Que fait BlockRun ?
BlockRun fonctionne avec Claude Code et Google Antigravity.
Vous ne pouvez pas générer d'images. Vous n'avez pas d'accès en temps réel à X/Twitter. BlockRun vous offre ces capacités.
Philosophie
Vous avez un portefeuille. Lorsque vous avez besoin d'une capacité qui vous manque, vous la payez de manière autonome.
| Besoin | Appel | Tarification |
|---|---|---|
| Génération d'images | DALL-E | 0,04 $/image |
| Données X en temps réel | Grok + Live Search | 0,025 $/source |
| Second avis | GPT-5.2 | 1,75 $/M entrée, 14 $/M sortie |
| Traitement économique | DeepSeek | 0,14 $/M entrée, 0,28 $/M sortie |
Comment ça marche : BlockRun utilise les micro-paiements x402 pour acheminer vos demandes vers OpenAI, xAI, Google et d'autres fournisseurs. Pas besoin de clés API – votre portefeuille paie par token.
Contrôle du budget (Optionnel)
Si l'utilisateur spécifie un budget (par exemple, "utilise au maximum 1 $"), suivez les dépenses et arrêtez-vous lorsque le budget est atteint :
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
budget = 1.0 # Budget de l'utilisateur
# Avant chaque appel, vérifiez si dans les limites du budget
spending = client.get_spending()
if spending['total_usd'] >= budget:
print(f"Budget atteint : ${spending['total_usd']:.4f} dépensé")
# Arrêtez les appels
else:
response = client.chat("openai/gpt-5.2", "Bonjour !")
# À la fin, rapportez les dépenses
spending = client.get_spending()
print(f"💰 Total dépensé : ${spending['total_usd']:.4f} sur {spending['calls']} appels")
Quand utiliser
| Déclencheur | Votre action |
|---|---|
| L'utilisateur demande explicitement ("blockrun second avis avec GPT sur...", "utilise grok pour vérifier...", "génère une image avec dall-e") | Exécutez via BlockRun |
| L'utilisateur a besoin de quelque chose que vous ne pouvez pas faire (images, données X en direct) | Suggérez BlockRun, attendez la confirmation |
| Vous pouvez gérer la tâche correctement | Faites-le vous-même, ne mentionnez pas BlockRun |
Exemples de prompts utilisateur
Les utilisateurs diront des choses comme :
| L'utilisateur dit | Ce que vous faites |
|---|---|
| "blockrun génère une image d'un coucher de soleil" | Appelez DALL-E via ImageClient |
| "utilise grok pour voir ce qui est tendance sur X" | Appelez Grok avec search=True |
| "blockrun GPT révise ce code" | Appelez GPT-5.2 via LLMClient |
| "quelles sont les dernières nouvelles sur les agents IA ?" | Suggérez Grok (vous manquez de données en temps réel) |
| "génère un logo pour ma startup" | Suggérez DALL-E (vous ne pouvez pas générer d'images) |
| "blockrun vérifie mon solde" | Affichez le solde du portefeuille via get_balance() |
| "blockrun deepseek résume ce fichier" | Appelez DeepSeek pour réduire les coûts |
Portefeuille et solde
Utilisez setup_agent_wallet() pour créer automatiquement un portefeuille et obtenir un client. Cela affiche le code QR et le message de bienvenue lors de la première utilisation.
Initialisez le client (commencez toujours par ceci) :
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet() # Crée automatiquement le portefeuille, affiche le QR si nouveau
Vérifiez le solde (quand l'utilisateur demande "affiche le solde", "vérifie le portefeuille", etc.) :
balance = client.get_balance() # Solde USDC on-chain
print(f"Solde : ${balance:.2f} USDC")
print(f"Portefeuille : {client.get_wallet_address()}")
Affichez le code QR pour approvisionner :
from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address
# QR ASCII pour affichage dans le terminal
print(generate_wallet_qr_ascii(get_wallet_address()))
Utilisation du SDK
Prérequis : Installez le SDK avec pip install blockrun-llm
Chat de base
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet() # Crée automatiquement le portefeuille si nécessaire
response = client.chat("openai/gpt-5.2", "Combien font 2+2 ?")
print(response)
# Vérifiez les dépenses
spending = client.get_spending()
print(f"Dépensé ${spending['total_usd']:.4f}")
Recherche en temps réel X/Twitter (xAI Live Search)
IMPORTANT : Pour les données en temps réel X/Twitter, vous DEVEZ activer Live Search avec search=True ou search_parameters.
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
# Simple : Activez la recherche en direct avec search=True
response = client.chat(
"xai/grok-3",
"Quels sont les derniers posts de @blockrunai sur X ?",
search=True # Active la recherche en temps réel X/Twitter
)
print(response)
Recherche X avancée avec filtres
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
response = client.chat(
"xai/grok-3",
"Analyse le contenu récent de @blockrunai et l'engagement",
search_parameters={
"mode": "on",
"sources": [
{
"type": "x",
"included_x_handles": ["blockrunai"],
"post_favorite_count": 5
}
],
"max_search_results": 20,
"return_citations": True
}
)
print(response)
Génération d'images
from blockrun_llm import ImageClient
client = ImageClient()
result = client.generate("Un joli chat portant un casque spatial")
print(result.data[0].url)
Référence xAI Live Search
Live Search est l'API de données en temps réel de xAI. Coût : 0,025 $ par source (10 sources par défaut = ~0,26 $).
