réflexion de l'assistant au
tour précédent
required:
- type
properties:
type:
type: string
enum:
- text
- image
- tool_use
- tool_result
- thinking
text:
type: string
description: Contenu textuel lorsque type=`text`
source:
type: object
description: >-
Source de l'image (obligatoire lorsque type=`image`, **prise en
charge uniquement par `glm-5.3-flash`**)
Les deux modes `base64` en ligne et `url` sont pris en charge.
required:
- type
properties:
type:
type: string
enum:
- base64
- url
description: >-
Mode de transmission de l'image
- `base64` : données d'image en ligne
- `url` : adresse publique de l'image, téléchargée par le
service en amont
media_type:
type: string
description: Type MIME de l’image (requis lorsque `type=base64`)
example: image/png
data:
type: string
description: >-
Données d’image encodées en Base64 (requises lorsque
`type=base64`, sans le préfixe `data:`)
example: iVBORw0KGgoAAAANSUhEUgAA...
url:
type: string
description: URL publique de l’image (requise lorsque `type=url`)
example: https://example.com/photo.jpg
id:
type: string
description: ID de l'appel d'outil (obligatoire lorsque tool_use)
name:
type: string
description: Nom de l'outil (obligatoire lorsque tool_use)
input:
type: object
description: Arguments d'entrée de l'outil (objet JSON, lorsque tool_use)
tool_use_id:
type: string
description: >-
ID de l'appel d'outil correspondant (obligatoire lorsque
tool_result, à reporter dans tool_use.id)
content:
description: >-
Résultat de l'exécution de l'outil (tool_result), chaîne ou tableau
de blocs de contenu
oneOf:
- type: string
- type: array
items:
type: object
thinking:
type: string
description: >-
Contenu du processus de réflexion de l'assistant retransmis (utilisé
lorsque type=`thinking`)
signature:
type: string
description: >-
Signature du contenu thinking renvoyé ; elle doit être retransmise
telle quelle lors de la poursuite d'une conversation multi-tours
(peut être une chaîne vide)
cache_control:
$ref: '#/components/schemas/CacheControl'
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: >-
##Toutes les API nécessitent une authentification par Bearer Token##
**Obtenir une clé API** :
Visitez la [page de gestion des clés
API](https://evolink.ai/dashboard/keys) pour obtenir votre clé API
**Ajouter à l'en-tête de requête** :
```
Authorization: Bearer YOUR_API_KEY
```
**Remarque** : EvoLink applique une authentification unifiée par Bearer
Token pour `/v1/messages`.
````