Grok 3 API の使い方：開発者向け完全ガイド (2026年版)

Grok 3 API の使い方：2026年版開発者向け完全ガイド

xAIの Grok 3 は、2026年時点で利用可能な最も有能な大規模言語モデルの一つです。強力な推論能力、広大なコンテキストウィンドウ、そしてコンテンツポリシーに対する独自のアプローチで知られています。Grok 3 API を使用することで、開発者はプログラムからこのモデルにアクセスし、アプリケーション、チャットボット、分析ツールなどを構築できます。

このガイドでは、 API key の取得から最初のリクエストの実行まで、Python、JavaScript、cURL のコード例を交えて解説します。

Grok 3 API とは？

Grok 3 API は、xAI が提供する RESTful API であり、OpenAI 互換の chat completions フォーマットに従っています。すでに OpenAI API を使用したことがある場合、リクエストとレスポンスの構造が同じであるため、すぐに使いこなすことができるでしょう。

機能	詳細
プロバイダー	xAI
Base URL	`https://api.x.ai/v1`
API フォーマット	OpenAI 互換 (chat completions)
利用可能なモデル	grok-3, grok-3-mini, grok-3-fast
コンテキストウィンドウ	131,072 tokens
最大出力	32,768 tokens
マルチモーダル	テキスト + 画像入力
ストリーミング	対応
Function Calling	対応

ステップ 1: API Key を取得する

console.x.ai の xAI Console にアクセスします。
アカウントを作成するか、ログインします。
"API Keys" セクションに移動します。
"Create API Key" をクリックします。
キーをすぐにコピーしてください（一度しか表示されません）。

API key の形式:
xai-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

安全に保管してください:
- バージョン管理システム（Git等）にコミットしない
- 環境変数を使用する
- 本番環境ではシークレットマネージャーを使用する

キーを環境変数として設定します。

# macOS/Linux: ~/.bashrc または ~/.zshrc に追加
export XAI_API_KEY="xai-your-key-here"

# Windows PowerShell
$env:XAI_API_KEY = "xai-your-key-here"

# または .env ファイルを使用（このファイルはコミットしないでください）
echo 'XAI_API_KEY=xai-your-key-here' >> .env

ステップ 2: 最初のリクエストを実行する

cURL を使用する場合

curl https://api.x.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d '{
    "model": "grok-3",
    "messages": [
      {"role": "system", "content": "You are a helpful programming assistant."},
      {"role": "user", "content": "Explain the difference between a stack and a queue."}
    ],
    "temperature": 0.7,
    "max_tokens": 1024
  }'

Python を使用する場合

OpenAI Python SDK をインストールします（xAI は OpenAI 互換のため動作します）。

pip install openai

from openai import OpenAI
import os

# xAI の base URL を指定してクライアントを初期化
client = OpenAI(
    api_key=os.environ.get("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

# chat completion リクエストの作成
response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Write a Python function to find the longest palindrome in a string."}
    ],
    temperature=0,
    max_tokens=2048,
)

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

JavaScript/TypeScript を使用する場合

npm install openai

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: 'https://api.x.ai/v1',
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'grok-3',
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Explain microservices vs monolithic architecture.' }
    ],
    temperature: 0.7,
    max_tokens: 2048,
  });

  console.log(response.choices[0].message.content);
}

main();

ステップ 3: 利用可能なモデルの理解

xAI は複数の Grok 3 バリアントを提供しています。

モデル	速度	品質	コスト	最適な用途
`grok-3`	中程度	最高	最高	複雑な推論、分析
`grok-3-mini`	高速	良好	低い	一般的なタスク、チャットボット
`grok-3-fast`	最速	良好	最安	高スループットなアプリケーション

# 高速レスポンスのために fast モデルを使用する例
response = client.chat.completions.create(
    model="grok-3-fast",
    messages=[
        {"role": "user", "content": "What is the time complexity of binary search?"}
    ],
)

