> For the complete documentation index, see [llms.txt](https://unsloth.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://unsloth.ai/docs/jp/ji-chu/api.md). # UnslothをAPIエンドポイントとして使う方法 実行できます **ローカル LLM を** のようなツールで [Claude Code](/docs/jp/ji-chu/claude-code.md) と [Codex](/docs/jp/ji-chu/codex.md) それらのツールを Unsloth の **OpenAI 互換 API エンドポイント**。これにより、次のようなモデルを実行できます： [Qwen](/docs/jp/moderu/qwen3.6.md) と [Gemma](/docs/jp/moderu/gemma-4.md) をローカルでエージェント型コーディングに使えます。Unsloth には、自己修復 **ツール呼び出し**, **コード実行**や **ウェブ検索**. Unsloth を使うと、次の機能を備えた高速 API 推論エンドポイントを簡単にデプロイできます： * [**自己修復ツール呼び出し**](/docs/jp/shii/studio/chat.md#auto-healing-tool-calling)。壊れた、または不正な形式のツール呼び出しを 50% 削減するのに役立ちます * [**コード実行**](/docs/jp/shii/studio/chat.md#code-execution) のサポート。より正確なコード出力のために Bash と Python の実行が可能です。 * **高度な** [**ウェブ検索**](/docs/jp/shii/studio/chat.md#advanced-web-search) 。ページにアクセスして実際に読み込み、詳細な情報を収集します。 * [**自動推論** 設定](/docs/jp/shii/studio/chat.md#auto-parameter-tuning) GGUF モデル用（temp、top-k など） {% columns %} {% column %} Unsloth に読み込まれたモデル（GGUF を含む）は、 **認証済み API** として `llama-server`経由で公開されます。OpenAI が提供するのと同様に、セキュリティ上の理由から長い API キーが生成されます。 あなたの **ローカルモデル** は、その後、好みの AI エージェント、SDK、またはチャットクライアントで直接使えます。Unsloth は同じポートで 2 つの方言に対応しています。どちらもストリーミング、ツール呼び出し（OpenAI `ツール` / Anthropic `ツール`）と視覚入力をサポートします： {% endcolumn %} {% column %}
{% endcolumn %} {% endcolumns %} モデルが Unsloth の推論を通じて動作していても、独自のリモート OpenAI 互換エンドポイントを使っていても、ウェブ検索、コード実行、詳細調査などを含む Unsloth の完全なツール群にアクセスさせることができます。 * **Anthropic 互換 `/v1/messages`** は、Claude Code、OpenClaw、Anthropic SDK、および Messages API を期待するすべてのクライアント向けです。 * **OpenAI 互換 `/v1/chat/completions`** と **`/v1/responses`** は、OpenAI SDK、OpenCode、Cursor、Continue、Cline、Open WebUI、SillyTavern、および OpenAI 互換ツール向けです。 ### ⚡ クイックスタート {% stepper %} {% step %} #### Unsloth をダウンロード 始める最も簡単な方法は、 [Unsloth Desktop](/docs/jp/desktop.md) アプリをインストールすることです。 [MacOS](/docs/jp/meru/install/mac.md)、Linux、 [Windows](/docs/jp/meru/install/windows-installation.md), [NVIDIA](/docs/jp/meru/install/pip-install.md), [AMD](/docs/jp/meru/install/amd.md)、Intel および CPU 構成をサポートしています。 Unsloth をダウンロード * :apple: [macOS 用をダウンロード](https://unsloth.ai/download/mac) * :windows: [Windows 用をダウンロード](https://unsloth.ai/download/windows) * :linux: [Linux 用をダウンロード](https://unsloth.ai/download/linux) または、手動でインストールしたい場合： **MacOS、Linux、WSL：** ```bash curl -fsSL https://unsloth.ai/install.sh | sh ``` **Windows PowerShell：** ```bash irm https://unsloth.ai/install.ps1 | iex ``` {% endstep %} {% step %} #### インストール 1. Unsloth インストーラを開く（`.dmg`, `.exe` ファイル） 2. Mac では Unsloth を Applications にドラッグするか、Windows ではセットアップを完了してください。 3. アプリを起動し、インストールが完了するまで待ちます {% endstep %} {% step %} #### モデルを選択 上部の「Select model」ドロップダウンまたは「Model hub」タブを開き、デバイスに合ったモデルと量子化方式を選択してからダウンロードします。完了したら、すぐにチャットを始められます。セットアップは不要です。
