> ## 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. # GLM-5.2 - OpenAI 호환 API > - OpenAI Chat Completions 프로토콜을 사용하여 GLM-5.2 모델을 호출합니다 - 동기 처리 모드로 대화 내용을 실시간으로 반환합니다 - **순수 텍스트 대화**: 단일 턴 또는 멀티턴 컨텍스트 대화 - **시스템 프롬프트**: `role=system` 메시지로 AI의 역할과 동작을 사용자 정의 - **심층 사고**: `thinking.type`으로 사고 체인을 켜고 끄며, `reasoning_effort`로 추론 강도를 조절; 추론 과정은 `reasoning_content`를 통해 반환 - **스트리밍 출력**: SSE 스트리밍 응답 지원(`stream=true`) - **도구 호출**: Function Calling, 지식베이스 검색(retrieval), 웹 검색(web_search), MCP 지원(최대 128개 도구) - **구조화 출력**: `response_format`으로 JSON 모드 활성화 **스트리밍 응답 설명**: `stream=true`일 때 Server-Sent Events를 통해 반환하며, 각 메시지의 형식은 `data: {JSON}`이고 종료 시 `data: [DONE]`을 반환합니다. 각 데이터 청크(`ChatCompletionChunk`)는 `id`, `created`, `model`, `choices`와 선택적인 `usage`, `content_filter`를 포함하며, 그중 `choices[].delta`는 `role` / `content` / `reasoning_content` / `tool_calls`를 증분으로 반환하고 `choices[].finish_reason`은 마지막 청크에서 종료 사유를 제공합니다. **BaseURL**: 기본 BaseURL은 `https://direct.evolink.ai`이며, 텍스트 모델과 장시간 연결을 더 잘 지원합니다. `https://api.evolink.ai`는 멀티모달 서비스의 기본 엔드포인트이자 텍스트 모델의 대체 주소 역할을 합니다. ## OpenAPI ````yaml ko/api-manual/language-series/glm-5.2/glm-5.2-api.json POST /v1/chat/completions openapi: 3.1.0 info: title: GLM-5.2 전체 파라미터 문서 (OpenAI 호환) description: >- GLM-5.2 대화 인터페이스의 전체 API 레퍼런스입니다. **모델 능력**: - 최신 플래그십 모델로, 복잡한 추론, 초장문 컨텍스트와 극대화된 추론 속도를 제공 - 최대 출력: **131,072 tokens**(128K), 권장 **1,024 tokens** 이상 - 심층 사고: `thinking` 필드로 사고 체인을 켜고 끄며, `reasoning_effort`로 추론 강도를 조절(GLM-5.2 전용) - 도구 호출: Function Calling, 지식베이스 검색, 웹 검색, MCP 지원(최대 128개 도구) - 스트리밍 출력: SSE 스트리밍 응답 지원 - 구조화 출력: `text` / `json_object` 두 가지 응답 형식 지원 license: name: MIT version: 1.0.0 servers: - url: https://direct.evolink.ai description: 프로덕션 (권장) - url: https://api.evolink.ai description: 대체 URL security: - bearerAuth: [] tags: - name: 대화 생성 description: AI 대화 생성 관련 인터페이스 paths: /v1/chat/completions: post: tags: - 대화 생성 summary: GLM-5.2 대화 인터페이스(OpenAI 호환) description: >- - OpenAI Chat Completions 프로토콜을 사용하여 GLM-5.2 모델을 호출합니다 - 동기 처리 모드로 대화 내용을 실시간으로 반환합니다 - **순수 텍스트 대화**: 단일 턴 또는 멀티턴 컨텍스트 대화 - **시스템 프롬프트**: `role=system` 메시지로 AI의 역할과 동작을 사용자 정의 - **심층 사고**: `thinking.type`으로 사고 체인을 켜고 끄며, `reasoning_effort`로 추론 강도를 조절; 추론 과정은 `reasoning_content`를 통해 반환 - **스트리밍 출력**: SSE 스트리밍 응답 지원(`stream=true`) - **도구 호출**: Function Calling, 지식베이스 검색(retrieval), 웹 검색(web_search), MCP 지원(최대 128개 도구) - **구조화 출력**: `response_format`으로 JSON 모드 활성화 **스트리밍 응답 설명**: `stream=true`일 때 Server-Sent Events를 통해 반환하며, 각 메시지의 형식은 `data: {JSON}`이고 종료 시 `data: [DONE]`을 반환합니다. 각 데이터 청크(`ChatCompletionChunk`)는 `id`, `created`, `model`, `choices`와 선택적인 `usage`, `content_filter`를 포함하며, 그중 `choices[].delta`는 `role` / `content` / `reasoning_content` / `tool_calls`를 증분으로 반환하고 `choices[].finish_reason`은 마지막 청크에서 종료 사유를 제공합니다. operationId: createChatCompletionGLM52 requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/ChatCompletionRequest' examples: simple_text: summary: 단일 턴 텍스트 대화 value: model: glm-5.2 messages: - role: user content: 자기소개를 해 주세요 multi_turn: summary: 멀티턴 대화(컨텍스트 이해) value: model: glm-5.2 messages: - role: user content: Python이란 무엇인가요? - role: assistant content: Python은 고급 프로그래밍 언어입니다…… - role: user content: 그 장점은 무엇인가요? system_prompt: summary: 시스템 프롬프트 사용 value: model: glm-5.2 messages: - role: system content: 당신은 전문적인 Python 프로그래밍 어시스턴트입니다. 