ステップ 4: レスポンスのストリーミング

より良いユーザー体験のために、トークンが生成されるたびに表示するストリーミングを使用します。

# Python ストリーミングの例
stream = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "user", "content": "Write a detailed guide to Docker networking."}
    ],
    stream=True,
    max_tokens=4096,
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)
print()  # 最後に改行

// TypeScript ストリーミングの例
const stream = await client.chat.completions.create({
  model: 'grok-3',
  messages: [
    { role: 'user', content: 'Explain Kubernetes pods in detail.' }
  ],
  stream: true,
});

for await (const chunk of stream) {
  const content = chunk.choices[0]?.delta?.content || '';
  process.stdout.write(content);
}
console.log();

ステップ 5: Function Calling (ツール利用)

Grok 3 は Function Calling をサポートしており、外部ツールとのやり取りが可能です。

import json

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_database",
            "description": "Search the product database for items matching a query",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "The search query"
                    },
                    "category": {
                        "type": "string",
                        "enum": ["electronics", "books", "clothing"],
                        "description": "Product category to filter by"
                    },
                    "max_results": {
                        "type": "integer",
                        "description": "Maximum number of results to return"
                    }
                },
                "required": ["query"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "user", "content": "Find me the top 5 electronics under $50"}
    ],
    tools=tools,
    tool_choice="auto",
)

# モデルが関数呼び出しを希望しているか確認
message = response.choices[0].message

if message.tool_calls:
    for tool_call in message.tool_calls:
        function_name = tool_call.function.name
        arguments = json.loads(tool_call.function.arguments)
        print(f"Function: {function_name}")
        print(f"Arguments: {arguments}")

        # 関数を実行して結果を返す処理
        # result = search_database(**arguments)
        # ... 結果を元に会話を継続

ステップ 6: Vision (画像入力)

Grok 3 はテキストと一緒に画像を分析できます。

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "What's happening in this image? Describe it in detail."
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ],
    max_tokens=1024,
)

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

base64 エンコードを使用してローカル画像を使用する場合：

import base64

def encode_image(image_path):
    with open(image_path, "rb") as f:
        return base64.standard_b64encode(f.read()).decode("utf-8")

base64_image = encode_image("screenshot.png")

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Describe what you see in this screenshot."},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]
        }
    ],
)

ステップ 7: Grok 3 API の料金

モデル	入力 (100万トークンあたり)	出力 (100万トークンあたり)
grok-3	$3.00	$15.00
grok-3-mini	$0.30	$0.50
grok-3-fast	$5.00	$25.00

コストの見積もり:

# おおよそのコスト見積もり
def estimate_cost(input_tokens, output_tokens, model="grok-3"):
    pricing = {
        "grok-3": {"input": 3.00, "output": 15.00},
        "grok-3-mini": {"input": 0.30, "output": 0.50},
        "grok-3-fast": {"input": 5.00, "output": 25.00},
    }
    rates = pricing[model]
    input_cost = (input_tokens / 1_000_000) * rates["input"]
    output_cost = (output_tokens / 1_000_000) * rates["output"]
    return input_cost + output_cost

# 例: 1000 入力トークン, 500 出力トークン
cost = estimate_cost(1000, 500, "grok-3")
print(f"Estimated cost: ${cost:.6f}")  # $0.010500

エラーハンドリングのベストプラクティス

from openai import OpenAI, APIError, RateLimitError, AuthenticationError
import time

client = OpenAI(
    api_key=os.environ.get("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

def call_grok(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="grok-3",
                messages=messages,
                max_tokens=2048,
            )
            return response.choices[0].message.content

        except AuthenticationError:
            print("Invalid API key. Check your XAI_API_KEY.")
            raise

        except RateLimitError:
            wait_time = 2 ** attempt
            print(f"Rate limited. Waiting {wait_time}s...")
            time.sleep(wait_time)

        except APIError as e:
            print(f"API error: {e}")
            if attempt == max_retries - 1:
                raise
            time.sleep(1)

    raise Exception("Max retries exceeded")