{% endstep %} {% step %} #### これで Unsloth の準備ができました チャットを始めるには、メッセージを入力して Enter を押してください。 * **API キーを作成します。** 左下の **Unsloth** アバターをクリック → **設定** → **API** → キー名を入力 → **作成**。 `sk-unsloth-…` という値をコピーします。Unsloth では一度しか表示されません。 * **クライアントを Unsloth に向けます。** 使用 `http://localhost:PORT` をベース URL とし、認証には `sk-unsloth-…` キーを使用します。以下のツールの手順に進んでください。
{% endstep %} {% endstepper %} ### 🔑 API キーの作成 1. サイドバーを開き、左下の **Unsloth** アバターをクリックします。 2. へ移動 **設定** → **API** （地球 :globe\_with\_meridians: アイコン）。 3. わかりやすい名前を入力します（例： `claude-code-macbook`）。有効期限を設定します（任意） 4. クリック **作成**. 5. **キーをコピーします。** Unsloth はハッシュのみを保存し、再表示はできません。
すべてのキーは `sk-unsloth-` プレフィックスで始まります。キーは同じページからいつでも失効できます。失効したキーで送られたリクエストは `401 Unauthorized`. {% hint style="warning" %} API キーはパスワードのように扱ってください。キーとネットワークアクセスを持つ誰でも、読み込まれたモデルにリクエストを送れます。 {% endhint %} ### ⏳ モデルの読み込み {% stepper %} {% step %} #### モデルを選択 API を使う前に、Chat ページの左上にある **Select model** ドロップダウンからモデルを読み込んでください。
このガイドでは、次を使用します： `unsloth/gemma-4-26B-A4B-it-GGUF` と推奨の `UD-Q4_K_XL` 量子化です。 {% endstep %} {% step %} #### モデルをテスト クライアントを使う前に、短いメッセージを送ってください：
{% hint style="info" %} これで、モデルが正しく読み込まれ、応答可能であることを確認できます。 {% endhint %} {% endstep %} {% step %} #### **Unsloth API キー** Unsloth で **Settings → API** を開いて API キーを表示または作成します。
API キーはパスワードのように扱い、スクリーンショットやリポジトリに露出させないでください。 {% endstep %} {% endstepper %} ### :terminal: Unsloth 実行コマンド 1. **Unsloth Studio をインストールまたは更新します。** 以前のバージョンでは外部 API は公開されません。インストールを参照してください。 2. **GGUF モデルを読み込みます。** run コマンドを使って GGUF モデルを読み込みます。これにより、既定のポートで UI も読み込まれます。エンドポイント URL と API キーはコンソールに出力され、お好みのクライアントですぐに使えます。 ```bash unsloth run --model unsloth/Qwen3.8-27B-GGUF-GGUF:UD-Q4_K_XL --temp 1.0 \ --top-p 0.95 \ --top-k 20 \ --min-p 0.0 \ --chat-template-kwargs '{"reasoning_effort":"medium"}' ``` 必要に応じて設定を調整してください。 #### CLI からモデルを読み込む を使えば、モデルを読み込み、API キーも自動で作成できます。 `unsloth` CLI ツール。モデルの読み込みが完了すると、エンドポイント URL と API キーがコンソールに表示されます。任意のクライアントにコピーすれば準備完了です。 #### 始める前に 以前のバージョンでは外部 API は公開されないため、Unsloth Studio の最新バージョンを使用していることを確認してください。 [インストール](/docs/jp/shii/studio/install.md). #### 手早く行う方法 ターミナルを開き、GGUF モデルを読み込みます： ```bash unsloth run --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL ``` これで既定ポートでサーバーが起動し、UI が読み込まれ、エンドポイント URL と API キーが表示されます。 #### モデル名の仕組み モデルの指定方法はいくつかあります。使いやすいものを選んでください： ```bash # 統合型：リポジトリと量子化バリアントを 1 つの文字列にまとめる（推奨 — 最短） unsloth run --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL # 分離型：リポジトリとバリアントを 2 つのフラグで指定（古い形式だが、今でも使えます） unsloth run --model unsloth/gemma-4-26B-A4B-it-GGUF --gguf-variant UD-Q4_K_XL # -hf / --hf-repo を使う方法（llama.cpp の表記に合わせたもので、そこから移行してきた場合に便利） unsloth run -hf unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL ``` ### 実行の調整（任意） 基本的な読み込みにはこれらは不要ですが、 `unsloth run` は、パフォーマンス、メモリ使用量、コンテキスト長、生成動作、ネットワーク、ツールアクセスをカスタマイズするための多くの llama-server ランタイムフラグをサポートしています。 