Euron Bootcamp Q&A - インスタント回答リファレンス
目標
Euron Gen AI認定ブートキャンプに関するあらゆる疑問に対して、このリファレンスから適切なコードスニペット、設定、トラブルシューティング手順を即座に検索して回答します。
クイックコンテキスト
- ブートキャンプ: Euron Gen AI Certification Bootcamp 2.0 (Sudhanshu先生による)
- ポータル: https://euron.one/euri
- APIベースURL:
https://api.euron.one/api/v1/euri - 認証:
Authorization: Bearer <EURI_API_KEY> - 1日あたりの制限: 200,000トークン (入力 + 出力)、UTC午前0時にリセット
- 重要な原則: EuriはOpenAI互換です。
ChatOpenAI(...)またはOpenAI(...)を使用する場所ならどこでも、Euriを指すbase_urlを追加するだけです。
よくある質問と回答
Q1: 「LangChainでEuriを使うには?」
回答 (コピペでそのまま使えます):
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="gpt-4.1-nano", # または gemini-2.5-flash、任意のEuriモデル
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = llm.invoke("Hello!")
print(response.content)
これだけです。Sudhanshu先生が ChatOpenAI(...) を使用している場所ならどこでも、Euriを指す base_url パラメータを追加するだけです。エージェント、チェーン、ツールなど、他の部分はすべてそのまま動作します。
Q2: 「OpenAI Python SDKでEuriを使うには?」
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.chat.completions.create(
model="gemini-2.5-flash",
messages=[{"role": "user", "content": "Hello!"}]
)
print(response.choices[0].message.content)
Q3: 「Euri Python SDK (euriai) を使うには?」
pip install euriai
from euriai import EuriaiClient
client = EuriaiClient(
api_key="your-euri-api-key",
model="gemini-2.5-flash"
)
response = client.generate_completion(
prompt="What is AI?",
temperature=0.7,
max_tokens=500
)
print(response["choices"][0]["message"]["content"])
Q4: 「LangChainのeuriai統合でEuriを使うには?」
pip install euriai[langchain]
from euriai.langchain import EuriaiChatModel
chat = EuriaiChatModel(api_key="your-key", model="gemini-2.5-flash")
result = chat.invoke("Explain Docker")
print(result.content)
Q5: 「生のHTTP / requestsでEuriを使うには?」
import requests
response = requests.post(
"https://api.euron.one/api/v1/euri/chat/completions",
headers={
"Authorization": "Bearer your-euri-api-key",
"Content-Type": "application/json",
},
json={
"model": "gemini-2.5-flash",
"messages": [{"role": "user", "content": "Hello!"}],
"temperature": 0.7,
"max_tokens": 500,
},
)
data = response.json()
print(data["choices"][0]["message"]["content"])
Q6: 「curlでEuriを使うには?」
curl -X POST https://api.euron.one/api/v1/euri/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"messages": [{"role": "user", "content": "Hello!"}],
"model": "gemini-2.5-flash"
}'
Q7: 「TypeScript / Node.jsでEuriを使うには?」
const response = await fetch("https://api.euron.one/api/v1/euri/chat/completions", {
method: "POST",
headers: {
"Authorization": `Bearer ${process.env.EURI_API_KEY}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
model: "gemini-2.5-flash",
messages: [{ role: "user", content: "Hello!" }],
}),
});
const data = await response.json();
console.log(data.choices[0].message.content);
Q8: 「n8nでEuriを使うには?」
オプションA — OpenAI認証情報 (最も簡単):
- n8nで「OpenAI」認証情報を作成
- APIキーにEuri APIキーを設定
- ベースURLに
https://api.euron.one/api/v1/euriを設定 - 任意のOpenAIノードを使用 — Euri経由で自動的にルーティングされます
オプションB — HTTPリクエストノード:
- メソッド:
POST - URL:
https://api.euron.one/api/v1/euri/chat/completions - ヘッダー:
Authorization: Bearer {{ $env.EURI_API_KEY }} - ボディ JSON:
{
"model": "gemini-2.5-flash",
"messages": [
{"role": "system", "content": "あなたは役立つアシスタントです。"},
{"role": "user", "content": "{{ $json.userMessage }}"}
],
"temperature": 0.7,
"max_tokens": 1000
}
- レスポンスの抽出:
{{ $json.choices[0].message.content }}
