Інтеграція Claude API в мобільний додаток під ключ

Інтеграція Claude API в мобільний додаток

Типова ситуація: ви розробляєте мобільний чат-асистент на Swift або Kotlin і вибираєте між OpenAI та Anthropic. Claude API від Anthropic дає контекст до 200k токенів (claude-3-5-sonnet), нативну підтримку vision та відмінну якість російської мови. Ми підключаємо Claude до вашого додатку під ключ: від архітектури backend-proxy до фінального тестування streaming. Наш досвід — понад 30 проєктів з AI-інтеграціями, що дозволяє скоротити час виведення на ринок у 2-3 рази порівняно з самостійною розробкою.

Безпечна робота з ключами

Anthropic API key (sk-ant-...) категорично заборонено зберігати на клієнті. Правило одне: ключ тільки на backend. Мобільний клієнт спілкується з вашим proxy-сервером, який додає заголовок x-api-key і передає запит в api.anthropic.com. Архітектура proxy: будь-який backend — Laravel, FastAPI, Cloudflare Worker. Мінімальна реалізація на Cloudflare Worker займає ~30 рядків і обробляє як звичайні запити, так і streaming. Холодний старт Workers — 5–10 ms, latency непомітна.

На стороні мобільного клієнта: JWT-аутентифікація користувача на proxy. Proxy перевіряє токен, застосовує rate limiting (наприклад, 20 запитів/хвилину на користувача) і логує input_tokens/output_tokens для аналітики витрат. Ми гарантуємо, що ключ не покине backend.

Чому Messages API відрізняється від OpenAI?

Anthropic Messages API відрізняється від OpenAI Chat Completions кількома деталями:

• Системний промпт — окреме поле system, не елемент масиву messages. Правильніше тримати системний контекст у system, а не в messages[0] з role: "system".
• Ролі: тільки user та assistant (немає system у messages).
• Немає function_calling — є tools з input_schema у форматі JSON Schema.

{
  "model": "claude-haiku-4-5",
  "max_tokens": 1024,
  "system": "Ти помічник у мобільному додатку ...",
  "messages": [
    {"role": "user", "content": "Поясни цей документ"},
    {"role": "assistant", "content": "Звісно, ..."},
    {"role": "user", "content": "А що означає пункт 3?"}
  ]
}

Streaming на мобільному: як прискорити відповідь

Claude API підтримує SSE-streaming з stream: true. Формат трохи відрізняється від OpenAI: подія content_block_delta несе delta.text — це токен; message_stop — кінець потоку. На iOS парсимо через URLSessionDataDelegate, на Android — OkHttp EventSource. Дельта-події приходять кожні 10–50 ms при активній генерації. Буферизуємо перед оновленням UI: оновлюємо @Published var streamText не при кожній події, а через Throttle publisher (iOS) або distinctUntilChanged + debounce (Android Flow).

Порівняння streaming Claude vs OpenAI:

Як аналізувати зображення через Claude на мобільному?

Claude 3+ нативно підтримує зображення у messages. Формат:

{
  "role": "user",
  "content": [
    {
      "type": "image",
      "source": {
        "type": "base64",
        "media_type": "image/jpeg",
        "data": "<base64>"
      }
    },
    {"type": "text", "text": "Що зображено на фото?"}
  ]
}

На мобільному: стискаємо зображення перед відправленням. JPEG якість 70, максимальний розмір 1568×1568 (обмеження API). Resize + compress через UIGraphicsImageRenderer (iOS) або Bitmap.createScaledBitmap + compress (Android). Економія токенів у 5–10 разів порівняно з відправленням RAW.

Управління діалогом та RAG

Claude тримає 200k токенів, але для мобільного чату це overkill і дорого. На практиці — ковзне вікно останніх 20 повідомлень достатньо. Для спеціалізованих додатків (юридичний асистент, медичний довідник) — RAG (Retrieval Augmented Generation): зберігаємо документи у векторній БД на backend, при кожному запиті доповнюємо system промпт релевантними фрагментами. Не збільшує розмір історії, але дає доступ до великої бази знань. Детальніше про RAG у документації Anthropic.

Обробка помилок Anthropic API

529 Overloaded — сервери перевантажені, застосовуємо експоненційний backoff. 400 з error.type = "invalid_request_error" — зазвичай перевищено max_tokens або невірний формат content. 401 — невірний ключ на proxy. Всі помилки логуємо з request ID (x-request-id) — потрібен для звернення в підтримку Anthropic.

Кейс: юридичний асистент для B2B-додатку. Використали claude-3-5-sonnet, аналіз договорів. Користувач фотографує сторінку договору, асистент виділяє ключові умови та ризики. Зображення resize до 1200px по довгій стороні, JPEG 80. Середній запит: 2400 input tokens (зображення ~1800 + текст 600) + 800 output. Streaming — перші слова з'являються через 350 ms. Користувачі не помічають затримку при streaming порівняно з «порожнім екраном 4 секунди» без нього.

Порівняння моделей Claude

Вибір моделі залежить від сценарію: для простого чату Haiku, для складного аналізу — Sonnet або Opus. Ми допоможемо підібрати оптимальну модель та налаштувати fallback для зниження витрат.

Що входить у роботу

• Архітектура backend-proxy (Cloudflare Worker / Laravel / FastAPI)
• Інтеграція Messages API з streaming та vision
• Управління діалогами (ковзне вікно, RAG при необхідності)
• Логування токенів та обробка помилок
• Документація з розгортання та підтримки
• Тестування з TestFlight / Firebase App Distribution

Терміни та вартість

Базова інтеграція з streaming, контекстом діалогу та backend-proxy — 3–5 робочих днів. З підтримкою зображень та RAG — 1–2 тижні. Вартість розраховується індивідуально. Зв'яжіться з нами для оцінки вашого проєкту — ми підготуємо пропозицію протягом дня. Також ви можете замовити консультацію з архітектури — її вартість спишеться з основного проєкту.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.