Come si realizza un plugin o un'app con AI integrata, ad esempio integrando l'API Claude in un plugin WordPress?

Question

Accepted Answer

Realizzi l'AI in un'app chiamando l'API del modello **lato server** e trattando il suo output come input non attendibile. Per Claude, questo significa chiamare l'**API Messages** dal tuo backend (PHP, per un plugin WordPress) con la chiave API conservata sul server — mai in JavaScript lato client, dove chiunque potrebbe rubarla.

## Perché è importante

La regola chiave: la **API key vive sul server**. Il browser parla con *il tuo* endpoint; *il tuo* endpoint parla con Claude.

```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
```

## Oltre le basi

```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
```

Valida sempre **l'output del modello prima di usarlo**: non eseguirlo mai come codice, non renderizzarlo senza escape, e non scriverlo sul tuo DB senza controlli. Il modello è un generatore di testo potente ma fallibile, non una fonte attendibile.

## Perché è importante

Spedire AI dentro un prodotto reale è per lo più l'ingegneria noioso-ma-critica intorno alla chiamata, non la chiamata stessa. Mantenere la chiave lato server previene il furto e le fatture fuori controllo; gestire errori, limiti di frequenza e costi mantiene la feature affidabile e economica; e validare l'output prima di agire su di esso previene gli errori del modello o un'istruzione iniettata dal diventare una falla di sicurezza. Se fai bene queste cose, l'API Messages diventa un blocco costruttivo affidabile; se le salti, una demo impressionante si trasforma in una chiave compromessa, una fattura sorpresa, o uno sfruttamento.