Kits de démarrage

Quatre petits projets que vous pouvez copier et exécuter. Chacun utilise UberLLM comme fournisseur de modèles via https://api.uberllm.dev/v1, fixe ses versions de dépendances et est livré avec un test de fumée.

Kit de démarrage	Ce que vous obtenez	Stack
Application de chat Next.js	Une application de chat en streaming avec un outil et une sortie typée	Next.js, Vercel AI SDK
Agent LangGraph	Un agent qui appelle des outils en boucle	Python, LangGraph
Équipe CrewAI	Deux agents qui recherchent et écrivent	Python, CrewAI
Agent CLI, sans framework	Un agent appelant des outils dans un seul fichier sans dépendances	TypeScript, Node

Démarrage rapide

Copiez un starter. Remplacez tool-agent-cli par nextjs-ai-sdk-chat, langgraph-agent ou crewai-crew pour les autres :
```
npx degit PSA-Team-source/uberllm/starters/tool-agent-cli my-agent
cd my-agent
```
Créez une clé dans Tableau de bord → Clés et placez-la dans le fichier .env du starter. Les comptes commencent à $0,, alors ajoutez du crédit avant le premier appel.
```
cp .env.example .env   # .env.local for the Next.js starter
```

Exécutez-le. Le README de chaque starter contient les commandes exactes :

Starter	Installation	Exécution
`nextjs-ai-sdk-chat`	`npm install`	`npm run dev`, puis ouvrez `http://localhost:3000`
`langgraph-agent`	`pip install -r requirements.txt`	`python agent.py "What would 3 million output tokens of openai/gpt-5.5 cost?"`
`crewai-crew`	`pip install -r requirements.txt`	`python crew.py openai/gpt-5.5 anthropic/claude-sonnet-5.5`
`tool-agent-cli`	rien (Node 22.18 ou plus récent)	`node agent.ts "What does this project do?"`

Le modèle par défaut est deepseek/deepseek-v4-flash. Définissez UBERLLM_MODEL sur n'importe quel modèle de chat sur uberllm.dev/models qui prend en charge les outils.

Ce que chaque starter montre

Application de chat Next.js. useChat sur la page, streamText dans la route, un outil qui recherche les prix des modèles en temps réel, et le fournisseur configuré avec supportsStructuredOutputs: true, ce dont la sortie typée (Output.object) a besoin. Plus sur le SDK : Vercel AI SDK.
Agent LangGraph. Le graphe d'agent standard (model → tools → model) avec ChatOpenAI pointant vers UberLLM. Plus : LangChain.
Équipe CrewAI. Deux agents sur un seul modèle. L'ID du modèle est écrit comme "openai/" + <UberLLM id> avec custom_openai=True, ce qui est la façon dont CrewAI atteint un endpoint compatible OpenAI.
CLI d'agent. La boucle d'outils complète en environ 200 lignes de fetch simple : envoyer les outils, exécuter les appels demandés par le modèle, renvoyer les résultats, répéter. Il affiche le nombre de tokens et le coût de chaque réponse.

Ce que fait chaque starter

La clé ne va qu'à UberLLM. L'URL de base est définie dans le code, donc un OPENAI_BASE_URL dans votre shell n'est pas utilisé.
Versions exactes. Les dépendances sont épinglées, donc le starter que vous copiez est celui qui a été testé.
Un test de fumée. Sans clé, il s'exécute contre un substitut pour l'API. Avec UBERLLM_API_KEY défini, il effectue également un véritable appel, ce qui coûte environ un centime ou moins.

Chaque appel coûte ce que son fournisseur a facturé, et un appel échoué n'est pas facturé. Pour plafonner ce qu'une clé peut dépenser, définissez une limite de dépense sur celle-ci dans Tableau de bord → Clés. Voir Tarification.

Un badge de prix en direct pour votre README

Votre projet prend-il en charge UberLLM ? Un badge affiche le prix actuel du modèle que vous recommandez. UberLLM le sert en tant que SVG, il se met donc à jour automatiquement lorsque le prix change.

Markdown :

[![DeepSeek V4 Flash price on UberLLM](https://api.uberllm.dev/api/v1/public/badge/deepseek/deepseek-v4-flash.svg)](https://uberllm.dev/models/deepseek/deepseek-v4-flash?utm_source=embed&utm_medium=referral&utm_campaign=price-badge)

HTML :

<a href="https://uberllm.dev/models/deepseek/deepseek-v4-flash?utm_source=embed&amp;utm_medium=referral&amp;utm_campaign=price-badge"><img src="https://api.uberllm.dev/api/v1/public/badge/deepseek/deepseek-v4-flash.svg" alt="DeepSeek V4 Flash price on UberLLM"></a>

Utilisez n'importe quel ID de modèle de uberllm.dev/models dans les deux adresses, par exemple anthropic/claude-sonnet-5.5.
Un ID qui n'existe pas renvoie 404,, alors vérifiez que le badge se charge avant de valider.
Pour les nombres au lieu d'une image, les mêmes prix sont disponibles en JSON à https://api.uberllm.dev/api/v1/public/prices?model=<model id>. Aucune clé nécessaire, et les navigateurs peuvent l'appeler. Voir API de prix et badge de prix.
Pour que votre application soit listée sur uberllm.dev/apps, envoyez les deux en-têtes dans Apps.

Plus d'exemples

Des exemples en un seul fichier pour plus de SDK et de langages (SDKs d'OpenAI et d'Anthropic, LlamaIndex, LiteLLM, Pydantic AI, Go, Rust, Java, .NET, curl, images, vidéo, musique et parole) se trouvent dans le livre de recettes.