Hogyan építenek be AI-t egy pluginba vagy alkalmazásba, például a Claude API integrálásával egy WordPress pluginba?

Question

Accepted Answer

Az AI-t úgy építed be egy alkalmazásba, hogy az API-t **szerver-oldalon** hívod meg, és a kimenetét nem megbízható bemenetként kezeled. A Claude esetében ez azt jelenti, hogy a **Messages API**-t a backendjéből (PHP a WordPress pluginhoz) hívod meg az API-kulccsal, amely a szerveren marad — soha nem az ügyféloldali JavaScriptben, ahol bárki ellophatná.

## A szerver-oldali hívás

Az alapvető szabály: az **API-kulcs a szerveren él**. A böngésző *a te* endpointodhoz beszél; *a te* endpointod beszél a Claudeval.

```php
<?php
// In a WordPress plugin: run this in PHP (server-side), never expose the key to JS.
$resp = wp_remote_post( 'https://api.anthropic.com/v1/messages', [
  'headers' => [
    'x-api-key'         => getenv( 'ANTHROPIC_API_KEY' ), // from env/secret store, not code
    'anthropic-version' => '2023-06-01',
    'content-type'      => 'application/json',
  ],
  'timeout' => 30,
  'body' => wp_json_encode( [
    'model'      => 'claude-sonnet-4-5',   // pick a current model id
    'max_tokens' => 1024,                   // cap output → controls cost
    'messages'   => [
      [ 'role' => 'user', 'content' => $user_prompt ],
    ],
  ] ),
] );

if ( is_wp_error( $resp ) ) { /* handle network/timeout errors, maybe retry */ }
$data = json_decode( wp_remote_retrieve_body( $resp ), true );
$text = $data['content'][0]['text'] ?? '';   // validate before trusting/displaying it
```

## Az alapokon túl

```text
- TOOL USE / FUNCTION CALLING → let the model call your functions (search, DB lookup)
- STREAMING                   → stream tokens for a responsive UI on long answers
- PROMPT CACHING              → cache a large static system prompt → cheaper, faster
- STRUCTURED OUTPUT           → ask for JSON, then parse + schema-validate it
- ERRORS & RATE LIMITS        → handle 429/5xx with backoff + retry; show a fallback
- COST                        → cap max_tokens, log token usage, set per-user limits
```

Mindig **validáld a modell kimenetét használat előtt**: soha ne futtasd kódként, ne rendereld escape nélkül, és ne írd az adatbázisodba ellenőrzés nélkül. A modell egy erőteljes, de hibázható szövegképző, nem egy megbízható forrás.

## Miért számít

Az AI-t egy valós termékbe szállítani többnyire a hívás körüli unalmas, de kritikus mérnöki munka, nem maga a hívás. Az API-kulcs szerver-oldalon tartása megakadályozza a lopást és az elszabaduló számlákat; a hibák, a sebességkorlátok és a költségek kezelése megbízhatóvá és megfizethető marad a funkció; a kimenet validálása az alkalmazás előtt megelőzi, hogy a modell hibái vagy egy injektált utasítás biztonsági résévé váljon. Ha ezeket jól csinálod, a Messages API megbízható építőelem lesz; ha kihagyod őket, egy lenyűgöző bemutató ellopott kulccsá, egy meglepő számlához vagy egy exploithoz válik.