追加フラグは基盤の推論サーバーに直接渡され、指定した値が Unsloth のデフォルトを上書きします。設定／サンプリングのフラグが設定されていない場合、Unsloth はコンテキスト長、temperature などを含む、そのモデルに最適な推奨設定を自動的に選択します。 #### 推論動作を制御する 一部の推論対応モデルでは、思考や推論動作を制御する追加フラグをサポートしています。 ```bash # 推論／思考出力を無効にする unsloth run \ --model unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_XL \ --reasoning on \ --reasoning-effort medium ``` 推論の強度とフラグは、モデルのサポート内容によって異なります。 #### 生成動作を調整する サンプリング設定は、生成時にモデルがどれだけ創造的、集中、決定的に振る舞うかを制御します。 ```bash # ランダム性を下げ、再現性を向上させる unsloth run \ --model unsloth/Qwen3-1.7B-GGUF \ --temp 0.6 \ --seed 42 ``` temperature の値を低くすると通常はより安定した出力になります。一方で、top-p、top-k、min-p、repeat penalty の設定は、トークン選択と反復をさらに制御します。 ```bash # トークン選択と反復の動作を調整する unsloth run \ --model unsloth/Qwen3-1.7B-GGUF \ --top-p 0.95 \ --top-k 20 \ --min-p 0.05 \ --repeat-penalty 1.1 ``` #### コンテキスト長と CPU スレッド数を増やす 大規模プロジェクト、長いチャット、より多くのメモリを必要とするエージェントワークフローで作業する場合に便利です。 ```bash # より大きなコンテキストウィンドウとより多くの CPU スレッドを使う unsloth run \ --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL \ -c 131072 \ --threads 32 ``` #### ローカルネットワーク上に API を公開する 既定では、Unsloth はあなたのマシン上でローカルにのみ動作します。 `0.0.0.0`. ```bash # LAN デバイスからの接続を許可する unsloth run \ --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL \ -H 0.0.0.0 \ -p 8888 ``` #### サーバー側ツールを有効化または無効化する ウェブ検索やコード実行などのツールを推論サーバーが公開するかどうかを制御します。 ```bash # 明示的にツールを有効化する unsloth run \ --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL \ --enable-tools ``` ```bash # 明示的にツールを無効化する unsloth run \ --model unsloth/gemma-4-26B-A4B-it-GGUF:UD-Q4_K_XL \ --disable-tools ``` Unsloth は、コンテキストサイズ、GPU レイヤー、スレッド、サンプリング、ネットワーク、ツール設定を含む、ほとんどの llama-server ランタイムフラグをサポートしています。 詳細は [llama-server](https://github.com/ggml-org/llama.cpp/tree/master/tools/server) サポートされているランタイムフラグの完全な一覧についてはドキュメントを参照してください。 #### **サーバー側ツールのポリシー** `unsloth run` は、サーバー側ツール（ウェブ検索、コード実行など）が推論サーバーで公開されるかどうかを制御します。既定値はバインドアドレスに基づきます： * **`127.0.0.1` （localhost）** — ツール **オン** が既定です。サーバーには自分のマシンからしかアクセスできません。 * **`0.0.0.0` または任意の非ループバックアドレス** — ツール **オフ** が既定です。ネットワークに公開されたサーバーで API キーが漏れると、ホスト上で任意のコードが実行される可能性があります。 **フラグ：** * `--enable-tools` / `--disable-tools` — 強制的にオンまたはオフにします。オン `0.0.0.0`, `--enable-tools` では y/N のセキュリティプロンプトが表示されます。 * `--yes` / `-y` — プロンプトをスキップします（自動化用）。 解決されたポリシーはプロセスレベルの強制上書きです。個々のリクエストは `enable_tools=true` をリクエスト本文に入れても回避できません。