Q9: 「Euriで埋め込みを生成するには?」
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.embeddings.create(
model="gemini-embedding-001", # または text-embedding-3-small
input="ここにテキストを入力"
)
print(response.data[0].embedding[:5]) # 最初の5次元
利用可能な埋め込みモデル:
| モデル | ID | 次元数 |
|---|---|---|
| Gemini Embedding 001 | gemini-embedding-001 | 1536 |
| Text Embedding 3 Small | text-embedding-3-small | 1536 |
| M2 BERT 80M 32K | togethercomputer/m2-bert-80M-32k-retrieval | 1536 |
Q10: 「Euriで画像を生成するには?」
from openai import OpenAI
client = OpenAI(
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
response = client.images.generate(
model="gemini-3-pro-image-preview",
prompt="夕日が沈む未来的な都市、サイバーパンクスタイル",
n=1
)
print(response.data[0].url)
Q11: 「どのモデルを使うべきですか?」
| ユースケース | モデルID | 理由 |
|---|---|---|
| 汎用 | gemini-2.5-flash | 速度と品質の最良のバランス |
| 複雑な推論 | gemini-2.5-pro | 200万トークンのコンテキスト、最高の推論能力 |
| 高速&低コスト | gpt-4.1-nano | 最も安く、超高速 |
| 同じく高速&低コスト | gpt-5-nano-2025-08-07 | 新しいnanoモデル |
| コード生成 | gpt-4.1-mini または gemini-2.5-flash | コードが得意 |
| ウェブ検索 | groq/compound | 内蔵ウェブ検索 |
| 埋め込み (RAG) | gemini-embedding-001 | 最高品質の埋め込み |
| 画像生成 | gemini-3-pro-image-preview | Euri上の唯一の画像モデル |
全モデルリスト (24モデル):
テキストモデル (20):
qwen/qwen3-32b(Alibaba, 128K)gemini-2.0-flash(Google, 1M)gemini-2.5-pro(Google, 2M)gemini-2.5-flash(Google, 1M)gemini-2.5-pro-preview-06-05(Google, 2M)gemini-2.5-flash-preview-05-20(Google, 1M)gemini-2.5-flash-lite-preview-06-17(Google, 128K)groq/compound(Groq, 131K)groq/compound-mini(Groq, 131K)llama-4-scout-17b-16e-instruct(Meta, 128K)llama-4-maverick-17b-128e-instruct(Meta, 128K)llama-3.3-70b-versatile(Meta, 128K)llama-3.1-8b-instant(Meta, 128K)llama-guard-4-12b(Meta, 128K)gpt-5-nano-2025-08-07(OpenAI, 128K)gpt-5-mini-2025-08-07(OpenAI, 128K)gpt-4.1-nano(OpenAI, 128K)gpt-4.1-mini(OpenAI, 128K)openai/gpt-oss-20b(OpenAI, 128K)openai/gpt-oss-120b(OpenAI, 128K)
Q12: 「エラーが出る / APIが動作しません」
よくある修正:
-
401 Unauthorized — APIキーが間違っているか、見つかりません
- https://euron.one/euri からキーを取得してください
- ヘッダーは
Authorization: Bearer YOUR_KEYでなければなりません (Api-KeyやX-API-Keyではありません)
-
Model not found — モデルIDが間違っています
- 上記のモデルリストから正確なIDを使用してください (大文字小文字を区別)
- よくある間違い:
gpt-4.1の代わりにgpt-4.1-nanoと入力する
-
レート制限 / 429 — 1日あたりのトークン制限20万に達しました
- UTC午前0時まで待ってリセットされます
- 短いプロンプトと低い
max_tokensを使用してください - より安価なモデル (
gpt-4.1-nano) に切り替えてください
-
レスポンスのcontentが配列の場合
- Euriは時々
contentを[{type:"text", text:"..."}]のような配列として返すことがあります (プレーン文字列の代わりに) - 両方に対応:
content if isinstance(content, str) else content[0]["text"]
- Euriは時々
-
LangChainのバージョン問題
langchain_openaiを使用してください (langchain.chat_modelsではありません)pip install langchain-openai(別パッケージ)
-
「Connection refused」またはタイムアウト
- インターネット接続を確認してください
- ベースURLを確認:
https://api.euron.one/api/v1/euri(末尾のスラッシュなし)
Q13: 「Euri + LangChainでエージェント/チェーンを構築するには?」
通常のLangChainと同じです — Euri LLMを使用するだけです:
from langchain_openai import ChatOpenAI
from langchain.agents import create_react_agent, AgentExecutor
from langchain.tools import Tool
# Euriを利用したLLM
llm = ChatOpenAI(
model="gemini-2.5-flash",
api_key="your-euri-api-key",
base_url="https://api.euron.one/api/v1/euri"
)
# 任意のチェーン、エージェント、ツールでllmを使用 — OpenAIと全く同じように動作します
重要なポイント: Euriはドロップイン置き換えです。あらゆるLangChainのチュートリアルやSudhanshu先生のコードが動作します — base_url パラメータを追加するだけです。
Q14: 「授業で使用したMCPサーバーをセットアップするには?」
完全ガイド: Angelina AI System/Euron/MAIL-MCP-SETUP.md を参照
