Loading...
    • Panduan Pengembang
    • Referensi API
    • MCP
    • Sumber Daya
    • Catatan Rilis
    Search...
    ⌘K
    Langkah pertama
    Pengantar ClaudePanduan Cepat
    Model & harga
    Ikhtisar modelMemilih modelApa yang baru di Claude 4.5Migrasi ke Claude 4.5Penghentian modelHarga
    Bangun dengan Claude
    Ikhtisar fiturBekerja dengan Messages APIJendela konteksPraktik terbaik prompting
    Kemampuan
    Penyimpanan cache promptPengeditan konteksPemikiran yang diperluasStreaming MessagesPemrosesan batchKutipanDukungan multibahasaPenghitungan tokenEmbeddingsVisiDukungan PDFFiles APIHasil pencarianKeluaran terstrukturAdd-on Google Sheets
    Alat
    Gambaran UmumCara mengimplementasikan penggunaan alatPenggunaan tool yang efisien tokenStreaming tool berbutir halusAlat BashAlat eksekusi kodeAlat penggunaan komputerAlat editor teksAlat web fetchAlat pencarian webAlat memori
    Keterampilan Agen
    IkhtisarMulai dengan Agent Skills di APIPraktik terbaik pembuatan SkillMenggunakan Agent Skills dengan API
    SDK Agen
    Ikhtisar Agent SDKReferensi Agent SDK - TypeScriptReferensi Agent SDK - Python
    Panduan
    Input StreamingMenangani IzinManajemen SesiHosting the Agent SDKMemodifikasi system promptMCP dalam SDKAlat KustomSubagen dalam SDKPerintah Slash dalam SDKAgent Skills dalam SDKMelacak Biaya dan PenggunaanDaftar TodoPlugin dalam SDK
    MCP dalam API
    Konektor MCPServer MCP jarak jauh
    Claude di platform pihak ketiga
    Amazon BedrockVertex AI
    Rekayasa Prompt
    IkhtisarGenerator promptGunakan template promptPerbaikan promptBersikap jelas dan langsungGunakan contoh (multishot prompting)Biarkan Claude berpikir (CoT)Gunakan tag XMLBerikan Claude peran (system prompts)Isi awal respons ClaudeRangkai prompt kompleksTips konteks panjangTips pemikiran diperpanjang
    Uji & evaluasi
    Tentukan kriteria keberhasilanKembangkan kasus ujiMenggunakan Alat EvaluasiMengurangi latensi
    Perkuat perlindungan
    Mengurangi halusinasiMeningkatkan konsistensi outputMitigasi jailbreakhandle-streaming-refusalsMengurangi kebocoran promptMenjaga Claude dalam karakter
    Administrasi dan pemantauan
    Ikhtisar Admin APIAPI Penggunaan dan BiayaClaude Code Analytics API
    Console
    Kemampuan

    Keluaran terstruktur

    Keluaran terstruktur membatasi respons Claude untuk mengikuti skema tertentu, memastikan keluaran yang valid dan dapat diurai untuk pemrosesan hilir.

    Keluaran terstruktur membatasi respons Claude untuk mengikuti skema tertentu, memastikan keluaran yang valid dan dapat diurai untuk pemrosesan hilir. Gunakan keluaran JSON (output_format) untuk respons data terstruktur, atau penggunaan alat ketat (strict: true) untuk validasi skema yang dijamin pada nama alat dan masukan.

    Keluaran terstruktur saat ini tersedia sebagai fitur beta publik di Claude API untuk Claude Sonnet 4.5 dan Claude Opus 4.1.

    Untuk menggunakan fitur ini, atur header [beta](/docs/Bahasa Indonesia/api/beta-headers) structured-outputs-2025-11-13.

    Bagikan umpan balik menggunakan formulir ini.