よくある問題と解決策

問題	原因	解決策
401 Unauthorized	API key が無効または未設定	`XAI_API_KEY` が正しく設定されているか確認
429 Too Many Requests	レート制限に到達	エクスポネンシャルバックオフを実装する
400 Bad Request	リクエストボディの形式不正	JSON とパラメータを検証する
413 Payload Too Large	入力がコンテキスト制限を超過	入力トークンを減らす (最大 131K)
Timeout	長時間の生成またはネットワーク問題	タイムアウト時間を設定するか、ストリーミングを使用する
Empty response	max_tokens が低すぎる	`max_tokens` パラメータの値を増やす

まとめ

Grok 3 API は、2026年において AI アプリケーションを構築するための強力で開発者フレンドリーな選択肢です。 OpenAI 互換のフォーマットにより、最小限のコード変更で他のプロバイダーから移行でき、各種モデル (grok-3, grok-3-mini, grok-3-fast) によって品質、速度、コストの最適化を柔軟に行えます。

画像生成、動画作成、リップシンク、音声クローンなど、テキスト以外の AI 生成を必要とするプロジェクトについては、Hypereal AI が LLM と並んで数十種類の特化型 AI モデルへの統合 API アクセスを提供しています。単一のプラットフォームから、完結した AI パワーのワークフローを構築することが可能です。

Grok 3 API の使い方：2026年版開発者向け完全ガイド

このガイドでは、 API key の取得から最初のリクエストの実行まで、Python、JavaScript、cURL のコード例を交えて解説します。

Grok 3 API とは？

機能	詳細
プロバイダー	xAI
Base URL	`https://api.x.ai/v1`
API フォーマット	OpenAI 互換 (chat completions)
利用可能なモデル	grok-3, grok-3-mini, grok-3-fast
コンテキストウィンドウ	131,072 tokens
最大出力	32,768 tokens
マルチモーダル	テキスト + 画像入力
ストリーミング	対応
Function Calling	対応

ステップ 1: API Key を取得する

console.x.ai の xAI Console にアクセスします。
アカウントを作成するか、ログインします。
"API Keys" セクションに移動します。
"Create API Key" をクリックします。
キーをすぐにコピーしてください（一度しか表示されません）。

API key の形式:
xai-XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX

安全に保管してください:
- バージョン管理システム（Git等）にコミットしない
- 環境変数を使用する
- 本番環境ではシークレットマネージャーを使用する

キーを環境変数として設定します。

# macOS/Linux: ~/.bashrc または ~/.zshrc に追加
export XAI_API_KEY="xai-your-key-here"

# Windows PowerShell
$env:XAI_API_KEY = "xai-your-key-here"

# または .env ファイルを使用（このファイルはコミットしないでください）
echo 'XAI_API_KEY=xai-your-key-here' >> .env

ステップ 2: 最初のリクエストを実行する

cURL を使用する場合

curl https://api.x.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d '{
    "model": "grok-3",
    "messages": [
      {"role": "system", "content": "You are a helpful programming assistant."},
      {"role": "user", "content": "Explain the difference between a stack and a queue."}
    ],
    "temperature": 0.7,
    "max_tokens": 1024
  }'

Python を使用する場合

OpenAI Python SDK をインストールします（xAI は OpenAI 互換のため動作します）。

pip install openai

from openai import OpenAI
import os

# xAI の base URL を指定してクライアントを初期化
client = OpenAI(
    api_key=os.environ.get("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

# chat completion リクエストの作成
response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Write a Python function to find the longest palindrome in a string."}
    ],
    temperature=0,
    max_tokens=2048,
)

