OpenAI · テキスト

OpenClaw x Embedding

OpenAI Embeddingモデルは、RunAPI経由で標準のOpenAI Embeddings APIを公開するため、ベクター検索とRAGパイプラインはGPTチャットやResponsesトラフィックと同じRunAPIキーを使用できます。

3 variants から $0.02 / 100万トークン 商用利用対応
APIキーを取得 OpenClaw のドキュメントを見る

Prerequisite: npx runapi mcp install

Prompt

プロンプトモデル

タスクに合う場合は text-embedding-3-large を使用してください: 検索取得とランキング品質のための高容量テキストベクター。

You have access to RunAPI task tools for Embedding.

Available Embedding models:
- text-embedding-3-large: 検索取得とランキング品質のための高容量テキストベクター
  endpoints: /v1/embeddings
  request fields: model, input
- text-embedding-3-small: 本番セマンティック検索向けの効率的なテキストベクター
  endpoints: /v1/embeddings
  request fields: model, input
- text-embedding-ada-002: 既存パイプラインで広くサポートされるテキストエンベディング
  endpoints: /v1/embeddings
  request fields: model, input

Use the model ID and endpoint that match the user's request.
Example prompt: これらのサポート記事と顧客クエリをエンベディングし、最も近い一致をランキングできるようにしてください。
/v1/embeddings: Submit the request and verify the synchronous output. POST /v1/embeddings を実行し、数値の embedding ベクトルが含まれることを確認します。

公開バージョンとエンドポイント

モデル ID エンドポイント 開始価格 モデルカタログ
text-embedding-3-large
/v1/embeddings
$0.13 / 100万トークン モデル詳細
text-embedding-3-small
/v1/embeddings
$0.02 / 100万トークン モデル詳細
text-embedding-ada-002
/v1/embeddings
$0.10 / 100万トークン モデル詳細

検証

Task が終端状態になるまでポーリングします

<model-id> を選択すると検証コマンドが生成されます。

設定

ガイドエンドポイント: <endpoint>

<model-id> を選択すると、公開入力契約に基づくリクエストが生成されます。
利用手順

3ステップで始める

  1. モデル ID を選択

    公開モデル ID を選び、エンドポイントと現在の開始価格を確認します。

  2. RunAPI を設定

    エンドポイントを呼び出す前に RUNAPI_API_KEY を設定します。

  3. 結果を検証

    非同期エンドポイントでは、Task が終端状態になるまで同じエンドポイントをポーリングします。

OpenClaw + Embedding で作れるもの

  • コードで扱える構造化された結果

    チャットの文章ではなく機械可読な出力を受け取り、アプリケーションでそのまま保存、比較、処理できます。

  • 自社データへの付加情報

    ドキュメント、画像、レコードをモデルで処理し、結果を元データと一緒に保存して後の工程で使います。

  • 大量処理

    同じ RunAPI キーで大量の入力をまとめて送り、結果をプログラムで回収します。

Embedding を RunAPI + OpenClaw で使う理由

  • 3 個のバリアントを 1 つの API キーで

    RunAPI の 1 つの接続から利用可能なモデルバリアントを選べるため、連携方法を変える必要がありません。

  • わかりやすい利用料金

    リクエストを送る前にカタログの現在の料金を確認できます。サブスクリプションや最低利用額はありません。

  • 直接のレスポンス

    同期呼び出しは同じレスポンスで結果を返すため、エージェントはタスクをポーリングせずにすぐ結果を使えます。

OpenClaw + Embedding に関するよくある質問

どのembeddingモデルを使うべきですか？

効率的な本番検索取得にはtext-embedding-3-smallを、ベクターサイズよりリコール品質を重視する場合はtext-embedding-3-largeを使用してください。

embeddingベクターを短くできますか？

はい — より小さなベクターが必要な場合は、text-embedding-3-largeまたはtext-embedding-3-smallでdimensionsパラメーターを渡してください。

エンドポイントは標準のOpenAIレスポンス形式を返しますか？

はい — /v1/embeddingsは、embeddingデータ、モデル、使用量を含むOpenAI互換のリストレスポンスを返します。

embeddingモデルはChat CompletionsやResponsesで使えますか？

いいえ — embeddingモデルは/v1/embeddingsでのみ利用できます。

どの入力がサポートされていますか？

OpenAI Embeddings API形式に従って、文字列、文字列の配列、またはトークン配列を使用できます。

どのモデル ID を使うべきですか？

バージョン表から公開モデル ID を選択してください。各 ID で利用できるエンドポイントが同じ行に表示されます。

このガイドはチャットモデルを設定しますか？

いいえ。この Model Line はここに示すエンドポイント手順を使用し、Agent のチャットモデルとしては扱いません。

OpenClawでEmbeddingを使い始める

APIキーを取得 クイックスタートを読む

チームで構築していますか？

エンタープライズ導入、連携、技術的なご相談をお手伝いします。

お問い合わせ