    Mengapa menggunakan keluaran terstruktur

    Tanpa keluaran terstruktur, Claude dapat menghasilkan respons JSON yang salah bentuk atau masukan alat yang tidak valid yang merusak aplikasi Anda. Bahkan dengan prompt yang hati-hati, Anda mungkin mengalami:

    • Kesalahan penguraian dari sintaks JSON yang tidak valid
    • Bidang yang diperlukan hilang
    • Jenis data yang tidak konsisten
    • Pelanggaran skema yang memerlukan penanganan kesalahan dan pengulangan

    Keluaran terstruktur menjamin respons yang sesuai dengan skema melalui decoding terbatas:

    • Selalu valid: Tidak ada lagi kesalahan JSON.parse()
    • Aman tipe: Jenis bidang dan bidang yang diperlukan dijamin
    • Andal: Tidak perlu pengulangan untuk pelanggaran skema
    • Dua mode: JSON untuk tugas seperti ekstraksi data, dan alat ketat untuk situasi seperti alat kompleks dan alur kerja agentic

    Mulai cepat

    Kapan menggunakan keluaran JSON vs penggunaan alat ketat

    Pilih mode yang tepat untuk kasus penggunaan Anda:

    Gunakan keluaran JSON ketikaGunakan penggunaan alat ketat ketika
    Anda membutuhkan respons Claude dalam format tertentuAnda membutuhkan parameter yang divalidasi dan nama alat untuk panggilan alat
    Mengekstrak data dari gambar atau teksMembangun alur kerja agentic
    Menghasilkan laporan terstrukturMemastikan panggilan fungsi yang aman tipe
    Memformat respons APIAlat kompleks dengan banyak dan/atau properti bersarang

    Mengapa penggunaan alat ketat penting untuk agen

    Membangun sistem agentic yang andal memerlukan kepatuhan skema yang dijamin. Parameter alat yang tidak valid merusak fungsi dan alur kerja Anda. Claude mungkin mengembalikan jenis yang tidak kompatibel ("2" bukan 2) atau bidang yang hilang, menyebabkan kesalahan runtime.

    Penggunaan alat ketat menjamin parameter yang aman tipe:

    • Fungsi menerima argumen yang diketik dengan benar setiap saat
    • Tidak perlu memvalidasi dan mengulang panggilan alat
    • Agen siap produksi yang bekerja secara konsisten dalam skala

    Misalnya, anggaplah sistem pemesanan membutuhkan passengers: int. Tanpa mode ketat, Claude mungkin memberikan passengers: "two" atau passengers: "2". Dengan strict: true, Anda dijamin passengers: 2.

    Cara kerja keluaran terstruktur

    Bekerja dengan keluaran JSON di SDK

    SDK Python dan TypeScript menyediakan pembantu yang memudahkan bekerja dengan keluaran JSON, termasuk transformasi skema, validasi otomatis, dan integrasi dengan perpustakaan skema populer.

    Menggunakan Pydantic dan Zod

    Untuk pengembang Python dan TypeScript, Anda dapat menggunakan alat definisi skema yang familiar seperti Pydantic dan Zod daripada menulis skema JSON mentah.

    Hanya keluaran JSON

    Pembantu SDK (Pydantic, Zod, parse()) hanya bekerja dengan keluaran JSON (output_format).

    Pembantu ini mengubah dan memvalidasi keluaran Claude untuk Anda. Penggunaan alat ketat memvalidasi masukan Claude ke alat Anda, yang menggunakan bidang input_schema yang ada dalam definisi alat.

    Untuk penggunaan alat ketat, tentukan input_schema Anda langsung dalam definisi alat dengan strict: true.

    from pydantic import BaseModel
    from anthropic import Anthropic, transform_schema
    
    class ContactInfo(BaseModel):
        name: str
        email: str
        plan_interest: str
        demo_requested: bool
    
    client = Anthropic()
    
    # With .create() - requires transform_schema()
    response = client.beta.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=1024,
        betas=["structured-outputs-2025-11-13"],
        messages=[
            {
                "role": "user",
                "content": "Extract the key information from this email: John Smith ([email protected]) is interested in our Enterprise plan and wants to schedule a demo for next Tuesday at 2pm."
            }
        ],
        output_format={
            "type": "json_schema",
            "schema": transform_schema(ContactInfo),
        }
    )
    
    print(response.content[0].text)
    
    # With .parse() - can pass Pydantic model directly
    response = client.beta.messages.parse(
        model="claude-sonnet-4-5",
        max_tokens=1024,
        betas=["structured-outputs-2025-11-13"],
        messages=[
            {
                "role": "user",
                "content": "Extract the key information from this email: John Smith ([email protected]) is interested in our Enterprise plan and wants to schedule a demo for next Tuesday at 2pm."
            }
        ],
        output_format=ContactInfo,
    )
    
    print(response.parsed_output)

    Metode khusus SDK

    Python: client.beta.messages.parse() (Direkomendasikan)

    Metode parse() secara otomatis mengubah model Pydantic Anda, memvalidasi respons, dan mengembalikan atribut parsed_output.