간결한 언어로 질문에 답하세요. - role: user content: 파일을 어떻게 읽나요? deep_thinking: summary: 심층 사고 활성화 및 추론 강도 조절 value: model: glm-5.2 messages: - role: user content: >- 한 농부가 늑대, 양, 양배추를 데리고 강을 건너야 하는데 한 번에 하나만 옮길 수 있습니다. 어떻게 안전하게 건널 수 있을까요? thinking: type: enabled reasoning_effort: max disable_thinking: summary: 심층 사고 비활성화(직접 답변) value: model: glm-5.2 messages: - role: user content: 상대성 이론을 한 문장으로 요약해 주세요. thinking: type: disabled function_calling: summary: 도구 호출(Function Calling) value: model: glm-5.2 messages: - role: user content: 베이징의 오늘 날씨는 어떤가요? tools: - type: function function: name: get_weather description: 지정한 도시의 실시간 날씨를 조회합니다 parameters: type: object properties: city: type: string description: '도시 이름, 예: 베이징' required: - city tool_choice: auto web_search: summary: 웹 검색 도구 활성화 value: model: glm-5.2 messages: - role: user content: 최근 일주일간의 인공지능 뉴스를 조회해 주세요 tools: - type: web_search web_search: enable: true search_engine: search_pro count: 10 search_recency_filter: oneWeek json_mode: summary: JSON 구조화 출력 value: model: glm-5.2 messages: - role: system content: name과 age 두 필드를 포함하여 JSON 형식으로 출력해 주세요. - role: user content: 홍길동, 올해 28세 response_format: type: json_object streaming: summary: 스트리밍 출력(SSE) value: model: glm-5.2 messages: - role: user content: 봄에 관한 짧은 시를 써 주세요 stream: true responses: '200': description: 대화 생성 성공 content: application/json: schema: $ref: '#/components/schemas/ChatCompletionResponse' '400': description: 잘못된 요청 파라미터 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 400 message: Invalid request parameters type: invalid_request_error '401': description: 인증되지 않음, 토큰이 유효하지 않거나 만료됨 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 401 message: Invalid or expired token type: authentication_error '402': description: 할당량 부족, 충전 필요 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 402 message: Insufficient quota type: insufficient_quota_error fallback_suggestion: https://evolink.ai/dashboard/billing '403': description: 접근 권한 없음 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 403 message: Access denied for this model type: permission_error param: model '404': description: 리소스를 찾을 수 없음 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 404 message: Specified model not found type: not_found_error param: model fallback_suggestion: glm-5.2 '429': description: 요청 빈도 초과 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 429 message: Rate limit exceeded type: rate_limit_error fallback_suggestion: retry after 60 seconds '500': description: 서버 내부 오류 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 500 message: Internal server error type: internal_server_error fallback_suggestion: try again later '502': description: 업스트림 서비스 오류 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 502 message: Upstream AI service unavailable type: upstream_error fallback_suggestion: try different model '503': description: 