BlockRun
BlockRunはClaude CodeやGoogle Antigravityと連携して動作します。
画像を生成することはできません。リアルタイムのX/Twitterにアクセスすることもできません。BlockRunはこれらの機能を提供します。
哲学
あなたはウォレットを持っています。不足している機能が必要になった場合、自律的にそれに支払います。
| 必要な機能 | 呼び出すもの | 料金 |
|---|---|---|
| 画像生成 | DALL-E | $0.04/画像 |
| リアルタイムXデータ | Grok + Live Search | $0.025/ソース |
| セカンドオピニオン | GPT-5.2 | $1.75/M入力、$14/M出力 |
| 低コスト処理 | DeepSeek | $0.14/M入力、$0.28/M出力 |
動作の仕組み: BlockRunはx402マイクロペイメントを使用して、リクエストをOpenAI、xAI、Googleなどのプロバイダーにルーティングします。APIキーは不要で、ウォレットがトークンごとに支払います。
予算管理(オプション)
ユーザーが予算を指定した場合(例:「最大$1まで使用」)、支出を追跡し、予算に達したら停止します:
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
budget = 1.0 # ユーザーの予算
# 各呼び出しの前に、予算内かどうかチェック
spending = client.get_spending()
if spending['total_usd'] >= budget:
print(f"予算に達しました: ${spending['total_usd']:.4f} 使用済み")
# 呼び出しを停止
else:
response = client.chat("openai/gpt-5.2", "Hello!")
# 最後に支出を報告
spending = client.get_spending()
print(f"💰 合計使用額: ${spending['total_usd']:.4f}({spending['calls']}回の呼び出し)")
使用すべきタイミング
| トリガー | あなたのアクション |
|---|---|
| ユーザーが明示的にリクエスト(「blockrunでGPTによるセカンドオピニオンを」「grokを使って確認して」「dall-eで画像を生成して」) | BlockRun経由で実行 |
| ユーザーがあなたのできないことを必要としている(画像、ライブXデータ) | BlockRunを提案し、確認を待つ |
| あなた自身で問題なく処理できる | 自分で実行し、BlockRunについて言及しない |
ユーザープロンプトの例
ユーザーは次のように言うことがあります:
| ユーザーの発言 | あなたの行動 |
|---|---|
| 「blockrunで夕日の画像を生成して」 | ImageClient経由でDALL-Eを呼び出す |
| 「grokを使ってXで何がトレンドかチェックして」 | search=True を指定してGrokを呼び出す |
| 「blockrunでGPTにこのコードをレビューしてもらって」 | LLMClient経由でGPT-5.2を呼び出す |
| 「AIエージェントに関する最新ニュースは?」 | Grokを提案する(あなたはリアルタイムデータにアクセスできない) |
| 「スタートアップのロゴを生成して」 | DALL-Eを提案する(あなたは画像を生成できない) |
| 「blockrunで残高を確認して」 | get_balance() でウォレット残高を表示 |
| 「blockrunでdeepseekにこのファイルを要約してもらって」 | コスト節約のためにDeepSeekを呼び出す |
ウォレットと残高
setup_agent_wallet() を使用してウォレットを自動生成し、クライアントを取得します。初回使用時にQRコードとウェルカムメッセージが表示されます。
クライアントの初期化(常にこれから始める):
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet() # ウォレットを自動生成、新規の場合はQRコードを表示
残高確認(ユーザーが「残高を表示」「ウォレットを確認」などと言った場合):
balance = client.get_balance() # オンチェーンUSDC残高
print(f"残高: ${balance:.2f} USDC")
print(f"ウォレット: {client.get_wallet_address()}")
資金調達用QRコードの表示:
from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address
# ターミナル表示用ASCII QRコード
print(generate_wallet_qr_ascii(get_wallet_address()))
SDKの使い方
前提条件: pip install blockrun-llm でSDKをインストールします。
基本的なチャット
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet() # 必要に応じてウォレットを自動生成
response = client.chat("openai/gpt-5.2", "2+2は?")