    Metode parse() tersedia di client.beta.messages, bukan client.messages.

    Python: Pembantu transform_schema()

    Untuk ketika Anda perlu secara manual mengubah skema sebelum mengirim, atau ketika Anda ingin memodifikasi skema yang dihasilkan Pydantic. Tidak seperti client.beta.messages.parse(), yang secara otomatis mengubah skema yang disediakan, ini memberi Anda skema yang diubah sehingga Anda dapat menyesuaikannya lebih lanjut.

    Cara kerja transformasi SDK

    SDK Python dan TypeScript secara otomatis mengubah skema dengan fitur yang tidak didukung:

    1. Hapus batasan yang tidak didukung (misalnya, minimum, maximum, minLength, maxLength)
    2. Perbarui deskripsi dengan informasi batasan (misalnya, "Harus minimal 100"), ketika batasan tidak langsung didukung dengan keluaran terstruktur
    3. Tambahkan additionalProperties: false ke semua objek
    4. Filter format string ke daftar yang didukung saja
    5. Validasi respons terhadap skema asli Anda (dengan semua batasan)

    Ini berarti Claude menerima skema yang disederhanakan, tetapi kode Anda masih menerapkan semua batasan melalui validasi.

    Contoh: Bidang Pydantic dengan minimum: 100 menjadi integer biasa dalam skema yang dikirim, tetapi deskripsi diperbarui menjadi "Harus minimal 100", dan SDK memvalidasi respons terhadap batasan asli.

    Kasus penggunaan umum

    Pertimbangan penting

    Kompilasi tata bahasa dan caching

    Keluaran terstruktur menggunakan sampling terbatas dengan artefak tata bahasa yang dikompilasi. Ini memperkenalkan beberapa karakteristik kinerja yang perlu diperhatikan:

    • Latensi permintaan pertama: Pertama kali Anda menggunakan skema tertentu, akan ada latensi tambahan saat tata bahasa dikompilasi
    • Caching otomatis: Tata bahasa yang dikompilasi di-cache selama 24 jam dari penggunaan terakhir, membuat permintaan berikutnya jauh lebih cepat
    • Invalidasi cache: Cache dibatalkan jika Anda mengubah:
      • Struktur skema JSON
      • Set alat dalam permintaan Anda (saat menggunakan keluaran terstruktur dan penggunaan alat)
      • Mengubah hanya bidang name atau description tidak membatalkan cache

    Modifikasi prompt dan biaya token

    Saat menggunakan keluaran terstruktur, Claude secara otomatis menerima prompt sistem tambahan yang menjelaskan format keluaran yang diharapkan. Ini berarti:

    • Jumlah token masukan Anda akan sedikit lebih tinggi
    • Prompt yang disuntikkan membebani Anda token seperti prompt sistem lainnya
    • Mengubah parameter output_format akan membatalkan [cache prompt](/docs/Bahasa Indonesia/build-with-claude/prompt-caching) apa pun untuk utas percakapan itu

    Batasan JSON Schema

    Keluaran terstruktur mendukung JSON Schema standar dengan beberapa batasan. Baik keluaran JSON maupun penggunaan alat ketat berbagi batasan ini.

    SDK Python dan TypeScript dapat secara otomatis mengubah skema dengan fitur yang tidak didukung dengan menghapusnya dan menambahkan batasan ke deskripsi bidang. Lihat metode khusus SDK untuk detail.

