Loading...
    • Guia do Desenvolvedor
    • Referência da API
    • MCP
    • Recursos
    • Notas de lançamento
    Search...
    ⌘K
    Primeiros passos
    Introdução ao ClaudeInício rápido
    Modelos e preços
    Visão geral dos modelosEscolhendo um modeloNovidades no Claude 4.5Migrando para Claude 4.5Descontinuação de modelosPreços
    Construir com Claude
    Visão geral de recursosUsando a API MessagesJanelas de contextoMelhores práticas de prompting
    Capacidades
    Cache de promptEdição de contextoPensamento estendidoEsforçoStreaming de mensagensProcessamento em loteCitaçõesSuporte multilíngueContagem de tokensEmbeddingsVisãoSuporte a PDFAPI de arquivosResultados de buscaSaídas estruturadas
    Ferramentas
    Visão geralComo implementar o uso de ferramentasStreaming de ferramentas granularFerramenta BashFerramenta de execução de códigoChamada de ferramenta programáticaFerramenta de uso do computadorFerramenta de editor de textoFerramenta de busca na webFerramenta de pesquisa na webFerramenta de memóriaFerramenta de busca de ferramentas
    Habilidades do agente
    Visão geralInício rápidoMelhores práticasUsando habilidades com a API
    SDK do agente
    Visão geralInício rápidoSDK TypeScriptTypeScript V2 (preview)SDK PythonGuia de migração
    MCP na API
    Conector MCPServidores MCP remotos
    Claude em plataformas de terceiros
    Amazon BedrockMicrosoft FoundryVertex AI
    Engenharia de prompts
    Visão geralGerador de promptsUsar modelos de promptsMelhorador de promptsSeja claro e diretoUse exemplos (prompting multishot)Deixe Claude pensar (CoT)Use tags XMLDê um papel ao Claude (prompts do sistema)Preencha a resposta do ClaudeEncadeie prompts complexosDicas de contexto longoDicas de pensamento estendido
    Testar e avaliar
    Definir critérios de sucessoDesenvolver casos de testeUsando a ferramenta de avaliaçãoReduzindo latência
    Fortalecer proteções
    Reduzir alucinaçõesAumentar consistência de saídaMitigar jailbreaksRecusas de streamingReduzir vazamento de promptManter Claude em personagem
    Administração e monitoramento
    Visão geral da API de administraçãoAPI de uso e custoAPI de análise de código Claude
    Console
    Log in
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...
    Loading...

    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
    Capacidades

    Saídas estruturadas

    Obtenha resultados JSON validados de fluxos de trabalho de agentes
    • Por que usar saídas estruturadas
    • Saídas JSON
    • Início rápido
    • Como funciona
    • Trabalhando com saídas JSON em SDKs
    • Casos de uso comuns
    • Uso rigoroso de ferramentas
    • Por que o uso rigoroso de ferramentas é importante para agentes
    • Início rápido
    • Como funciona
    • Casos de uso comuns
    • Usando ambos os recursos juntos
    • Considerações importantes
    • Compilação de gramática e cache
    • Modificação de prompt e custos de token
    • Limitações de JSON Schema
    • Saídas inválidas
    • Erros de validação de esquema
    • Compatibilidade de recursos

    Saídas estruturadas restringem as respostas do Claude a seguir um esquema específico, garantindo uma saída válida e analisável para processamento posterior. Dois recursos complementares estão disponíveis:

    • Saídas JSON (output_format): Obtenha a resposta do Claude em um formato JSON específico
    • Uso rigoroso de ferramentas (strict: true): Garanta validação de esquema em nomes de ferramentas e entradas

    Esses recursos podem ser usados independentemente ou juntos na mesma solicitação.

    Saídas estruturadas estão atualmente disponíveis como um recurso de beta público na API Claude para Claude Sonnet 4.5, Claude Opus 4.1, Claude Opus 4.5 e Claude Haiku 4.5.

    Para usar o recurso, defina o cabeçalho beta structured-outputs-2025-11-13.

    Compartilhe feedback usando este formulário.

