Tutorial Mengakses 200+ Model AI dengan OpenRouter: Satu API Key untuk Semua LLM

Mengakses model AI dari berbagai penyedia kini tidak perlu repot mengelola banyak API key. OpenRouter menyatukan akses ke lebih dari 200 model LLM dari OpenAI, Anthropic, Google, Meta, dan penyedia lainnya dalam satu endpoint standar. Artikel ini membahas cara mengintegrasikan OpenRouter ke aplikasimu, mulai dari setup API key hingga implementasi fallback model.

Mengapa OpenRouter

Setiap penyedia LLM memiliki format API, pricing, dan rate limit yang berbeda. Mengelola integrasi terpisah untuk OpenAI, Anthropic, dan Google memakan waktu dan menambah kompleksitas codebase. OpenRouter menyelesaikan masalah ini dengan menyediakan unified API yang kompatibel dengan format OpenAI.

Selain kemudahan integrasi, OpenRouter juga menawarkan fitur intelligent routing yang otomatis mengalihkan request ke model alternatif jika model utama mengalami outage atau rate limit. Bagi startup dan indie hacker, ini berarti uptime yang lebih tinggi tanpa infrastruktur failover yang kompleks.

Langkah 1: Registrasi dan API Key

Kunjungi dashboard OpenRouter dan buat akun gratis. Setelah login, navigasi ke menu API Keys dan generate key baru. Simpan key ini di environment variable agar tidak tertulis hardcoded di repository:

export OPENROUTER_API_KEY=sk-or-v1-xxxxxxxx

OpenRouter menggunakan prefix sk-or-v1- untuk API key-nya. Jangan bagikan key ini di public repository atau client-side code.

Langkah 2: Membuat Request Pertama

Endpoint OpenRouter mirip dengan OpenAI Chat Completions. Berikut contoh request menggunakan curl:

curl https://openrouter.ai/api/v1/chat/completions -H "Authorization: Bearer $OPENROUTER_API_KEY" -H "Content-Type: application/json" -d '{"model":"anthropic/claude-3.5-sonnet","messages":[{"role":"user","content":"Hello"}]}'

Perhatikan format nama model menggunakan prefix penyedia, seperti anthropic/claude-3.5-sonnet atau openai/gpt-4o. Daftar lengkap model tersedia di dokumentasi OpenRouter.

Langkah 3: Integrasi dengan Python

Jika aplikasimu menggunakan Python, integrasi OpenRouter sangat mudah dengan library openai yang sudah familiar. Cukup ubah base_url dan api_key:

from openai import OpenAI

client = OpenAI(
  base_url="https://openrouter.ai/api/v1",
  api_key=os.environ["OPENROUTER_API_KEY"]
)

response = client.chat.completions.create(
  model="anthropic/claude-3.5-sonnet",
  messages=[{"role": "user", "content": "Jelaskan konsep serverless"}]
)

print(response.choices[0].message.content)

Karena OpenRouter sepenuhnya kompatibel dengan OpenAI SDK, kamu tidak perlu belajar interface baru. Semua fitur seperti streaming, function calling, dan JSON mode berfungsi tanpa modifikasi signifikan.

Langkah 4: Implementasi Fallback Model

Production application harus siap menghadapi rate limit atau downtime. OpenRouter mendukung parameter provider dan model fallback melalui konfigurasi routing. Namun, pendekatan paling robust adalah menangani error di aplikasi dan retry ke model alternatif:

models = ["anthropic/claude-3.5-sonnet", "openai/gpt-4o", "google/gemini-1.5-pro"]

for model in models:
    try:
        response = client.chat.completions.create(
            model=model,
            messages=messages
        )
        break
    except Exception as e:
        print(f"Model {model} failed: {e}")
        continue

Strategi ini memberikan kontrol penuh atas urutan prioritas model dan memastikan aplikasi tetap responsif meski satu penyedia mengalami gangguan.

Langkah 5: Monitoring Usage dan Cost

OpenRouter menyediakan dashboard untuk memantau total token usage, biaya per model, dan distribusi request. Gunakan data ini untuk mengoptimalkan pemilihan model. Sebagai contoh, task summarization ringan bisa diarahkan ke model yang lebih murah seperti mistral/ministral-8b, sementara task code generation tetap menggunakan Claude 3.5 Sonnet.

Kamu juga bisa mengatur limit harian di dashboard untuk mencegah billing shock saat aplikasi mendapat traffic spike yang tidak terduga.

Tips Keamanan dan Best Practices

Pertama, jangan pernah expose API key di frontend browser. Gunakan backend proxy atau serverless function untuk memforward request ke OpenRouter. Kedua, implementasi request timeout agar user tidak menunggu terlalu lama jika model lambat merespons. Ketiga, cache response untuk query yang sering berulang untuk mengurangi biaya dan latensi.

OpenRouter juga mendukung header identifikasi aplikasi melalui HTTP-Referer dan X-Title. Header ini membantu model ranking dan memberikan analytics yang lebih akurat di dashboard-mu.

Kesimpulan

OpenRouter menghilangkan friksi dalam mengakses ekosistem LLM yang terfragmentasi. Dengan satu API key dan format standar, kamu bisa bereksperimen dengan puluhan model tanpa mengubah integrasi utama aplikasi. Ini adalah keuntungan strategis bagi tim yang ingin fleksibel dan cost-efficient dalam mengadopsi AI.

Pelajari lebih lanjut di dokumentasi resmi openrouter.ai/docs dan eksplor model yang tersedia di playground interaktif mereka.