OpenAI-совместимый LLM API для ботов, агентов и CRM в России.

<!-- Вставьте этот код перед </body> на вашей странице -->
<script
 src="/widget.js"
 data-token="ваш_ключ_из_кабинета" // Ваш уникальный токен
 data-name="Ассистент llmcod.ru"
 data-color="#22c55e" // Цвет акцентов виджета
 data-avatar="https://llmcod.ru/logo.png" // Аватар ассистента
 data-system="Отвечай кратко. При неопределённости — направляй на почту" // Ваши указания поведения...
></script>
       

from openai import OpenAI

client = OpenAI(
    api_key="ваш_ключ_из_кабинета",  # без sk-
    base_url="https://llmcod.ru/v1"
)

response = client.chat.completions.create(
    model="Qwen/Qwen3-30B-A3B-Instruct",
    messages=[
        {"role": "user", "content": "Привет! Как дела?"}
    ]
)

print(response.choices[0].message.content)

from openai import OpenAI

client = OpenAI(
    api_key="ваш_ключ_из_кабинета",  # без sk-
    base_url="https://llmcod.ru/v1"
)

# История диалога — агент помнит весь контекст
history = [
    {"role": "system", "content": "Ты агент поддержки. Квалифицируй лид: узнай имя, задачу и бюджет."}
]

def agent_step(user_message):
    history.append({"role": "user", "content": user_message})
    resp = client.chat.completions.create(
        model="Qwen/Qwen3-30B-A3B-Instruct",
        messages=history
    )
    answer = resp.choices[0].message.content
    history.append({"role": "assistant", "content": answer})
    return answer

# Шаг 1 — первый контакт
print(agent_step("Хочу автоматизировать обработку заявок"))

# Шаг 2 — агент помнит предыдущий ответ
print(agent_step("Меня зовут Алексей, бюджет ~50 000 ₽"))

# Шаг 3 — итог квалификации
print(agent_step("Сколько заявок в день нужно обрабатывать?"))

from openai import OpenAI
import json

client = OpenAI(
    api_key="ваш_ключ_из_кабинета",  # без sk-
    base_url="https://llmcod.ru/v1"
)

tools = [{
    "type": "function",
    "function": {
        "name": "get_weather",
        "description": "Получить текущую погоду в городе",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "Название города"}
            },
            "required": ["city"]
        }
    }
}]

resp = client.chat.completions.create(
    model="Qwen/Qwen3-30B-A3B-Instruct",
    messages=[{"role": "user", "content": "Какая погода в Москве?"}],
    tools=tools,
    tool_choice="auto"
)

tool_call = resp.choices[0].message.tool_calls[0]
print(tool_call.function.name)       # get_weather
print(tool_call.function.arguments)  # {"city": "Москва"}