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

JavaScript/TypeScript を使用する場合

npm install openai

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: 'https://api.x.ai/v1',
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'grok-3',
    messages: [
      { role: 'system', content: 'You are a helpful assistant.' },
      { role: 'user', content: 'Explain microservices vs monolithic architecture.' }
    ],
    temperature: 0.7,
    max_tokens: 2048,
  });

  console.log(response.choices[0].message.content);
}

main();

ステップ 3: 利用可能なモデルの理解

xAI は複数の Grok 3 バリアントを提供しています。

モデル	速度	品質	コスト	最適な用途
`grok-3`	中程度	最高	最高	複雑な推論、分析
`grok-3-mini`	高速	良好	低い	一般的なタスク、チャットボット
`grok-3-fast`	最速	良好	最安	高スループットなアプリケーション

# 高速レスポンスのために fast モデルを使用する例
response = client.chat.completions.create(
    model="grok-3-fast",
    messages=[
        {"role": "user", "content": "What is the time complexity of binary search?"}
    ],
)

ステップ 4: レスポンスのストリーミング

より良いユーザー体験のために、トークンが生成されるたびに表示するストリーミングを使用します。

# Python ストリーミングの例
stream = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "user", "content": "Write a detailed guide to Docker networking."}
    ],
    stream=True,
    max_tokens=4096,
)

for chunk in stream:
    if chunk.choices[0].delta.content is not None:
        print(chunk.choices[0].delta.content, end="", flush=True)
print()  # 最後に改行

// TypeScript ストリーミングの例
const stream = await client.chat.completions.create({
  model: 'grok-3',
  messages: [
    { role: 'user', content: 'Explain Kubernetes pods in detail.' }
  ],
  stream: true,
});

for await (const chunk of stream) {
  const content = chunk.choices[0]?.delta?.content || '';
  process.stdout.write(content);
}
console.log();

ステップ 5: Function Calling (ツール利用)

Grok 3 は Function Calling をサポートしており、外部ツールとのやり取りが可能です。

import json

tools = [
    {
        "type": "function",
        "function": {
            "name": "search_database",
            "description": "Search the product database for items matching a query",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "The search query"
                    },
                    "category": {
                        "type": "string",
                        "enum": ["electronics", "books", "clothing"],
                        "description": "Product category to filter by"
                    },
                    "max_results": {
                        "type": "integer",
                        "description": "Maximum number of results to return"
                    }
                },
                "required": ["query"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "user", "content": "Find me the top 5 electronics under $50"}
    ],
    tools=tools,
    tool_choice="auto",
)

# モデルが関数呼び出しを希望しているか確認
message = response.choices[0].message

if message.tool_calls:
    for tool_call in message.tool_calls:
        function_name = tool_call.function.name
        arguments = json.loads(tool_call.function.arguments)
        print(f"Function: {function_name}")
        print(f"Arguments: {arguments}")

        # 関数を実行して結果を返す処理
        # result = search_database(**arguments)
        # ... 結果を元に会話を継続

ステップ 6: Vision (画像入力)

Grok 3 はテキストと一緒に画像を分析できます。

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "What's happening in this image? Describe it in detail."
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ],
    max_tokens=1024,
)

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

base64 エンコードを使用してローカル画像を使用する場合：

import base64

def encode_image(image_path):
    with open(image_path, "rb") as f:
        return base64.standard_b64encode(f.read()).decode("utf-8")

base64_image = encode_image("screenshot.png")

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Describe what you see in this screenshot."},
                {
                    "type": "image_url",
                    "image_url": {
                        "url": f"data:image/png;base64,{base64_image}"
                    }
                }
            ]
        }
    ],
)

ステップ 7: Grok 3 API の料金

モデル	入力 (100万トークンあたり)	出力 (100万トークンあたり)
grok-3	$3.00	$15.00
grok-3-mini	$0.30	$0.50
grok-3-fast	$5.00	$25.00

コストの見積もり:

# おおよそのコスト見積もり
def estimate_cost(input_tokens, output_tokens, model="grok-3"):
    pricing = {
        "grok-3": {"input": 3.00, "output": 15.00},
        "grok-3-mini": {"input": 0.30, "output": 0.50},
        "grok-3-fast": {"input": 5.00, "output": 25.00},
    }
    rates = pricing[model]
    input_cost = (input_tokens / 1_000_000) * rates["input"]
    output_cost = (output_tokens / 1_000_000) * rates["output"]
    return input_cost + output_cost

# 例: 1000 入力トークン, 500 出力トークン
cost = estimate_cost(1000, 500, "grok-3")
print(f"Estimated cost: ${cost:.6f}")  # $0.010500

エラーハンドリングのベストプラクティス

from openai import OpenAI, APIError, RateLimitError, AuthenticationError
import time

client = OpenAI(
    api_key=os.environ.get("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

def call_grok(messages, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.chat.completions.create(
                model="grok-3",
                messages=messages,
                max_tokens=2048,
            )
            return response.choices[0].message.content

        except AuthenticationError:
            print("Invalid API key. Check your XAI_API_KEY.")
            raise

        except RateLimitError:
            wait_time = 2 ** attempt
            print(f"Rate limited. Waiting {wait_time}s...")
            time.sleep(wait_time)

        except APIError as e:
            print(f"API error: {e}")
            if attempt == max_retries - 1:
                raise
            time.sleep(1)

    raise Exception("Max retries exceeded")

よくある問題と解決策

問題	原因	解決策
401 Unauthorized	API key が無効または未設定	`XAI_API_KEY` が正しく設定されているか確認
429 Too Many Requests	レート制限に到達	エクスポネンシャルバックオフを実装する
400 Bad Request	リクエストボディの形式不正	JSON とパラメータを検証する
413 Payload Too Large	入力がコンテキスト制限を超過	入力トークンを減らす (最大 131K)
Timeout	長時間の生成またはネットワーク問題	タイムアウト時間を設定するか、ストリーミングを使用する
Empty response	max_tokens が低すぎる	`max_tokens` パラメータの値を増やす

Hyperealで構築を始めよう

Grok 3 API の使い方：2026年版 開発者向け完全ガイド

Grok 3 API とは？

ステップ 1: API Key を取得する

ステップ 2: 最初のリクエストを実行する

cURL を使用する場合

Python を使用する場合

JavaScript/TypeScript を使用する場合

ステップ 3: 利用可能なモデルの理解

ステップ 4: レスポンスのストリーミング

ステップ 5: Function Calling (ツール利用)

ステップ 6: Vision (画像入力)

ステップ 7: Grok 3 API の料金

エラーハンドリングのベストプラクティス

よくある問題と解決策

まとめ

関連記事

GLM-4.6 API の使い方：開発者向け完全ガイド (2026年版)

GLM-4.7 API の使い方：開発者ガイド (2026)

Grok 3 API Rate Limits: 完全ガイド (2026年版)

今日から構築を開始

Hyperealで構築を始めよう

Grok 3 API の使い方：2026年版 開発者向け完全ガイド

Grok 3 API とは？

ステップ 1: API Key を取得する

ステップ 2: 最初のリクエストを実行する

cURL を使用する場合

Python を使用する場合

JavaScript/TypeScript を使用する場合

ステップ 3: 利用可能なモデルの理解

ステップ 4: レスポンスのストリーミング

ステップ 5: Function Calling (ツール利用)

ステップ 6: Vision (画像入力)

ステップ 7: Grok 3 API の料金

エラーハンドリングのベストプラクティス

よくある問題と解決策

まとめ

関連記事

GLM-4.6 API の使い方：開発者向け完全ガイド (2026年版)

GLM-4.7 API の使い方：開発者ガイド (2026)

Grok 3 API Rate Limits: 完全ガイド (2026年版)

今日から構築を開始

Grok 3 API の使い方：2026年版開発者向け完全ガイド

Grok 3 API の使い方：2026年版開発者向け完全ガイド