เรียก Claude API ครั้งแรกด้วย Python ใน 30 นาที

ถ้าเคยใช้ AI ผ่านหน้าเว็บมาตลอด วันนี้คือวันขยับบทบาท: จากคนพิมพ์ถามในกล่องแชต มาเป็นคนสั่ง AI ด้วยโค้ดของตัวเอง ซึ่งเป็นประตูสู่ของจริงทุกอย่างในสาย AI Engineer เพราะพอเรียกผ่านโค้ดได้ มันแปลว่าต่อเข้าระบบอื่นได้ ทำงานอัตโนมัติได้ และสร้างเป็นแอปของตัวเองได้ ใน 30 นาทีนี้เราจะพาไปถึงสคริปต์ Python ที่คุยกับ Claude ได้จริงบรรทัดต่อบรรทัด

ชิ้นนี้ต่างจาก workshop ก่อนหน้า ที่รันโมเดลบนเครื่องตัวเอง คราวนี้เราเรียกโมเดลระดับท็อปผ่านอินเทอร์เน็ตแทน แลกกับค่าใช้จ่ายเล็กน้อยต่อครั้ง (จะพาไปดูตัวเลขจริงในขั้นสุดท้าย) ส่วนใครยังไม่เห็นภาพว่าสาย AI Engineer คืออะไร แวะอ่านโรดแมปเริ่มเป็น AI Engineerก่อนได้

ขั้นที่ 1: สมัครบัญชีนักพัฒนา แล้วสร้าง API key

API key คือ “บัตรผ่าน + บัตรเงิน” ของคุณ ใช้แทนการล็อกอินเวลาโปรแกรมคุยกับ Claude:

1. เข้า console.anthropic.com สมัครบัญชี (ใช้อีเมลหรือบัญชี Google ได้ ตัวนี้คนละส่วนกับบัญชี Claude ที่ใช้แชต)
2. เติมเครดิต: ไปเมนู Billing แล้วซื้อเครดิตขั้นต่ำ (~US$5) ด้วยบัตรเครดิต/เดบิต เครดิตนี้ใช้ได้ยาว เพราะการเรียกแต่ละครั้งกินไม่ถึงบาท
3. ไปเมนู API keys กด + Create key ถ้ามีหน้าต่างชวนใช้ “identity federation” ขึ้นมาคั่น ให้กด Continue with an API key (ของนั้นไว้สำหรับระบบ cloud/CI ไม่ใช่สคริปต์บนเครื่องเรา)
4. ในหน้าต่าง Create API key: ตั้งชื่อ key อะไรก็ได้ · Expires ค่าเริ่มต้นคือ 30 วัน เลือกยาวขึ้นได้ถ้าไม่อยากกลับมาสร้างใหม่บ่อย (จดวันหมดอายุไว้ด้วย) · Linked account คงเป็นชื่อตัวเอง · จุดสำคัญที่สุด: ช่อง Scope ให้เลือก “Default” (อย่าปล่อยเป็นค่าเริ่มต้น “Same as linked account” เพราะจะได้ key แบบผูกตัวตนที่สคริปต์ตรง ๆ เรียกไม่ได้ เจอ error ทันที ดูวิธีแก้ในกล่องท้ายบทความ)
5. กด Create key แล้วก๊อป key เก็บทันที ระบบโชว์ให้เห็นครั้งเดียว ถ้าพลาดให้ลบแล้วสร้างใหม่ได้ ไม่เสียเงิน

กติกาเดียวที่ห้ามลืม: key คือเงิน ใครได้ key ไปเท่ากับใช้เครดิตของคุณได้ อย่าแชร์ อย่าโพสต์ และอย่าเขียนลงในโค้ดตรง ๆ (ขั้นที่ 3 จะพาเก็บแบบถูกวิธี)

มี key ที่ขึ้นต้นด้วย sk-ant- อยู่ในมือ = ผ่าน ไปเตรียมเครื่องมือกัน

ขั้นที่ 2: เตรียม Python แล้วติดตั้ง SDK

เช็กก่อนว่าเครื่องมี Python เวอร์ชันใหม่พอ (ต้อง 3.10 ขึ้นไป):

python3 --version

(Windows ใช้ python --version) ต้องเห็นเลข 3.10 ขึ้นไป เช่น:

Python 3.13.15

ระวังจุดหลอกบน Mac: เครื่องมักติด Python 3.9.6 รุ่นเก่ามาให้อยู่แล้ว ซึ่งเก่าเกินไป ถ้าเจอเลขต่ำกว่า 3.10 (หรือ Windows ไม่รู้จักคำสั่ง) ให้โหลดตัวติดตั้งจาก python.org ก่อน แล้วค่อยมาต่อ

จากนั้นติดตั้ง SDK ของ Anthropic (ตัวเชื่อมระหว่าง Python กับ Claude):

python3 -m pip install anthropic

(Windows: python -m pip install anthropic) รอสักครู่จนขึ้นบรรทัดสรุปแบบนี้:

Successfully installed annotated-types-0.8.0 anthropic-1.2.0 anyio-4.14.2
docstring-parser-0.18.0 h11-0.16.0 httpcore2-2.12.0 httpx2-2.12.0 ...

เห็น Successfully installed ... anthropic-... = ผ่าน (เลขเวอร์ชันอาจใหม่กว่านี้ตามช่วงเวลา) เครื่องมือครบแล้ว เหลือแค่เอา key เข้าที่

ขั้นที่ 3: เก็บ key ให้ปลอดภัยด้วย environment variable

วิธีมาตรฐานคือเก็บ key ไว้ใน “ตัวแปรของระบบ” แทนการเขียนลงโค้ด โปรแกรมจะหยิบไปใช้เองโดย key ไม่ปรากฏในไฟล์ไหนเลย เปิด terminal แล้วรันตามระบบของคุณ (แทนที่ sk-ant-... ด้วย key จริงจากขั้นที่ 1):

• Mac พิมพ์: export ANTHROPIC_API_KEY="sk-ant-..."
• Windows (PowerShell) พิมพ์: $env:ANTHROPIC_API_KEY="sk-ant-..."

วิธีนี้ตัวแปรอยู่แค่ในหน้าต่างนี้ (ปิดแล้วหาย เปิดใหม่ตั้งใหม่) ซึ่งเหมาะกับการเริ่มต้น ปลอดภัยไว้ก่อน ส่วนวิธีเก็บสำหรับโปรเจกต์จริงจัง (ไฟล์ .env, secret manager และ checklist จัดการ key ทั้งชุด) เป็นขั้นถัดไปของเส้นทางนี้ ซึ่งอยู่ในเล่มท้ายบทความ แล้วเช็กว่า key เข้าที่แล้วจริงด้วย:

python3 -c "import os; print('พบ key แล้ว' if os.environ.get('ANTHROPIC_API_KEY') else 'ยังไม่พบ key')"

พบ key แล้ว

ขึ้น “พบ key แล้ว” = ผ่าน (ถ้ายังไม่พบ เช็กว่าอยู่หน้าต่างเดียวกับที่ตั้งตัวแปร) ถึงเวลาเขียนโค้ดจริงแล้ว

ขั้นที่ 4: สคริปต์แรก 15 บรรทัด

สร้างไฟล์ชื่อ first_claude.py ด้วยโปรแกรมแก้ไขข้อความอะไรก็ได้ (VS Code, Notepad, TextEdit แบบ plain text) แล้ววางโค้ดนี้ทั้งก้อน:

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=1000,
    messages=[
        {"role": "user", "content": "แนะนำตัวสั้น ๆ หน่อยว่าคุณคือใคร แล้วยกตัวอย่าง 3 อย่างที่มือใหม่เรียกคุณผ่าน API ไปใช้ทำงานได้ ตอบกระชับไม่เกิน 12 บรรทัด"}
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

print(f"\nโทเคนขาเข้า {response.usage.input_tokens} · ขาออก {response.usage.output_tokens}")

อ่านทีละท่อน: client คือตัวเชื่อม (มันหยิบ key จาก environment variable เองอัตโนมัติ นี่คือเหตุผลของขั้นที่ 3) model คือรุ่นของ Claude ที่จะคุยด้วย max_tokens คือเพดานความยาวคำตอบ และ messages คือบทสนทนา จากนั้นรันในโฟลเดอร์เดียวกับไฟล์:

python3 first_claude.py

รอไม่กี่วินาที คำตอบจากการรันจริง (ตัดช่วงกลางออกเล็กน้อย):

สวัสดีครับ ผมคือ **Claude** ผู้ช่วย AI ที่พัฒนาโดย Anthropic ถนัดงาน
อ่าน–เขียน–วิเคราะห์ข้อความ เขียนโค้ด สรุปเอกสาร และตอบคำถามเชิงเหตุผล