서비스를 일시적으로 사용할 수 없음 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: 503 message: Service temporarily unavailable type: service_unavailable_error fallback_suggestion: retry after 30 seconds components: schemas: ChatCompletionRequest: type: object required: - model - messages properties: model: type: string description: |- 호출할 모델 코드 - `glm-5.2`: 최신 플래그십 모델로, 복잡한 추론, 초장문 컨텍스트와 극대화된 추론 속도를 제공 enum: - glm-5.2 default: glm-5.2 example: glm-5.2 messages: type: array description: >- 대화 메시지 목록으로, 현재 대화의 완전한 컨텍스트 정보를 포함합니다 `system`, `user`, `assistant`, `tool` 네 가지 역할을 지원합니다. 역할마다 메시지의 필드 구조가 다르므로 해당 역할을 선택하여 확인하세요. 최소 1개의 메시지를 포함해야 하며, 시스템 메시지나 어시스턴트 메시지만 포함할 수는 없습니다. items: oneOf: - $ref: '#/components/schemas/SystemMessage' - $ref: '#/components/schemas/UserMessage' - $ref: '#/components/schemas/AssistantRequestMessage' - $ref: '#/components/schemas/ToolMessage' discriminator: propertyName: role mapping: system: $ref: '#/components/schemas/SystemMessage' user: $ref: '#/components/schemas/UserMessage' assistant: $ref: '#/components/schemas/AssistantRequestMessage' tool: $ref: '#/components/schemas/ToolMessage' minItems: 1 stream: type: boolean description: >- 스트리밍 출력 모드를 활성화할지 여부 - `false`: 모델이 완전한 응답을 생성한 후 한 번에 반환(기본값), 짧은 텍스트와 일괄 처리에 적합 - `true`: Server-Sent Events(SSE)를 통해 청크 단위로 실시간 반환, 채팅과 장문에 적합; 스트리밍 종료 시 `data: [DONE]`을 반환 default: false example: false thinking: type: object description: 사고 체인(Chain of Thought)을 켤지 여부를 제어합니다 properties: type: type: string description: |- 사고 체인 스위치 - `enabled`: 심층 사고 활성화(기본값) - `disabled`: 심층 사고를 비활성화하고 모델이 직접 답변 enum: - enabled - disabled default: enabled clear_thinking: type: boolean description: >- 과거 대화 턴의 `reasoning_content`를 제거할지 여부 - `true`(기본값): 과거 턴의 `reasoning_content`를 무시/제거하고, 추론이 아닌 내용(사용자/어시스턴트가 볼 수 있는 텍스트, 도구 호출과 결과 등)만 컨텍스트로 사용하여 컨텍스트 길이와 비용을 줄일 수 있습니다 - `false`: 과거 턴의 `reasoning_content`를 유지하고 컨텍스트와 함께 모델에 제공합니다(Preserved Thinking); 이 경우 `messages`에 과거 `reasoning_content`를 **완전하고, 수정 없이, 원래 순서대로** 그대로 전달해야 하며, 누락, 잘림, 변형 또는 재배열은 효과 저하나 동작 불능을 초래합니다 - 참고: 이 파라미터는 턴 간의 과거 사고에만 영향을 주며, 현재 턴에서 사고를 생성하는지 여부는 바꾸지 않습니다 default: true example: true reasoning_effort: type: string description: >- 모델의 추론 정도를 제어합니다(GLM-5.2 전용 능력) **설명**: - `thinking`이 켜진 경우에만 유효하며, 기본값은 `max` - 값은 강한 것부터 약한 것 순서로: `max` > `xhigh` > `high` > `medium` > `low` > `minimal` > `none` **GLM-5.2 매핑 규칙**(다른 프로토콜과의 호환을 위해): - `xhigh` → `max`와 동등 - `low` / `medium` → `high`와 동등 - `none` / `minimal` → 사고 포기(심층 추론을 수행하지 않음) enum: - max - xhigh - high - medium - low - minimal - none default: max example: max do_sample: type: boolean description: >- 샘플링 전략을 활성화할지 여부 - `true`(기본값): `temperature` / `top_p`로 무작위 샘플링을 수행하여 출력이 더 다양해짐 - `false`: 항상 확률이 가장 높은 단어를 선택(그리디 디코딩)하여 출력이 더 확정적이며, 이때 `temperature`와 `top_p`는 무시됩니다 일관성과 재현성이 필요한 작업(예: 코드 생성, 번역)에는 `false`로 설정하는 것을 권장합니다 default: true example: true temperature: type: number format: float description: |- 샘플링 온도로, 출력의 무작위성과 창의성을 제어합니다 **설명**: - 범위: `[0.0, 1.0]`, 소수점 둘째 자리까지 - 높은 값(예: 0.8): 더 무작위하고 창의적이며 창작 글쓰기에 적합 - 낮은 값(예: 0.2): 더 안정적이고 확정적이며 사실 기반 질의응답과 코드 생성에 적합 - GLM-5.2 기본값: `1.0` **권장 사항**: `temperature`와 `top_p`를 동시에 조정하지 마세요 minimum: 0 maximum: 1 default: 1 example: 1 top_p: type: number format: float description: >- 핵 샘플링(Nucleus Sampling) 파라미터로, `temperature` 샘플링의 대체 방법입니다 **설명**: - 범위: `[0.01, 1.0]`, 소수점 둘째 자리까지 - 모델은 누적 확률이 `top_p`에 도달하는 후보 단어만 고려하며, 예를 들어 0.1은 상위 10% 확률의 단어만 고려함을 의미합니다 - 작은 값은 더 집중되고 일관된 출력을 만들며, 큰 값은 다양성을 높입니다 - GLM-5.2 기본값: `0.95` **권장 사항**: `temperature`와 `top_p`를 동시에 조정하지 마세요 minimum: 0.01 maximum: 1 default: 0.95 example: 0.95 max_tokens: type: integer description: >- 모델 출력의 최대 token 수 제한 **설명**: - GLM-5.2는 최대 **131,072 tokens**(128K) 출력 길이를 지원하며, `1024` 이상으로 설정하는 것을 권장합니다 - `thinking`이 켜진 경우 사고 체인 token도 이 상한에 포함됩니다 - 생성이 `length` 사유로 잘린 경우 이 값을 높여 보세요 minimum: 1 maximum: 131072 example: 1024 tools: type: array description: >- 모델이 호출할 수 있는 도구 목록 **설명**: - 함수 호출(`function`), 지식베이스 검색(`retrieval`), 웹 검색(`web_search`), MCP(`mcp`) 지원 - 최대 128개 함수 지원 items: oneOf: - $ref: '#/components/schemas/FunctionTool' - $ref: '#/components/schemas/RetrievalTool' - $ref: '#/components/schemas/WebSearchTool' - $ref: '#/components/schemas/McpTool' discriminator: propertyName: type mapping: function: $ref: '#/components/schemas/FunctionTool' retrieval: $ref: '#/components/schemas/RetrievalTool' web_search: $ref: '#/components/schemas/WebSearchTool' mcp: $ref: '#/components/schemas/McpTool' maxItems: 128 tool_choice: type: string description: >- 모델이 어떤 함수를 호출할지 선택하는 방식을 제어합니다 **설명**: 도구 유형이 `function`일 때만 유효하며, 기본값이자 `auto`만 지원합니다(모델이 도구 호출 여부를 자동으로 결정) enum: - auto default: auto example: auto stop: type: array description: |- 중지 단어 목록 **설명**: - 모델이 생성하는 텍스트가 지정한 문자열을 만나면 즉시 생성을 중지합니다(중지 단어 자체는 반환 텍스트에 포함되지 않음) - 현재는 단일 중지 단어만 지원하며, 형식은 `["stop_word1"]`, 예: `["Human:"]` items: type: string maxItems: 4 example: - 'Human:' response_format: type: object description: >- 모델 응답 출력 형식을 지정하며, 기본값은 `text`입니다 **설명**: - `{ "type": "json_object" }`는 JSON 모드를 활성화하며, 모델이 유효한 JSON 형식 데이터를 반환하여 구조화 데이터 추출 등의 시나리오에 적합합니다 - JSON 모드를 사용할 때는 `system` 또는 `user` 메시지에서 JSON 출력을 명확히 요구하는 것을 권장합니다 required: - type properties: type: type: string description: |- 출력 형식 유형 - `text`: 일반 텍스트 출력(기본값) - `json_object`: JSON 형식 출력 enum: - text - json_object default: text request_id: type: string description: |- 요청 고유 식별자 **설명**: - 사용자 측에서 전달하며, 길이는 6-64자이고 고유성을 보장하기 위해 UUID 형식을 권장합니다 - 제공하지 않으면 플랫폼이 자동으로 생성합니다 minLength: 6 maxLength: 64 example: req-7f3a2c1e8b9d4f0a user_id: type: string description: >- 최종 사용자의 고유 식별자 **설명**: 길이는 6-128자이며, 민감한 정보를 포함하지 않는 고유 식별자 사용을 권장합니다. 플랫폼이 남용 행위를 모니터링하고 탐지하는 데 도움이 됩니다 minLength: 6 maxLength: 128 example: user-abc123456 ChatCompletionResponse: type: object properties: id: type: string description: 작업 `ID` example: chatcmpl-a6613b56-c61c-94ba-9a9f-43d4cdc7d77a object: type: string description: 응답 유형 enum: - chat.completion example: chat.completion request_id: type: string description: 요청 `ID`(요청에서 `request_id`를 제공한 경우 다시 반환) example: req-7f3a2c1e8b9d4f0a created: type: integer description: 요청 생성 시각, `Unix` 타임스탬프(초) example: 1777021417 model: type: string description: 모델 이름 example: glm-5.2 choices: type: array description: 모델 응답 목록 items: $ref: '#/components/schemas/Choice' usage: $ref: '#/components/schemas/Usage' web_search: type: array description: 웹 검색 관련 정보, `web_search` 도구를 사용하고 검색에 적중했을 때 반환 items: $ref: '#/components/schemas/WebSearchResult' content_filter: type: array description: 콘텐츠 안전 관련 정보 items: $ref: '#/components/schemas/ContentFilter' ErrorResponse: type: object properties: error: type: object properties: code: type: integer description: HTTP 상태 오류 코드 message: type: string description: 오류 설명 정보 type: type: string description: 오류 유형 param: type: string description: 관련 파라미터 이름 fallback_suggestion: type: string description: 오류 시의 권장 사항 SystemMessage: title: System Message type: object required: - role - content properties: role: type: string enum: - system description: 역할 식별자, `system`으로 고정 content: type: string description: 시스템 프롬프트 내용, AI의 역할과 동작을 설정하는 데 사용 UserMessage: title: User Message type: object required: - role - content properties: role: type: string enum: - user description: 역할 식별자, `user`로 고정 content: type: string description: 사용자 메시지 내용(순수 텍스트 문자열) AssistantRequestMessage: title: Assistant Message type: object description: 어시스턴트 메시지, 도구 호출을 포함할 수 있음 required: - role properties: role: type: string enum: - assistant description: 역할 식별자, `assistant`로 고정 content: type: - string - 'null' description: >- 어시스턴트 메시지 내용 **설명**: 멀티턴 대화에서 과거 어시스턴트 응답을 전달하는 데 사용; `tool_calls`가 존재할 때는 보통 `null`입니다 reasoning_content: type: - string - 'null' description: >- 과거 사고 체인 내용 **설명**: `thinking.clear_thinking=false`(Preserved Thinking)일 때만 필요하며, 이전 턴 응답의 `reasoning_content`를 그대로 다시 전달; 기본값(`clear_thinking=true`)에서는 다시 전달할 필요가 없습니다 tool_calls: type: array description: |- 도구 호출 목록 멀티턴 대화에서 과거 도구 호출 정보를 전달하는 데 사용; 이 필드를 제공할 때 `content`는 보통 비어 있습니다 items: type: object required: - id - type properties: id: type: string description: 도구 호출 ID type: type: string enum: - function - web_search - retrieval description: 도구 유형 function: type: object description: 함수 호출 정보, `type`이 `function`일 때 비어 있지 않음 required: - name - arguments properties: name: type: string description: 함수 이름 arguments: type: string description: 함수 인자(JSON 형식 문자열) ToolMessage: title: Tool Message type: object required: - role - content properties: role: type: string enum: - tool description: 역할 식별자, `tool`로 고정 content: type: string description: 도구 호출 반환 결과 내용 tool_call_id: type: string description: >- 이 메시지에 대응하는 도구 호출 `ID`를 가리킵니다(assistant 메시지의 `tool_calls`에서 반환된 `id`에 대응) FunctionTool: title: Function 도구 type: object required: - type - function additionalProperties: false properties: type: type: string enum: - function default: function description: 도구 유형, `function`으로 고정 function: type: object required: - name - description - parameters properties: name: type: string description: >- 호출할 함수 이름 **설명**: `a-z`, `A-Z`, `0-9` 문자로 구성하거나 밑줄과 하이픈을 포함해야 합니다; 최대 길이는 64자입니다 minLength: 1 maxLength: 64 pattern: ^[a-zA-Z0-9_-]+$ description: type: string description: 함수 기능 설명, 모델이 언제 어떻게 함수를 호출할지 선택하는 데 사용 parameters: type: object description: 함수의 입력 파라미터, JSON Schema 객체로 기술 RetrievalTool: title: Retrieval 도구(지식베이스 검색) type: object required: - type - retrieval additionalProperties: false properties: type: type: string enum: - retrieval default: retrieval description: 도구 유형, `retrieval`로 고정 retrieval: type: object required: - knowledge_id properties: knowledge_id: type: string description: 지식베이스 `ID`, 플랫폼에서 생성하거나 가져옴 prompt_template: type: string description: >- 모델 요청용 프롬프트 템플릿으로, 플레이스홀더 `{{ knowledge }}`와 `{{ question }}`을 포함하는 사용자 정의 템플릿; 전달하지 않으면 기본 템플릿을 사용합니다 WebSearchTool: title: Web Search 도구(웹 검색) type: object required: - type - web_search additionalProperties: false properties: type: type: string enum: - web_search default: web_search description: 도구 유형, `web_search`로 고정 web_search: type: object required: - search_engine properties: enable: type: boolean description: 검색 기능을 활성화할지 여부, 활성화 시 `true`로 설정 default: false search_engine: type: string description: 검색 엔진 유형, 기본값 `search_std` enum: - search_std - search_pro - search_pro_sogou - search_pro_quark search_query: type: string description: 검색을 강제로 트리거하는 사용자 정의 키워드 search_intent: type: string description: |- 검색 의도 인식을 수행할지 여부, 기본적으로 수행 - `true`: 검색 의도 인식을 수행하고, 검색 의도가 있으면 검색을 실행 - `false`: 의도 인식을 건너뛰고 검색을 바로 실행 count: type: integer description: >- 반환 결과의 개수, 범위 `1-50`, 기본값 `10`(`search_std` / `search_pro` / `search_pro_sogou` 지원) minimum: 1 maximum: 50 default: 10 search_domain_filter: type: string description: '검색 결과를 제한하는 도메인 화이트리스트(예: `www.example.com`)' search_recency_filter: type: string description: 검색 결과의 시간 범위를 제한, 기본값 `noLimit` enum: - oneDay - oneWeek - oneMonth - oneYear - noLimit default: noLimit content_size: type: string description: |- 웹페이지 요약의 글자 수를 제어, 기본값 `medium` - `medium`: 요약 정보를 반환하여 기본 추론 요구를 충족 - `high`: 컨텍스트를 최대화하여 정보가 더 상세함 enum: - medium - high default: medium result_sequence: type: string description: 검색 결과를 반환하는 위치(모델 응답의 앞 또는 뒤), 기본값 `after` enum: - before - after default: after search_result: type: boolean description: 검색 출처의 상세 정보를 반환할지 여부, 기본값 `false` default: false require_search: type: boolean description: 검색 결과를 기반으로만 답변을 반환하도록 강제할지 여부, 기본값 `false` default: false search_prompt: type: string description: 검색 결과 처리를 사용자 정의하는 데 사용하는 `Prompt`, 전달하지 않으면 기본 템플릿을 사용합니다 McpTool: title: MCP 도구 type: object required: - type - mcp additionalProperties: false properties: type: type: string enum: - mcp default: mcp description: 도구 유형, `mcp`로 고정 mcp: type: object required: - server_label properties: server_label: type: string description: >- MCP server 식별자; 플랫폼 내장 MCP server에 연결할 때는 해당 mcp code를 입력하며, `server_url`은 입력할 필요가 없습니다 server_url: type: string description: MCP server 주소 transport_type: type: string description: 전송 유형 enum: - sse - streamable-http default: streamable-http allowed_tools: type: array description: 호출을 허용할 도구 집합 items: type: string headers: type: object description: MCP server에 필요한 인증 정보 Choice: type: object properties: index: type: integer description: 결과 인덱스 example: 0 message: $ref: '#/components/schemas/AssistantMessage' finish_reason: type: string description: |- 추론 종료 사유 - `stop`: 자연스러운 종료 또는 중지 단어 트리거 - `tool_calls`: 모델이 함수(도구 호출)에 적중 - `length`: token 길이 제한 도달 - `sensitive`: 콘텐츠가 안전 심사에 의해 차단됨(판단하여 공개 콘텐츠 철회 여부를 결정하세요) - `network_error`: 모델 추론 이상 - `model_context_window_exceeded`: 모델 컨텍스트 윈도우 초과 enum: - stop - tool_calls - length - sensitive - network_error - model_context_window_exceeded example: stop Usage: type: object description: 호출 종료 시 반환되는 Token 사용 통계 properties: prompt_tokens: type: integer description: 사용자 입력의 token 수 example: 24 completion_tokens: type: integer description: 출력의 token 수(사고 체인 `reasoning_tokens` 부분 포함) example: 346 total_tokens: type: integer description: token 총수 = prompt_tokens + completion_tokens example: 370 prompt_tokens_details: type: object description: 입력 token 상세 내역 properties: cached_tokens: type: integer description: 캐시에 적중한 token 수 example: 0 completion_tokens_details: type: object description: 출력 token 상세 내역 properties: reasoning_tokens: type: integer description: 사고 체인(심층 사고)에서 생성된 token 수, `completion_tokens`에 포함됨 example: 321 WebSearchResult: type: object description: 단일 웹 검색 결과 properties: icon: type: string description: 출처 사이트의 아이콘 title: type: string description: 검색 결과의 제목 link: type: string description: 검색 결과의 웹페이지 링크 media: type: string description: 검색 결과 웹페이지의 미디어 출처 이름 publish_date: type: string description: 사이트 게시 시각 content: type: string description: 검색 결과 웹페이지에서 인용한 텍스트 내용 refer: type: string description: 각주 번호 ContentFilter: type: object description: 콘텐츠 안전 정보 properties: role: type: string description: |- 안전이 적용되는 단계 - `assistant`: 모델 추론 - `user`: 사용자 입력 - `history`: 과거 컨텍스트 enum: - assistant - user - history level: type: integer description: 심각도 `0-3`, `0`은 가장 심각함을, `3`은 경미함을 의미 minimum: 0 maximum: 3 AssistantMessage: type: object properties: role: type: string description: 현재 대화 역할, 기본값 `assistant` enum: - assistant example: assistant content: type: - string - 'null' description: >- 대화 텍스트 내용 **설명**: 도구를 호출(`tool_calls`)할 때는 `null`일 수 있으며, 그렇지 않으면 모델 응답 내용을 반환합니다 example: 안녕하세요! 저는 GLM-5.2로, 대화, 추론, 작문, 코딩 등 다양한 작업을 도와드릴 수 있습니다. reasoning_content: type: string description: |- 사고 체인 내용 **설명**: `thinking`이 켜진 경우 반환되며, 모델의 추론 과정을 기록합니다 example: 먼저 이 문제를 분석해 보겠습니다…… tool_calls: type: array description: 생성된 도구 호출 정보(모델이 도구를 호출하기로 결정했을 때 반환) items: type: object properties: id: type: string description: 도구 호출의 고유 식별자 type: type: string description: 도구 호출 유형 enum: - function - mcp function: type: object description: 함수 호출 정보(생성된 함수 이름과 JSON 형식 인자를 포함) properties: name: type: string description: 생성된 함수 이름 arguments: type: string description: 함수 호출 인자의 JSON 형식 문자열, 함수를 호출하기 전에 인자를 검증하세요 mcp: type: object description: MCP 도구 호출 파라미터(`type=mcp`일 때 반환) properties: id: type: string description: MCP 도구 호출 고유 식별자 type: type: string description: MCP 호출 유형 enum: - mcp_list_tools - mcp_call server_label: type: string description: MCP server 라벨 error: type: string description: 오류 정보 securitySchemes: bearerAuth: type: http scheme: bearer description: >- ##모든 인터페이스는 Bearer Token 인증이 필요합니다## **API Key 발급**: [API Key 관리 페이지](https://evolink.ai/dashboard/keys)에 방문하여 API Key를 발급받으세요 **요청 헤더에 추가**: ``` Authorization: Bearer YOUR_API_KEY ``` ````