    Keluaran yang tidak valid

    Meskipun keluaran terstruktur menjamin kepatuhan skema dalam sebagian besar kasus, ada skenario di mana keluaran mungkin tidak sesuai dengan skema Anda:

    Penolakan (stop_reason: "refusal")

    Claude mempertahankan properti keselamatan dan kegunaannya bahkan saat menggunakan keluaran terstruktur. Jika Claude menolak permintaan karena alasan keselamatan:

    • Respons akan memiliki stop_reason: "refusal"
    • Anda akan menerima kode status 200
    • Anda akan ditagih untuk token yang dihasilkan
    • Keluaran mungkin tidak sesuai dengan skema Anda (penolakan memiliki prioritas)

    Batas token tercapai (stop_reason: "max_tokens")

    Jika respons terpotong karena mencapai batas max_tokens:

    • Respons akan memiliki stop_reason: "max_tokens"
    • Keluaran mungkin tidak lengkap dan tidak sesuai dengan skema Anda
    • Coba lagi dengan nilai max_tokens yang lebih tinggi untuk mendapatkan keluaran terstruktur yang lengkap

    Kesalahan validasi skema

    Jika skema Anda menggunakan fitur yang tidak didukung atau terlalu kompleks, Anda akan menerima kesalahan 400:

    "Terlalu banyak definisi rekursif dalam skema"

    • Penyebab: Skema memiliki definisi rekursif yang berlebihan atau siklik
    • Solusi: Sederhanakan struktur skema, kurangi kedalaman nesting

    "Skema terlalu kompleks"

    • Penyebab: Skema melebihi batas kompleksitas
    • Solusi: Pecah menjadi skema yang lebih kecil, sederhanakan struktur, atau kurangi jumlah alat yang ditandai sebagai strict: true

    Untuk masalah berkelanjutan dengan skema yang valid, hubungi dukungan dengan definisi skema Anda.

    Kompatibilitas fitur

    Bekerja dengan:

    • [Pemrosesan batch](/docs/Bahasa Indonesia/build-with-claude/batch-processing): Proses keluaran terstruktur dalam skala dengan diskon 50%
    • [Penghitungan token](/docs/Bahasa Indonesia/build-with-claude/token-counting): Hitung token tanpa kompilasi
    • [Streaming](/docs/Bahasa Indonesia/build-with-claude/streaming): Stream keluaran terstruktur seperti respons normal
    • Penggunaan gabungan: Gunakan keluaran JSON (output_format) dan penggunaan alat ketat (strict: true) bersama dalam permintaan yang sama

    Tidak kompatibel dengan:

    • [Kutipan](/docs/Bahasa Indonesia/build-with-claude/citations): Kutipan memerlukan interleaving blok kutipan dengan teks, yang bertentangan dengan batasan skema JSON ketat. Mengembalikan kesalahan 400 jika kutipan diaktifkan dengan output_format.
    • [Prefilling Pesan](/docs/Bahasa Indonesia/build-with-claude/prompt-engineering/prefill-claudes-response): Tidak kompatibel dengan keluaran JSON

    Cakupan tata bahasa: Tata bahasa hanya berlaku untuk keluaran langsung Claude, bukan untuk panggilan penggunaan alat, hasil alat, atau tag pemikiran (saat menggunakan [Extended Thinking](/docs/Bahasa Indonesia/build-with-claude/extended-thinking)). Status tata bahasa direset antar bagian, memungkinkan Claude berpikir bebas sambil tetap menghasilkan keluaran terstruktur dalam respons akhir.

    • Mengapa menggunakan keluaran terstruktur
    • Mulai cepat
    • Kapan menggunakan keluaran JSON vs penggunaan alat ketat
    • Mengapa penggunaan alat ketat penting untuk agen
    • Cara kerja keluaran terstruktur
    • Bekerja dengan keluaran JSON di SDK
    • Menggunakan Pydantic dan Zod
    • Metode khusus SDK
    • Cara kerja transformasi SDK
    • Kasus penggunaan umum
    • Pertimbangan penting
    • Kompilasi tata bahasa dan caching
    • Modifikasi prompt dan biaya token
    • Batasan JSON Schema
    • Keluaran yang tidak valid
    • Kesalahan validasi skema
    • Kompatibilitas fitur

    Solutions

    • AI agents
    • Code modernization
    • Coding
    • Customer support
    • Education
    • Financial services
    • Government
    • Life sciences

    Partners

    • Amazon Bedrock
    • Google Cloud's Vertex AI

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Company

    • Anthropic
    • Careers
    • Economic Futures
    • Research
    • News
    • Responsible Scaling Policy
    • Security and compliance
    • Transparency

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Help and security

    • Availability
    • Status
    • Support
    • Discord

    Terms and policies

    • Privacy policy
    • Responsible disclosure policy
    • Terms of service: Commercial
    • Terms of service: Consumer
    • Usage policy