ตัวอย่างงานที่มือใหม่เรียกผ่าน API ไปใช้ได้:

1. **สรุปและจัดหมวดข้อความ** — ส่งรีวิวลูกค้าหรืออีเมลเข้ามา ให้สรุป
   ประเด็นหลัก + ระบุอารมณ์ (บวก/ลบ) แล้วส่งกลับเป็น JSON
2. **ผู้ช่วยเขียนโค้ด** — ส่งโค้ดที่มีบั๊กหรือ error log เข้ามา ให้ช่วยหา
   สาเหตุ แก้ไข เขียนเทสต์ หรือแปลงโค้ดข้ามภาษา
...

โทเคนขาเข้า 118 · ขาออก 643

เกร็ดจากการรันจริงตอนเขียน: รอบแรกเราสั่งโดยไม่ได้บอกให้ตอบกระชับ คำตอบเลยยาวจนขาดกลางประโยคพอดีที่ 1000 โทเคน นั่นแหละคือหน้าที่ของ max_tokens มันคือเพดานตัดจริง ๆ ไม่ใช่แค่ตัวเลขประดับ ถ้าคุณเจอคำตอบขาดกลางคัน ให้เพิ่มค่านี้หรือสั่งให้ตอบสั้นลง

ได้คำตอบภาษาไทยกลับมาในเทอร์มินัล พร้อมบรรทัดตัวเลขโทเคนปิดท้าย = ผ่าน คุณเพิ่งเขียนโปรแกรมที่คุยกับ AI ระดับท็อปสำเร็จ

ขั้นที่ 5: อ่านบิลให้เป็น แล้วลองคำถามของคุณเอง

บรรทัดสุดท้ายที่สคริปต์พิมพ์ (ขาเข้า/ขาออก) คือ “มิเตอร์” ของการเรียกครั้งนี้ ราคาของรุ่นที่เราใช้คือ ขาเข้า $5 และขาออก $25 ต่อ 1 ล้านโทเคน เอาตัวเลขจริงข้างบนมาคิดกัน:

• ขาเข้า 118 โทเคน × $5 ต่อล้าน = $0.0006
• ขาออก 643 โทเคน × $25 ต่อล้าน = $0.0161
• รวม ≈ $0.017 หรือราว 60 สตางค์ (ที่อัตราแลกเปลี่ยน ~36 บาทต่อดอลลาร์)

เห็นภาพชัดว่าการทดลองแบบนี้ ครั้งละไม่ถึงบาท เครดิต $5 ที่เติมไว้เล่นแบบนี้ได้อีกหลายร้อยครั้ง ทีนี้ลองแก้ข้อความใน "content" เป็นคำถามของคุณเอง เซฟ แล้วรันซ้ำ เช่น ให้สรุปข้อความ ให้ร่างอีเมล หรือถามเรื่องงานของคุณ แต่ละครั้งดูมิเตอร์ท้ายบรรทัดไปด้วย จะเริ่มรู้สึกเองว่างานแบบไหนกินโทเคนแค่ไหน

แก้ prompt เป็นของตัวเอง รันผ่าน และคำนวณได้ว่าครั้งนั้นจ่ายไปกี่สตางค์ = ผ่านครบทุกด่าน จบ workshop

ไปต่อจากตรงนี้

วันนี้คุณได้ครบชุดตั้งต้นของ AI Engineer: บัญชีนักพัฒนา, key ที่เก็บถูกวิธี, และสคริปต์ที่เรียก Claude ได้จริง ที่สำคัญคือโครงที่ฝึกวันนี้ (สมัคร → เก็บ key ใน env var → SDK → ส่ง messages) เป็นแบบแผนเดียวกันแทบทุกค่าย จะสลับไปเรียก OpenAI หรือ Gemini ก็เปลี่ยนแค่ SDK กับชื่อรุ่น ความรู้ชุดนี้ติดตัวไปหมด ก้าวถัดไปที่ให้ผลเร็วสุดคือฝึกเขียนคำสั่งให้เก่งขึ้นในเขียน Prompt ให้ได้ผล ส่วนเส้นทางแบบจับมือทำต่อทันที ตั้งแต่ streaming, กันโปรแกรมล้มเวลา API สะดุด, ไปจนถึง mini project สรุปไฟล์อัตโนมัติ เล่มด้านล่างพาไปครบทั้งระบบ