API

Un solo endpoint compatible con la API de OpenAI para hablarle a los ocho proveedores que soporta TokenGate. Autenticás con tu API key, elegís el model por su slug, y el gateway se encarga del resto: traducir al dialecto del proveedor, medir tokens y descontar tu saldo.

Qué hace el gateway con cada request

Cada llamada a /v1/chat/completions pasa por el mismo pipeline sea cual sea el proveedor real detrás del slug. Los pasos donde puede fallar son justamente los códigos de la tabla de errores comunes más abajo.

Autenticación

Todos los requests van con tu API key como Bearer token en el header Authorization. Las keys empiezan con tg_live_ y se generan desde /dashboard/keys.

Authorization: Bearer tg_live_51f...
Content-Type: application/json

Con la librería de OpenAI

Como TokenGate habla el mismo dialecto, el SDK oficial de OpenAI funciona sin modificaciones — solo cambiás base_url y api_key, y usás el slug de TokenGate en model. Funciona igual sea cual sea el proveedor real detrás del modelo, por ejemplo MiniMax:

from openai import OpenAI

client = OpenAI(
    base_url="https://tokengate.work/v1",
    api_key="tg_live_...",
)

response = client.chat.completions.create(
    model="MiniMax-M2.7",
    messages=[{"role": "user", "content": "Hola"}],
)
print(response.choices[0].message.content)

No hay nada específico de MiniMax en el código de arriba — el mismo client sirve para cualquier modelo del catálogo, cambiando solo el valor de model.

Chat completions

El endpoint principal. Acepta el mismo body que POST /v1/chat/completions de OpenAI: model, messages, temperature, max_tokens, tools, stream, etc. Usá el slug del modelo (ver catálogo de modelos) en el campo model.

POST /v1/chat/completions
Authorization: Bearer tg_live_...

{
  "model": "gpt-5.4",
  "messages": [
    {"role": "system", "content": "Sos un asistente conciso."},
    {"role": "user", "content": "Resumime la ley de Amdahl en 2 líneas."}
  ],
  "stream": false
}

{
  "id": "chatcmpl-8f2c...",
  "object": "chat.completion",
  "model": "gpt-5.4",
  "choices": [{
    "index": 0,
    "message": {"role": "assistant", "content": "La ley de Amdahl..."},
    "finish_reason": "stop"
  }],
  "usage": {"prompt_tokens": 24, "completion_tokens": 61, "total_tokens": 85}
}

Streaming (SSE)

Agregá "stream": true para recibir la respuesta token por token vía server-sent events, igual que en la API de OpenAI.

stream = client.chat.completions.create(
    model="claude-haiku-4-5",
    messages=[{"role": "user", "content": "Contame un chiste corto"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

Modelos con razonamiento

Los modelos que soportan esfuerzo de razonamiento (ver columna reasoning en /docs/modelos) aceptan reasoning_effort en el body, con valores que varían por modelo (low, medium, high, xhigh, o el booleano on según el proveedor). El nivel de razonamiento afecta el costo: más esfuerzo, más tokens de salida facturados.

{
  "model": "claude-opus-4-8",
  "reasoning_effort": "high",
  "messages": [{"role": "user", "content": "Diseñá un rate limiter distribuido"}]
}

Listar modelos disponibles

Trae el catálogo activo en formato compatible con OpenAI — útil para poblar un selector en tu propia app o verificar qué slug usar.

GET /v1/models
Authorization: Bearer tg_live_...

{
  "object": "list",
  "data": [
    {"id": "claude-sonnet-5", "object": "model", "owned_by": "anthropic"},
    {"id": "gpt-5.4", "object": "model", "owned_by": "openai"}
  ]
}

Errores comunes

TokenGate devuelve errores con la misma forma que OpenAI ({"error": {"code": "...", "message": "..."}}). Estos son los códigos que vas a ver más seguido: