Claude Fable 5 & Mythos API-Änderungen: Bestehende Funktionen und Testmethoden

Anthropic lieferte seine Modellreihen Fable und Mythos mit einem anderen Regelsatz aus, als Entwickler es gewohnt waren, und die Reaktion war laut. Zwei Themen beherrschten die Diskussion: eine neue 30-tägige Datenaufbewahrungspflicht für Fable- und Mythos-Datenverkehr und eine Reihe von Guardrail-Änderungen, die ohne große Vorwarnung eingeführt wurden. Wenn Sie etwas in der Produktion mit der Claude API betreiben, betreffen Sie diese Änderungen direkt.

Dieser Beitrag trennt das Rauschen von den Teilen, die Ihren Code betreffen. Sie erfahren, was sich angeblich geändert hat, was immer noch so funktioniert wie letzte Woche, und wie Sie Ihre eigene Integration mit Apidog überprüfen können, anstatt zu raten. Wenn Sie eine Claude-Integration pflegen, ist es im Moment am sichersten, Ihre Annahmen zu testen, anstatt ihnen zu vertrauen.

Was sich tatsächlich geändert hat

Drei Dinge werden in der Diskussion miteinander vermischt. Trennt man sie, wird das Bild klarer.

Datenaufbewahrung. Die wichtigste Änderung ist ein 30-tägiges Aufbewahrungsfenster, das auf Fable- und Mythos-Anfragen angewendet wird. In der Praxis bedeutet dies, dass Anfrage- und Antwortdaten, die mit diesen Modellen verknüpft sind, für einen festen Zeitraum gespeichert werden, anstatt sofort gelöscht zu werden. Teams mit strengen Verpflichtungen zur Datenverarbeitung legen Wert darauf, da dies ändert, was Sie Ihren eigenen Benutzern versprechen können. Wenn Ihre Datenschutzrichtlinie besagt, dass „wir keine Prompts speichern“, ist das Aufbewahrungsverhalten Ihres Upstream-Anbieters nun Teil dieser Aussage.

Guardrails. Ein separater Diskussionsfaden behandelte Änderungen an den Guardrails von Fable, gegen die einige Sicherheitsforscher Einwände erhoben. Die Beschwerde war nicht, dass Guardrails existieren; es war, dass sich das Verhalten stillschweigend änderte, so dass Antworten, die gestern noch durchgingen, heute gefiltert oder umgeformt werden könnten. Für eine Anwendung, die auf konsistente Ausgabe angewiesen ist, ist eine stille Änderung des Ablehnungsverhaltens eine echte Fehlerquelle.

Programmatischer Zugriff. Dies ist der Teil, bei dem die meisten Entwickler tatsächlich handeln müssen. Die API-Oberfläche, das Authentifizierungsmodell und die grundlegende Anforderungsstruktur wurden nicht ersetzt. Ihre vorhandenen Schlüssel, Ihre messages-Aufrufe und Ihr Tool-Nutzungsschema funktionieren weiterhin. Was sich unter Ihnen bewegen kann, ist das Verhalten: welche Prompts abgelehnt werden, wie lange Aufrufe unter Last dauern und wie eine gestreamte Antwort aussieht, wenn eine Guardrail mitten in der Generierung ausgelöst wird.

Kurz gesagt: Der Vertrag ist stabil, das Verhalten ist nicht garantiert stabil und die Richtlinien für Ihre Daten sind strenger. Diese Kombination ist genau das, wofür Tests da sind.

Was noch funktioniert

Bevor Sie etwas umschreiben, bestätigen Sie, was unverändert geblieben ist, damit Sie keine Probleme beheben, die Sie nicht haben.