### 🌐 エンドポイント Unsloth は起動したポートで API を公開します。通常は `http://localhost:8000` または `http://localhost:8888`. 認証には `Authorization: Bearer sk-unsloth-…` ヘッダーを各リクエストに付けてください。エンドポイントの利用可否は、Unsloth のバージョン、バックエンド、モデルによって異なります。 **チャットとテキスト** | エンドポイント | 用途 | | --------------------------- | --------------------------------------------------------------- | | `POST /v1/chat/completions` | ストリーミングやツール呼び出しを含む、OpenAI 互換のチャット補完。 | | `POST /v1/responses` | Codex やその他の互換クライアント向けの OpenAI 互換 Responses API。 | | `POST /v1/messages` | Claude Code、OpenClaw、その他の互換クライアント向けの Anthropic 互換 Messages API。 | | `POST /v1/completions` | チャット形式なしのテキスト補完。GGUF または MLX モデルが必要です。 | Responses リクエストでは、会話履歴を `input`。サーバー管理の履歴は `previous_response_id` または `会話` はサポートされていません。 **モデル、埋め込み、トークン数カウント** | エンドポイント | 用途 | | -------------------------------- | ----------------------------------------------------------------------- | | `GET /v1/models` | 読み込み済みのモデルとローカルで利用可能なモデルを一覧表示します。 `loaded` を確認して、現在メモリ上にあるモデルを特定してください。 | | `GET /v1/models/{model_id}` | モデルのメタデータを取得します。 | | `GET /v1/props` | llama-server 互換のサーバープロパティを読み取ります。 | | `POST /v1/embeddings` | 読み込まれた embedding GGUF または Unsloth で設定された埋め込みモデルを使って埋め込みを生成します。 | | `POST /v1/chat/count_tokens` | OpenAI 形式のメッセージのプロンプトトークン数を数えます。 | | `POST /v1/messages/count_tokens` | Anthropic 形式のメッセージの入力トークン数を数えます。 | **画像** | エンドポイント | 用途 | | ----------------------------- | ----------------------------- | | `POST /v1/images/generations` | 対応する拡散モデルを使ってプロンプトから画像を生成します。 | **音声** | エンドポイント | 用途 | | ------------------------------- | -------------------------------------------- | | `POST /v1/audio/speech` | OpenAI 互換のテキスト読み上げ。 | | `POST /v1/audio/generate` | チャット形式のメッセージから音声を生成します。base64 の WAV 音声を返します。 | | `POST /v1/audio/transcriptions` | アップロードされた音声ファイルを書き起こします。 | | `POST /v1/audio/translations` | アップロードされた音声ファイル内の音声を英語に翻訳します。 | | `POST /v1/audio/inputs` | 再利用のために音声をアップロードします。音声は生のリクエスト本文として送信してください。 | | `POST /v1/audio/run` | モデルに応じて、複製、編集、変換、音楽生成、分離などの音声ワークフローを実行します。 | 保存された音声入力のサポート `GET /v1/audio/inputs/{input_id}/file` と `DELETE /v1/audio/inputs/{input_id}`. 保存済みの音声は次で管理します `GET` または `POST /v1/audio/voices`, `PATCH` または `DELETE /v1/audio/voices/{voice_id}`や `GET /v1/audio/voices/{voice_id}/file`. **動画** | エンドポイント | 用途 | | ----------------------------------- | ---------------------- | | `POST /v1/videos` | 動画生成ジョブを作成します。 | | `GET /v1/videos` | 動画ジョブを一覧表示します。 | | `GET /v1/videos/{video_id}` | ジョブのステータスとメタデータを取得します。 | | `GET /v1/videos/{video_id}/content` | 完了した動画をダウンロードします。 | | `DELETE /v1/videos/{video_id}` | 動画ジョブを削除します。 | 画像、音声、動画の生成には、要求されたタスクをサポートするモデルが必要です。 **構造化された決定** | エンドポイント | 用途 | | -------------------- | --------------------------------- | | `POST /v1/systemone` | Decision API を使用して構造化された質問に回答します。 | で Decision API を有効化します **Settings → API** そして最初に意思決定モデルを選択します。