    Por que usar saídas estruturadas

    Sem saídas estruturadas, Claude pode gerar respostas JSON malformadas ou entradas de ferramentas inválidas que quebram suas aplicações. Mesmo com prompts cuidadosos, você pode encontrar:

    • Erros de análise de sintaxe JSON inválida
    • Campos obrigatórios ausentes
    • Tipos de dados inconsistentes
    • Violações de esquema que exigem tratamento de erros e novas tentativas

    Saídas estruturadas garantem respostas em conformidade com o esquema através de decodificação restrita:

    • Sempre válido: Sem mais erros de JSON.parse()
    • Seguro em tipo: Tipos de campo garantidos e campos obrigatórios
    • Confiável: Sem necessidade de novas tentativas para violações de esquema

    Saídas JSON

    Saídas JSON controlam o formato de resposta do Claude, garantindo que Claude retorne JSON válido correspondente ao seu esquema. Use saídas JSON quando você precisar:

    • Controlar o formato de resposta do Claude
    • Extrair dados de imagens ou texto
    • Gerar relatórios estruturados
    • Formatar respostas de API

    Início rápido

    Formato de resposta: JSON válido correspondente ao seu esquema em response.content[0].text

    {
      "name": "John Smith",
      "email": "[email protected]",
      "plan_interest": "Enterprise",
      "demo_requested": true
    }

    Como funciona

    1. 1

      Defina seu esquema JSON

      Crie um esquema JSON que descreva a estrutura que você deseja que Claude siga. O esquema usa o formato padrão JSON Schema com algumas limitações (veja limitações de JSON Schema).

    2. 2

      Adicione o parâmetro output_format

      Inclua o parâmetro output_format em sua solicitação de API com type: "json_schema" e sua definição de esquema.

    3. 3

      Inclua o cabeçalho beta

      Adicione o cabeçalho anthropic-beta: structured-outputs-2025-11-13 à sua solicitação.

    4. 4

      Analise a resposta

      A resposta do Claude será JSON válido correspondente ao seu esquema, retornado em response.content[0].text.

    Trabalhando com saídas JSON em SDKs

    Os SDKs Python e TypeScript fornecem auxiliares que facilitam o trabalho com saídas JSON, incluindo transformação de esquema, validação automática e integração com bibliotecas de esquema populares.

    Usando Pydantic e Zod

    Para desenvolvedores Python e TypeScript, você pode usar ferramentas familiares de definição de esquema como Pydantic e Zod em vez de escrever esquemas JSON brutos.

    Métodos específicos do SDK

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

    O método parse() transforma automaticamente seu modelo Pydantic, valida a resposta e retorna um atributo parsed_output.

    O método parse() está disponível em client.beta.messages, não em client.messages.

    Python: auxiliar transform_schema()

    Para quando você precisa transformar manualmente esquemas antes de enviar, ou quando deseja modificar um esquema gerado por Pydantic. Diferentemente de client.beta.messages.parse(), que transforma esquemas fornecidos automaticamente, isso fornece o esquema transformado para que você possa personalizá-lo ainda mais.

    Como funciona a transformação do SDK

    Os SDKs Python e TypeScript transformam automaticamente esquemas com recursos não suportados:

    1. Remova restrições não suportadas (por exemplo, minimum, maximum, minLength, maxLength)
    2. Atualize descrições com informações de restrição (por exemplo, "Deve ser pelo menos 100"), quando a restrição não é diretamente suportada com saídas estruturadas
    3. Adicione additionalProperties: false a todos os objetos
    4. Filtre formatos de string para lista suportada apenas
    5. Valide respostas contra seu esquema original (com todas as restrições)

    Isso significa que Claude recebe um esquema simplificado, mas seu código ainda impõe todas as restrições através de validação.

    Exemplo: Um campo Pydantic com minimum: 100 se torna um inteiro simples no esquema enviado, mas a descrição é atualizada para "Deve ser pelo menos 100", e o SDK valida a resposta contra a restrição original.

    Casos de uso comuns

    Uso rigoroso de ferramentas

    Uso rigoroso de ferramentas valida parâmetros de ferramentas, garantindo que Claude chame suas funções com argumentos corretamente tipados. Use uso rigoroso de ferramentas quando você precisar:

    • Validar parâmetros de ferramentas
    • Construir fluxos de trabalho de agentes
    • Garantir chamadas de função seguras em tipo
    • Lidar com ferramentas complexas com propriedades aninhadas

    Por que o uso rigoroso de ferramentas é importante para agentes

    Construir sistemas de agentes confiáveis requer conformidade de esquema garantida. Sem modo rigoroso, Claude pode retornar tipos incompatíveis ("2" em vez de 2) ou campos obrigatórios ausentes, quebrando suas funções e causando erros em tempo de execução.