print(response)
# 支出を確認
spending = client.get_spending()
print(f"使用額: ${spending['total_usd']:.4f}")
リアルタイムX/Twitter検索(xAI Live Search)
重要: リアルタイムX/Twitterデータを取得するには、search=True または search_parameters でLive Searchを有効にする必要があります。
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
# シンプル: search=True でライブ検索を有効にする
response = client.chat(
"xai/grok-3",
"@blockrunai のXでの最新投稿は?",
search=True # リアルタイムX/Twitter検索を有効化
)
print(response)
フィルター付き高度なX検索
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
response = client.chat(
"xai/grok-3",
"@blockrunai の最近のコンテンツとエンゲージメントを分析して",
search_parameters={
"mode": "on",
"sources": [
{
"type": "x",
"included_x_handles": ["blockrunai"],
"post_favorite_count": 5
}
],
"max_search_results": 20,
"return_citations": True
}
)
print(response)
画像生成
from blockrun_llm import ImageClient
client = ImageClient()
result = client.generate("宇宙ヘルメットをかぶったかわいい猫")
print(result.data[0].url)
xAI Live Search リファレンス
Live SearchはxAIのリアルタイムデータAPIです。コスト: ソースあたり$0.025(デフォルト10ソースで約$0.26)。
コストを削減するには、max_search_results を低い値に設定します:
# 5ソースのみ使用(約$0.13)
response = client.chat("xai/grok-3", "今何がトレンド?",
search_parameters={"mode": "on", "max_search_results": 5})
検索パラメータ
| パラメータ | 型 | デフォルト | 説明 |
|---|---|---|---|
mode | string | "auto" | "off"、"auto"、または "on" |
sources | array | web,news,x | クエリするデータソース |
return_citations | bool | true | ソースURLを含める |
from_date | string | - | 開始日(YYYY-MM-DD) |
to_date | string | - | 終了日(YYYY-MM-DD) |
max_search_results | int | 10 | 返す最大ソース数(コスト管理のためカスタマイズ可能) |
ソースタイプ
X/Twitterソース:
{
"type": "x",
"included_x_handles": ["handle1", "handle2"], # 最大10
"excluded_x_handles": ["spam_account"], # 最大10
"post_favorite_count": 100, # 最小いいね数しきい値
"post_view_count": 1000 # 最小ビュー数しきい値
}
Webソース:
{
"type": "web",
"country": "US", # ISO alpha-2コード
"allowed_websites": ["example.com"], # 最大5
"safe_search": True
}
ニュースソース:
{
"type": "news",
"country": "US",
"excluded_websites": ["tabloid.com"] # 最大5
}
利用可能なモデル
| モデル | 最適な用途 | 料金 |
|---|---|---|
openai/gpt-5.2 | セカンドオピニオン、コードレビュー、一般 | $1.75/M入力、$14/M出力 |
openai/gpt-5-mini | コスト最適化推論 | $0.30/M入力、$1.20/M出力 |
openai/o4-mini | 最新の効率的な推論 | $1.10/M入力、$4.40/M出力 |
openai/o3 | 高度な推論、複雑な問題 | $10/M入力、$40/M出力 |
xai/grok-3 | リアルタイムX/Twitterデータ | $3/M + $0.025/ソース |
deepseek/deepseek-chat | 単純なタスク、バッチ処理 | $0.14/M入力、$0.28/M出力 |
google/gemini-2.5-flash | 非常に長いドキュメント、高速 | $0.15/M入力、$0.60/M出力 |
openai/dall-e-3 | フォトリアリスティックな画像 | $0.04/画像 |
google/nano-banana | 高速で芸術的な画像 | $0.01/画像 |
M = 100万トークン。実際のコストはプロンプトと応答の長さに依存します。
コストリファレンス
すべてのLLMコストは100万トークンあたり(M = 1,000,000トークン)。
| モデル | 入力 | 出力 |
|---|---|---|
| GPT-5.2 | $1.75/M | $14.00/M |
| GPT-5-mini | $0.30/M | $1.20/M |
| Grok-3(検索なし) | $3.00/M | $15.00/M |
| DeepSeek | $0.14/M | $0.28/M |
| 固定コストアクション | |
|---|---|
| Grok Live Search | $0.025/ソース(デフォルト10 = $0.25) |
| DALL-E画像 | $0.04/画像 |
| Nano Banana画像 | $0.01/画像 |
一般的なコスト: 500語のプロンプト(約750トークン)をGPT-5.2に送信すると、入力コストは約$0.001。1000語の応答(約1500トークン)は出力コスト約$0.02。
セットアップと資金調達
ウォレットの場所: $HOME/.blockrun/.session(例: /Users/username/.blockrun/.session)
初回セットアップ:
setup_agent_wallet()を呼び出すとウォレットが自動生成されます- ウォレットと残高を確認:
from blockrun_llm import setup_agent_wallet
client = setup_agent_wallet()
print(f"ウォレット: {client.get_wallet_address()}")
print(f"残高: ${client.get_balance():.2f} USDC")
- Baseネットワーク上でウォレットに$1~5 USDCをチャージ
資金調達用QRコードの表示(ターミナル用ASCII):
from blockrun_llm import generate_wallet_qr_ascii, get_wallet_address
print(generate_wallet_qr_ascii(get_wallet_address()))
トラブルシューティング
「Grokがリアルタイムアクセスがないと言う」
→ Live Searchを有効にし忘れています。search=True を追加してください:
response = client.chat("xai/grok-3", "今何がトレンド?", search=True)
モジュールが見つからない
→ SDKをインストールしてください: pip install blockrun-llm
アップデート
pip install --upgrade blockrun-llm