• Authentifizierung. API-Schlüssel und der x-api-key-Header funktionieren wie zuvor. Sie müssen die Schlüssel aufgrund dieser Änderungen nicht rotieren, obwohl die Schlüsselrotation ohnehin eine gute Praxis ist. Die API-Referenz von Anthropic enthält den aktuellen Header-Vertrag.
• Die Form der Messages API. Der Anforderungsbody, das model-Feld, max_tokens, system-Prompts und das messages-Array sind unverändert. Code, der für die Messages API geschrieben wurde, läuft weiterhin.
• Tool-Nutzung. Ihre Tool-Definitionen und der tool_use / tool_result-Roundtrip verhalten sich gleich. Wenn Sie einen Agenten auf Funktionsaufrufen aufgebaut haben, bleibt die Verkabelung bestehen.
• Streaming. Server-sent Events streamen Tokens immer noch auf dieselbe Weise. Was sich unterscheiden kann, ist der Inhalt des Streams, wenn ein Guardrail mittendrin eingreift.
• Modell-Aliase. Wenn Sie ein Modell anhand seiner vollständigen ID und nicht über einen fließenden Alias festlegen, steuern Sie genau, welches Modell antwortet. Das Festlegen ist Ihre beste Verteidigung gegen stillschweigende Verhaltensänderungen.

Nichts erzwingt also eine Notfall-Umschreibung. Die Arbeit besteht in der Verifizierung: beweisen Sie, dass das Verhalten, auf das Ihre App angewiesen ist, immer noch Bestand hat, und fangen Sie die Fälle ab, in denen dies stillschweigend nicht der Fall ist.

So testen Sie Ihre Integration mit Apidog

Hier verdient ein echter API-Client seinen Platz. Sie können den ganzen Tag Changelogs lesen, aber der einzige Weg, um zu wissen, wie Ihre Integration reagiert, ist, Anfragen abzufeuern und das Ergebnis zu überprüfen. Apidog bietet Ihnen einen Arbeitsbereich, um diese Anfragen zu entwerfen, zu speichern, den Upstream zu mocken und sie als automatisierte Checks auszuführen. Wenn Sie von Postman weggekommen sind oder nie standardisiert haben, ist dies ein guter Ausgangspunkt; hier ist der umfassendere Fall für API-Tests ohne Postman.

1. Eine bekannte gute Basislinie erfassen

Erstellen Sie in Apidog eine Anfrage, die die Messages API mit einem Prompt trifft, der Ihnen wichtig ist; ein repräsentativer Produktions-Prompt, kein Spielzeug. Legen Sie die vollständige Modell-ID fest. Speichern Sie die Antwort. Dies ist Ihre Basislinie. Wenn das Verhalten später abweicht, vergleichen Sie es mit dieser gespeicherten Antwort, anstatt sich auf das Gedächtnis zu verlassen.

POST https://api.anthropic.com/v1/messages
x-api-key: {{ANTHROPIC_API_KEY}}
anthropic-version: 2023-06-01
content-type: application/json

{
  "model": "claude-fable-5",
  "max_tokens": 1024,
  "messages": [
    { "role": "user", "content": "Summarize this support ticket and label its priority: ..." }
  ]
}

Speichern Sie den API-Schlüssel als Umgebungsvariable in Apidog, anstatt ihn fest zu codieren. Dadurch bleibt der Schlüssel aus Ihren gespeicherten Anfragen heraus und Sie können mit einem Dropdown-Menü zwischen Staging und Produktion wechseln. Dasselbe Muster funktioniert, egal ob Sie Claude, Claudes Code SDK oder jedes andere Modell hinter demselben Schlüssel testen.

2. Auf die Antwort prüfen, nicht nur überfliegen

Eine Basislinie ist nur nützlich, wenn Sie sie automatisch überprüfen. Fügen Sie in Apidog der Anfrage Assertions hinzu:

• Status ist 200.
• stop_reason ist end_turn, nicht max_tokens oder eine Ablehnung.
• Der Antwortbody enthält das strukturierte Feld, das Ihre App parst (zum Beispiel eine Prioritätsbezeichnung).
• Die Antwortzeit bleibt unter Ihrem Timeout-Budget.