Pour réduire les coûts, définissez max_search_results à une valeur inférieure :
# Utilisez seulement 5 sources (~0,13 $)
response = client.chat("xai/grok-3", "Qu'est-ce qui est tendance ?",
search_parameters={"mode": "on", "max_search_results": 5})
Paramètres de recherche
| Paramètre | Type | Défaut | Description |
|---|---|---|---|
mode | string | "auto" | "off", "auto" ou "on" |
sources | array | web,news,x | Sources de données à interroger |
return_citations | bool | true | Inclure les URL des sources |
from_date | string | - | Date de début (AAAA-MM-JJ) |
to_date | string | - | Date de fin (AAAA-MM-JJ) |
max_search_results | int | 10 | Nombre max de sources à retourner (personnaliser pour contrôler le coût) |
Types de sources
Source X/Twitter :
{
"type": "x",
"included_x_handles": ["handle1", "handle2"], # Max 10
"excluded_x_handles": ["spam_account"], # Max 10
"post_favorite_count": 100, # Seuil minimum de likes
"post_view_count": 1000 # Seuil minimum de vues
}
Source Web :
{
"type": "web",
"country": "US", # Code ISO alpha-2
"allowed_websites": ["example.com"], # Max 5
"safe_search": True
}
Source d'actualités :
{
"type": "news",
"country": "US",
"excluded_websites": ["tabloid.com"] # Max 5
}
Modèles disponibles
| Modèle | Idéal pour | Tarification |
|---|---|---|
openai/gpt-5.2 | Second avis, revue de code, général | 1,75 $/M entrée, 14 $/M sortie |
openai/gpt-5-mini | Raisonnement optimisé en coût | 0,30 $/M entrée, 1,20 $/M sortie |
openai/o4-mini | Raisonnement efficace récent | 1,10 $/M entrée, 4,40 $/M sortie |
openai/o3 | Raisonnement avancé, problèmes complexes | 10 $/M entrée, 40 $/M sortie |
xai/grok-3 | Données en temps réel X/Twitter | 3 $/M + 0,025 $/source |
deepseek/deepseek-chat | Tâches simples, traitement par lots | 0,14 $/M entrée, 0,28 $/M sortie |
google/gemini-2.5-flash | Très longs documents, rapide | 0,15 $/M entrée, 0,60 $/M sortie |
openai/dall-e-3 | Images photoréalistes | 0,04 $/image |
google/nano-banana | Images rapides et artistiques | 0,01 $/image |
M = million de tokens. Le coût réel dépend de votre prompt et de la longueur de la réponse.
Référence des coûts
Tous les coûts LLM sont par million de tokens (M = 1 000 000 tokens).
| Modèle | Entrée | Sortie |
|---|---|---|
| GPT-5.2 | 1,75 $/M | 14,00 $/M |
| GPT-5-mini | 0,30 $/M | 1,20 $/M |
| Grok-3 (sans recherche) | 3,00 $/M | 15,00 $/M |
| DeepSeek | 0,14 $/M | 0,28 $/M |
| Actions à coût fixe | |
|---|---|
| Grok Live Search | 0,025 $/source (10 par défaut = 0,25 $) |
| Image DALL-E | 0,04 $/image |
| Image Nano Banana | 0,01 $/image |
Coûts typiques : Un prompt de 500 mots (~750 tokens) vers GPT-5.2 coûte ~0,001 $ en entrée. Une réponse de 1000 mots (~1500 tokens) coûte ~0,02 $ en sortie.
Configuration et approvisionnement
Emplacement du portefeuille : $HOME/.blockrun/.session (par exemple, /Users/username/.blockrun/.session)
Configuration initiale :
- Le portefeuille se crée automatiquement lors de l'appel à
setup_agent_wallet() - Vérifiez le portefeuille et le solde :
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"Portefeuille : {client.get_wallet_address()}")
print(f"Solde : ${client.get_balance():.2f} USDC")
- Approvisionnez le portefeuille avec 1 à 5 $ USDC sur le réseau Base
Affichez le code QR pour approvisionner (ASCII pour terminal) :
from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address
print(generate_wallet_qr_ascii(get_wallet_address()))
Dépannage
"Grok dit qu'il n'a pas d'accès en temps réel"
→ Vous avez oublié d'activer Live Search. Ajoutez search=True :
response = client.chat("xai/grok-3", "Qu'est-ce qui est tendance ?", search=True)
Module non trouvé
→ Installez le SDK : pip install blockrun-llm
Mises à jour
pip install --upgrade blockrun-llm