    Uso rigoroso de ferramentas garante parâmetros seguros em tipo:

    • Funções recebem argumentos corretamente tipados todas as vezes
    • Sem necessidade de validar e tentar novamente chamadas de ferramentas
    • Agentes prontos para produção que funcionam consistentemente em escala

    Por exemplo, suponha que um sistema de reserva precise de passengers: int. Sem modo rigoroso, Claude pode fornecer passengers: "two" ou passengers: "2". Com strict: true, a resposta sempre conterá passengers: 2.

    Início rápido

    Formato de resposta: Blocos de uso de ferramentas com entradas validadas em response.content[x].input

    {
      "type": "tool_use",
      "name": "get_weather",
      "input": {
        "location": "San Francisco, CA"
      }
    }

    Garantias:

    • A entrada da ferramenta segue rigorosamente o input_schema
    • O nome da ferramenta é sempre válido (de ferramentas fornecidas ou ferramentas do servidor)

    Como funciona

    1. 1

      Defina seu esquema de ferramenta

      Crie um esquema JSON para o input_schema de sua ferramenta. O esquema usa o formato padrão JSON Schema com algumas limitações (veja limitações de JSON Schema).

    2. 2

      Adicione strict: true

      Defina "strict": true como uma propriedade de nível superior em sua definição de ferramenta, junto com name, description e input_schema.

    3. 3

      Inclua o cabeçalho beta

      Adicione o cabeçalho anthropic-beta: structured-outputs-2025-11-13 à sua solicitação.

    4. 4

      Manipule chamadas de ferramentas

      Quando Claude usa a ferramenta, o campo input no bloco tool_use seguirá rigorosamente seu input_schema, e o name será sempre válido.

    Casos de uso comuns

    Usando ambos os recursos juntos

    Saídas JSON e uso rigoroso de ferramentas resolvem problemas diferentes e podem ser usados juntos:

    • Saídas JSON controlam o formato de resposta do Claude (o que Claude diz)
    • Uso rigoroso de ferramentas valida parâmetros de ferramentas (como Claude chama suas funções)

    Quando combinados, Claude pode chamar ferramentas com parâmetros garantidamente válidos E retornar respostas JSON estruturadas. Isso é útil para fluxos de trabalho de agentes onde você precisa de chamadas de ferramentas confiáveis e saídas finais estruturadas.

    Considerações importantes

    Compilação de gramática e cache

    Saídas estruturadas usam amostragem restrita com artefatos de gramática compilados. Isso introduz algumas características de desempenho a serem observadas:

    • Latência da primeira solicitação: A primeira vez que você usa um esquema específico, haverá latência adicional enquanto a gramática é compilada
    • Cache automático: Gramáticas compiladas são armazenadas em cache por 24 horas desde o último uso, tornando solicitações subsequentes muito mais rápidas
    • Invalidação de cache: O cache é invalidado se você alterar:
      • A estrutura do esquema JSON
      • O conjunto de ferramentas em sua solicitação (ao usar saídas estruturadas e uso de ferramentas)
      • Alterar apenas campos name ou description não invalida o cache

    Modificação de prompt e custos de token

    Ao usar saídas estruturadas, Claude recebe automaticamente um prompt de sistema adicional explicando o formato de saída esperado. Isso significa:

    • Sua contagem de token de entrada será ligeiramente maior
    • O prompt injetado custa tokens como qualquer outro prompt de sistema
    • Alterar o parâmetro output_format invalidará qualquer cache de prompt para esse thread de conversa

    Limitações de JSON Schema

    Saídas estruturadas suportam JSON Schema padrão com algumas limitações. Tanto saídas JSON quanto uso rigoroso de ferramentas compartilham essas limitações.

    Os SDKs Python e TypeScript podem transformar automaticamente esquemas com recursos não suportados removendo-os e adicionando restrições às descrições de campo. Veja métodos específicos do SDK para detalhes.

    Saídas inválidas

    Embora saídas estruturadas garantam conformidade de esquema na maioria dos casos, existem cenários onde a saída pode não corresponder ao seu esquema:

    Recusas (stop_reason: "refusal")

    Claude mantém suas propriedades de segurança e utilidade mesmo ao usar saídas estruturadas. Se Claude recusar uma solicitação por motivos de segurança:

    • A resposta terá stop_reason: "refusal"
    • Você receberá um código de status 200
    • Você será cobrado pelos tokens gerados
    • A saída pode não corresponder ao seu esquema porque a mensagem de recusa tem precedência sobre restrições de esquema

    Limite de token atingido (stop_reason: "max_tokens")

    Se a resposta for cortada devido ao atingimento do limite max_tokens:

    • A resposta terá stop_reason: "max_tokens"
    • A saída pode estar incompleta e não corresponder ao seu esquema
    • Tente novamente com um valor max_tokens mais alto para obter a saída estruturada completa

    Erros de validação de esquema

    Se seu esquema usar recursos não suportados ou for muito complexo, você receberá um erro 400:

    "Too many recursive definitions in schema"

    • Causa: O esquema tem definições recursivas excessivas ou cíclicas
    • Solução: Simplifique a estrutura do esquema, reduza a profundidade de aninhamento

    "Schema is too complex"

    • Causa: O esquema excede limites de complexidade
    • Solução: Divida em esquemas menores, simplifique a estrutura ou reduza o número de ferramentas marcadas como strict: true

    Para problemas persistentes com esquemas válidos, entre em contato com o suporte com sua definição de esquema.

    Compatibilidade de recursos

    Funciona com:

    • Processamento em lote: Processe saídas estruturadas em escala com desconto de 50%
    • Contagem de tokens: Conte tokens sem compilação
    • Streaming: Transmita saídas estruturadas como respostas normais
    • Uso combinado: Use saídas JSON (output_format) e uso rigoroso de ferramentas (strict: true) juntos na mesma solicitação

    Incompatível com:

    • Citações: Citações exigem intercalação de blocos de citação com texto, o que entra em conflito com restrições de esquema JSON rigoroso. Retorna erro 400 se citações habilitadas com output_format.
    • Preenchimento de mensagem: Incompatível com saídas JSON

    Escopo de gramática: Gramáticas se aplicam apenas à saída direta do Claude, não a chamadas de uso de ferramentas, resultados de ferramentas ou tags de pensamento (ao usar Pensamento Estendido). O estado da gramática é redefinido entre seções, permitindo que Claude pense livremente enquanto ainda produz saída estruturada na resposta final.

    curl https://api.anthropic.com/v1/messages \
      -H "content-type: application/json" \
      -H "x-api-key: $ANTHROPIC_API_KEY" \
      -H "anthropic-version: 2023-06-01" \
      -H "anthropic-beta: structured-outputs-2025-11-13" \
      -d '{
        "model": "claude-sonnet-4-5",
        "max_tokens": 1024,
        "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": {
            "type": "object",
            "properties": {
              "name": {"type": "string"},
              "email": {"type": "string"},
              "plan_interest": {"type": "string"},
              "demo_requested": {"type": "boolean"}
            },
            "required": ["name", "email", "plan_interest", "demo_requested"],
            "additionalProperties": false
          }
        }
      }'
    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)

    curl https://api.anthropic.com/v1/messages \
      -H "content-type: application/json" \
      -H "x-api-key: $ANTHROPIC_API_KEY" \
      -H "anthropic-version: 2023-06-01" \
      -H "anthropic-beta: structured-outputs-2025-11-13" \
      -d '{
        "model": "claude-sonnet-4-5",
        "max_tokens": 1024,
        "messages": [
          {"role": "user", "content": "What is the weather in San Francisco?"}
        ],
        "tools": [{
          "name": "get_weather",
          "description": "Get the current weather in a given location",
          "strict": true,
          "input_schema": {
            "type": "object",
            "properties": {
              "location": {
                "type": "string",
                "description": "The city and state, e.g. San Francisco, CA"
              },
              "unit": {
                "type": "string",
                "enum": ["celsius", "fahrenheit"]
              }
            },
            "required": ["location"],
            "additionalProperties": false
          }
        }]
      }'

    response = client.beta.messages.create(
        model="claude-sonnet-4-5",
        betas=["structured-outputs-2025-11-13"],
        max_tokens=1024,
        messages=[{"role": "user", "content": "Help me plan a trip to Paris for next month"}],
        # JSON outputs: structured response format
        output_format={
            "type": "json_schema",
            "schema": {
                "type": "object",
                "properties": {
                    "summary": {"type": "string"},
                    "next_steps": {"type": "array", "items": {"type": "string"}}
                },
                "required": ["summary", "next_steps"],
                "additionalProperties": False
            }
        },
        # Strict tool use: guaranteed tool parameters
        tools=[{
            "name": "search_flights",
            "strict": True,
            "input_schema": {
                "type": "object",
                "properties": {
                    "destination": {"type": "string"},
                    "date": {"type": "string", "format": "date"}
                },
                "required": ["destination", "date"],
                "additionalProperties": False
            }
        }]
    )