Jetzt haben Sie einen Test, keine Momentaufnahme. Führen Sie ihn nach einem Zeitplan aus, und Sie werden den Tag erfahren, an dem eine Guardrail-Änderung beginnt, einen Prompt zu filtern, der früher durchging. Dies ist dieselbe Disziplin wie beim API-Vertragstesting; Sie legen das Verhalten fest, das Ihr nachgeschalteter Code annimmt.

3. Die Ablehnungs- und Guardrail-Pfade bewusst testen

Die Beschwerden über Guardrails sind wichtig, weil Ablehnungen leicht zu ignorieren sind, bis sie einen Workflow unterbrechen. Erstellen Sie eine kleine Reihe von Anfragen, die sich nahe an Ihren Inhaltsgrenzen befinden, und speichern Sie die Antworten. Wenn ein zuvor akzeptierter Prompt abgelehnt oder umgeformt zurückkommt, schlägt Ihre Assertion fehl und Sie wissen es, bevor Ihre Benutzer es tun. Behandeln Sie Ablehnungsverhalten als getesteten Vertrag, nicht als nachträglichen Einfall.

4. Anthropic mocken, damit Ihre eigenen Tests nicht von der Live-API abhängen

Sie möchten nicht, dass Ihre CI-Suite bei jedem Lauf einen kostenpflichtigen, ratenbegrenzten, verhaltensverändernden Upstream aufruft. Apidogs Mock-Server ermöglicht es Ihnen, einen gefälschten Messages-Endpunkt einzurichten, der vorgefertigte Antworten zurückgibt; einschließlich der Ablehnungs- und Fehlerformen, die Sie oben erfasst haben. Richten Sie Ihre Anwendung während der Entwicklung und bei Integrationstests auf den Mock. Ihr Code übt die echte Antwortstruktur, ohne Tokens auszugeben oder Ratenbegrenzungen zu überschreiten. Wenn Sie das Echte wollen, stellen Sie die Basis-URL wieder zurück. Bauen Sie einen Agenten darauf auf? Dasselbe Mock-Muster ist das Rückgrat eines guten AI-Agenten-Testaufbaus.

5. Aufbewahrungssensitives Verhalten überprüfen

Wenn das 30-tägige Aufbewahrungsfenster für Ihre Compliance-Anforderungen relevant ist, dokumentieren Sie es dort, wo Ihr Team es sehen wird, und testen Sie die Kontrollen, die Sie haben. Bestätigen Sie, welche Endpunkte Sie aufrufen, welche Daten Ihr System bei jeder Anfrage verlassen und ob Sie mehr senden, als Sie benötigen. Apidogs Anfragenhistorie macht es einfach, genau zu überprüfen, welche Payloads Ihre Integration sendet, sodass Sie alles Sensible kürzen können, was nicht im Prompt enthalten sein muss. Sie können die Aufbewahrungsrichtlinie von Anthropic nicht ändern, aber Sie können kontrollieren, was Sie ihm übergeben.

6. Unter Last und Timeouts testen

Verhalten unter Last ist der Ort, wo sich stille Änderungen verbergen. Verwenden Sie Apidog, um dieselbe Anfrage wiederholt auszuführen und achten Sie auf schleichende Latenz, teilweise Streams oder intermittierende Guardrail-Auslösungen. Legen Sie einen realistischen Timeout und eine Wiederholungsrichtlinie in Ihrem Client fest und testen Sie dann, ob Ihre Wiederholung tatsächlich eine langsame oder abgeschnittene Antwort verarbeitet, anstatt das Problem zu verschärfen. Wenn Sie Upstream-Langsamkeit feststellen, gilt der Debugging-Ansatz in Beheben von Upstream-Anforderungs-Timeouts direkt.