リクエストでは `状態` および名前付きの `質問`、質問タイプは `ヌル`, `選択肢`、または `スコア`. **ローカル API を確認する** 開く `http://localhost:8888/docs` は Unsloth が生成したインタラクティブな API リファレンス用で、または `/openapi.json` 機械可読なスキーマ用です。置き換えてください `8888` をあなたの Unsloth のポートに。 このリファレンスはインストール済みのバージョンを反映しており、内部の Unsloth ルートも含まれます。一部の互換ルートは非表示で、手動解析されたリクエスト本文は完全なスキーマを持たない場合があります。 参照 [Curl と HTTP](https://unsloth.ai/docs/integrations/connect-curl-and-http-to-unsloth) のリクエスト例を参照してください。 ### 🖇️ クライアントの接続 Unsloth では、次を含むほとんどのフレームワークを介してローカル LLM を実行できます: [Claude Code](/docs/jp/ji-chu/claude-code.md), [Codex](/docs/jp/ji-chu/codex.md), [OpenClaw](/docs/jp/tong-he/openclaw.md), [OpenCode](/docs/jp/tong-he/opencode.md) など。手順は以下の個別ツールをクリックしてください： {% columns %} {% column width="50%" %} {% content-ref url="/pages/ee610b22aa43d29d8415fd27eb7de15ba88f7385" %} [Claude Code](/docs/jp/ji-chu/claude-code.md) {% endcontent-ref %} {% content-ref url="/pages/c87896ff7159620f4c01bb39fe9df1fd1a55274e" %} [OpenAI Codex](/docs/jp/ji-chu/codex.md) {% endcontent-ref %} {% content-ref url="/pages/f70478a97a94b1f315a2c502fe67fb5f4f746cb9" %} [Curl & HTTP](/docs/jp/tong-he/curltohttpwounslothnisuru.md) {% endcontent-ref %} {% endcolumn %} {% column width="50%" %} {% content-ref url="/pages/1040e353b555381fe4f250e6417f1e51602685b2" %} [OpenClaw](/docs/jp/tong-he/openclaw.md) {% endcontent-ref %} {% content-ref url="/pages/3864bcb37ba6a47277fdce43a7f1d4bc977d7edb" %} [OpenCode](/docs/jp/tong-he/opencode.md) {% endcontent-ref %} {% content-ref url="/pages/1cb063d078a6ee398eff3b5e436d43e1fb2d6e52" %} [Python SDK](/docs/jp/tong-he/python-sdkwounslothnisuru.md) {% endcontent-ref %} {% endcolumn %} {% endcolumns %} 別のマシンからこのエンドポイントに到達するには、次を付けて起動します: `unsloth studio --secure`。Unsloth は localhost にバインドされたまま、無料の Cloudflare HTTPS URL で公開されます。その URL を次の代わりに使用してください: `http://127.0.0.1:8888` をクライアントのベース URL としてください。なお、サーバー送信イベントは Cloudflare のクイックトンネルでは維持されないため、次を設定してください: `stream: false` それ経由で呼び出す場合。 ### 🧰 ツール呼び出し 両方のエンドポイントは、ネイティブ形式の function / tool 呼び出しに対応しており、さらに Unsloth の組み込みツール向けの Unsloth 独自の短縮表記も使えます。 **OpenAI 形式のツール：** 送信する `ツール` と `tool_choice` を `/v1/chat/completions` OpenAI と同じように正確に。Claude Code（経由 `/v1/messages`） **Anthropic 形式のツール：** 送信する `ツール` （ `input_schema`） `tool_choice` を `/v1/messages` Claude と同じように正確に。 Unsloth サーバーサイドツール: Unsloth は Python、ウェブ検索、bash を実行できます *サーバーサイド* そして結果を次の形式でストリーム配信して返します: `tool_result` イベント。どちらのエンドポイントにも次の追加フィールドを加えることで有効にできます： ```json { "messages": [{"role": "user", "content": "123 * 456 はいくつですか？ Python を使ってください。"}], "stream": true, "enable_tools": true, "enabled_tools": ["python", "web_search","terminal"], "session_id": "my-session" } ``` モデルは次のターンで各ツールの出力を確認します。