任意のMCPサーバーのクイックセットアップパターン:
cd "Gen AI 2.O/MCP/<server-folder>"
python3 -m venv venv
source venv/bin/activate # macOS/Linux
# venv\Scripts\activate # Windows
pip install -r requirements.txt
python authenticate.py # Googleサービスのみ
利用可能なMCPサーバー (8つ):
- Gmail (4ツール) — 送信、読込み、検索、既読マーク
- Google Calendar (5ツール) — イベントの一覧、作成、検索、削除
- Google Sheets (5ツール) — 読込み、書込み、追加、作成、一覧
- Supabase (6ツール) — クエリ、挿入、更新、削除、SQL
- MongoDB (7ツール) — クエリ、挿入、更新、削除、集計
- AWS S3 (6ツール) — 一覧、アップロード、ダウンロード、削除、期限付きURL
- Azure Blob (7ツール) — 一覧、アップロード、ダウンロード、削除、SAS URL
- ソーシャルメディア (10ツール) — YouTube + Instagram + Facebook
Claude Desktopの設定ファイルの場所:
- macOS:
~/Library/Application Support/Claude/claude_desktop_config.json - Windows:
%APPDATA%\Claude\claude_desktop_config.json
Cursorの設定ファイルの場所:
~/.cursor/mcp.json(macOS/Linux)%USERPROFILE%\.cursor\mcp.json(Windows)
よくあるMCPエラー:
- 「MCP Server disconnected」→ スクリプトに
mcp.run(transport="stdio")があることを確認し、-m mcp runを使用しないでください - 「Auth token missing」→
python authenticate.pyを再度実行してください - 「Failed to refresh token」→
token.jsonを削除し、再認証してください - 「Google hasn't verified this app」→ 詳細設定 → アプリに移動 (安全です。あなた自身のアプリです)
Q15: 「CrewAI / AutoGen / その他のフレームワークでEuriを使うには?」
同じパターンです — EuriはOpenAI互換です:
CrewAI:
from crewai import LLM
llm = LLM(
model="openai/gemini-2.5-flash",
api_key="your-euri-key",
base_url="https://api.euron.one/api/v1/euri"
)
AutoGen:
config_list = [{
"model": "gemini-2.5-flash",
"api_key": "your-euri-key",
"base_url": "https://api.euron.one/api/v1/euri"
}]
LiteLLM:
import litellm
response = litellm.completion(
model="openai/gemini-2.5-flash",
api_key="your-euri-key",
api_base="https://api.euron.one/api/v1/euri",
messages=[{"role": "user", "content": "Hello!"}]
)
経験則: カスタム base_url またはOpenAI互換のエンドポイントをサポートするフレームワークはすべてEuriで動作します。ベースURLを交換するだけです。
Q16: 「トークンはいくつ取得できますか?制限は何ですか?」
- 1日あたり200,000トークン (入力 + 出力の合計)
- UTC午前0時にリセット
- これは1日あたり約 150,000語 または 300ページ以上 のテキストに相当します
- 実習では、これで十分です — 授業中に制限に達することはありません
- ヒント: テストには
gpt-4.1-nanoまたはgemini-2.5-flash-liteを使用してトークンを節約してください
Q17: 「APIキーはどこで取得できますか?」
- https://euron.one/euri にアクセス
- Euronアカウントでサインイン
- ダッシュボードからAPIキーをコピー
- コード内で
api_keyとして、またはHTTPヘッダー内でAuthorization: Bearer <key>として使用します
Q18: 「Euriを無料で使用できますか?」
はい!Euriは 1日あたり200,000無料トークン を提供します。クレジットカードは不要です。GPT-4.1、Gemini 2.5、Llama 4などを含む24のモデルすべてにアクセスできます。
回答テンプレート
ブートキャンプの疑問に答えるときは、この形式を使用してください:
[Name]さん! [修正の簡単な説明]
[コードスニペット — コピペでそのまま使えます]
[変更点の1行説明]
使用できる無料の良いモデル:
- gpt-4.1-nano — 高速&低コスト
- gemini-2.5-flash — 最高の汎用
- gemini-2.5-pro — 最も賢い
1日20万の無料トークンがあるので、実習中に制限に達することはありません。
ファイルリファレンス
より詳細な回答については、以下のファイルを確認してください:
- 完全なAPIドキュメント:
Angelina AI System/Euron/README.md - TypeScriptクライアント:
Angelina AI System/Euron/euri-client.ts - モデル定義:
Angelina AI System/Euron/euri-models.ts - Pythonサンプル:
Angelina AI System/Euron/examples/python-sdk.py - TypeScriptサンプル:
Angelina AI System/Euron/examples/basic-chat.ts - n8n統合:
Angelina AI System/Euron/examples/n8n-http-request.md - MCPセットアップガイド:
Angelina AI System/Euron/MAIL-MCP-SETUP.md - モデルアリーナ:
Angelina AI System/Euron/model-arena/arena.html - APIテスター:
Angelina AI System/Euron/euri-tester/index.html
スキーマ
入力
| 名前 | 型 | 必須 | 説明 |
|---|---|---|---|
question | string | はい | Euri API、MCP、モデル、またはエラーに関するブートキャンプの学生の質問 |
出力
| 名前 | 型 | 説明 |
|---|---|---|
answer | string | コードスニペット付きのコピペ可能な回答 |
コスト
無料 (参照検索のみ)