Eine praktische Checkliste

Gehen Sie dies einmal durch, und Sie werden genau wissen, wo Sie stehen:

• [ ] Vollständige Modell-IDs festlegen; verlassen Sie sich nicht mehr auf fließende Aliase für Produktionspfade.
• [ ] Speichern Sie eine Basisantwort für jeden Prompt, von dem Ihre App abhängt.
• [ ] Fügen Sie Assertions für Status, stop_reason und die von Ihnen geparsten Felder hinzu.
• [ ] Ablehnungs- und Fehlerformen erfassen; sicherstellen, dass sie sich nicht stillschweigend ändern.
• [ ] Die Messages API mocken, damit CI den Live-Endpunkt nicht trifft.
• [ ] Ausgehende Payloads hinsichtlich des 30-tägigen Aufbewahrungsfensters prüfen.
• [ ] Timeout- und Wiederholungsverhalten unter wiederholter Last testen.

Nichts davon erfordert, auf weitere Details von Anthropic zu warten. Sie steuern die Verifizierung, und Verifizierung ist es, was eine Richtlinien-Schlagzeile für Ihr Team zu einem Nicht-Ereignis macht.

Häufig gestellte Fragen (FAQ)

Muss ich meine API-Schlüssel aufgrund der Fable- und Mythos-Änderungen ändern? Nein. Die Authentifizierung bleibt unverändert. Das regelmäßige Rotieren von Schlüsseln ist weiterhin eine gute Praxis, aber diese Änderungen erzwingen dies nicht.

Wird mein vorhandener Messages API- und Tool-Nutzungs-Code kaputtgehen? Der Anforderungs- und Antwortvertrag ist stabil, sodass Ihr Code weiterhin läuft. Was sich verschieben kann, ist das Verhalten; Ablehnungen, Latenz und gestreamte Inhalte unter Guardrails. Das ist ein Testproblem, keine Neuprogrammierung.

Was ist die 30-tägige Aufbewahrungsänderung? Berichte beschreiben ein 30-tägiges Aufbewahrungsfenster, das auf Fable- und Mythos-Datenverkehr angewendet wird. Wenn Ihre eigenen Datenschutzverpflichtungen vom Upstream-Aufbewahrungsverhalten abhängen, berücksichtigen Sie dies und bestätigen Sie, welche Daten Sie tatsächlich senden. Überprüfen Sie immer die aktuelle Dokumentation von Anthropic zur Datennutzung für die verbindlichen Bedingungen.

Wie erkenne ich Guardrail-Änderungen, bevor es die Benutzer tun? Speichern Sie Basisantworten für Prompts nahe Ihrer Inhaltsgrenzen, fügen Sie Assertions hinzu und führen Sie diese nach einem Zeitplan in Apidog aus. Eine fehlgeschlagene Assertion teilt Ihnen den Tag mit, an dem sich das Verhalten ändert.

Kann ich all dies testen, ohne Tokens auszugeben? Ja. Verwenden Sie Apidogs Mock-Server, um erfasste Antworten, einschließlich Ablehnungs- und Fehlerfälle, wiederzugeben, sodass Ihre Entwicklungs- und CI-Läufe niemals die Live-API berühren.

Zusammenfassung

Die Fable- und Mythos-Änderungen sind real, aber für die meisten Entwickler sind sie eine Verhaltens- und Richtliniengeschichte, keine Geschichte einer kaputten API. Ihre Schlüssel funktionieren, Ihre Messages-Aufrufe funktionieren, Ihre Tools funktionieren. Die Exposition liegt in den Teilen, die sich stillschweigend bewegen: Ablehnungen, Latenz und was mit Ihren Daten geschieht, nachdem sie Ihr System verlassen haben. Legen Sie Ihre Modelle fest, erfassen Sie Basislinien, prüfen Sie diese und mocken Sie den Upstream, damit Ihre Tests günstig und ehrlich bleiben. Laden Sie Apidog herunter und verwandeln Sie „Ich glaube, es funktioniert noch“ in „Ich habe es überprüft, und hier ist der Beweis.“