より詳細な内容（スキーマ、ストリーミングイベント、チェイニング）については、参照してください。 {% hint style="info" %} Anthropic を使っている場合 `/v1/messages` エンドポイントでは、 `tool_choice` きれいに対応します：Anthropic `auto` → OpenAI `auto`、Anthropic `任意の` → OpenAI `必須の`、Anthropic `{type: "tool", name: "x"}` → OpenAI `{type: "function", function: {name: "x"}}`、Anthropic `none` → OpenAI `none`. {% endhint %} ### 📈 API モニター このエンドポイント経由のすべての呼び出しは、Unsloth 内の 2 か所にリアルタイムで表示されます： API キーの通信が届くとすぐに、API モニターのサイドパネルが自動的に隅に開きます。アクティブなモデル、リアルタイムのリクエスト、エラー、平均レイテンシーを要約表示します。
「フルモニターに展開」を押すか、Settings>API Monitor に移動して完全な **API** ページを開くと、モデルの読み込み、プロンプト、応答、トークン数、最初のトークンまでの時間、スループット、エラーメッセージがモニターに表示されます。
### ❔ トラブルシューティング **`401 Unauthorized`** ： どちらかの `Authorization` ヘッダーがないか、キーが間違っています。キーは次の形式で渡す必要があります: `Authorization: Bearer sk-unsloth-…`。キーを紛失した場合は、次から新しいキーを作成してください: **Settings → API。** Unsloth は作成後に古いキーを表示しません。 **`モデルサーバーへの接続が失われました`** ：Unsloth は基盤となる llama.cpp サーバーに接続できませんでした。通常はモデルの読み込みが完了した後にクラッシュしたか、Unsloth 内でモデルタブが閉じられています。次からモデルを再読み込みしてください: **新しいチャット** して再試行してください。 **Claude Code に既定の Anthropic モデルが表示され、ローカルのものが表示されない** ： 3 つの環境変数すべてが次の場所で export されているか確認してください: **同じ** シェルで、次を実行する `claude`: ```bash echo $ANTHROPIC_BASE_URL echo $ANTHROPIC_AUTH_TOKEN echo $ANTHROPIC_MODEL ``` 次に実行します: `/model` Claude Code 内で確認してください。Windows PowerShell では次を使用します: `$env:ANTHROPIC_BASE_URL` など。 **`stream: true` SSE ではなく単一の JSON ブロブを返します** ： 正しいパス（`/v1/messages` または `/v1/chat/completions`）にアクセスしていること、また HTTP クライアントが応答をバッファリングせず、実際にストリームとして消費していることを確認してください。 **opencode（または OpenClaw / その他のクライアント）に追加するモデル名が見つかりません** ： Unsloth に直接問い合わせてください。 `GET /v1/models` クライアントの「Model ID」フィールドに入力する必要がある正確なモデル ID を返します: ```bash curl http://localhost:8888/v1/models \\ -H "Authorization: Bearer sk-unsloth-xxxxxxxxxxxx" ``` 次の形式の JSON ペイロードが返ってきます `{"data": [{"id": "gemma-4-26B-A4B-it-GGUF", ...}]}`。 `id` の値です。これは opencode の **Model ID** フィールド（左側の列）と OpenClaw の `models[].id` が期待する値です。右側の表示名は、ユーザーに見せたい任意の名前です。 **ツール呼び出しが実行されません** ： モデルはクライアント側ツール（`ツール` / `tool_choice`）のためにツール呼び出しをサポートしている必要があります。Unsloth の組み込みツールでは、次を設定することを忘れないでください: `enable_tools: true` **と** 必要なものを次に列挙してください: `enabled_tools` （例: `["python", "web_search"]`). * **クライアントで接続エラーが報告されます。** API モニターを開いてください。呼び出しの行がない場合は Unsloth に到達していません。クライアントのベース URL を次と比較してください: **Base URL** そのページ上部に表示されているものと。 * **返信が途中で切れます。** 確認してください **使用されたコンテキスト** が API モニターのリクエストにあります。100% 近く、または stop reason が `length`の場合は、モデルの失敗ではなくコンテキストウィンドウがいっぱいになったことを意味します。 --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation by asking a question. Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters: ``` GET https://unsloth.ai/docs/jp/ji-chu/api.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.