Cara Menggunakan OpenRouter API untuk Developer Pemula

Banyak developer mulai mencari cara menggunakan OpenRouter karena satu API key bisa mengakses ratusan model AI tanpa harus mengelola banyak kredensial. Kalau kamu capek berpindah-pindah provider AI, artikel ini membahas cara mulai OpenRouter dari nol.

1 Persiapan Sebelum Mulai
- 1.1 Cara Daftar Akun OpenRouter
2 Langkah-Langkah Menggunakan OpenRouter
3 Apa Saja Kemampuan Multimodal OpenRouter?
4 Agent Coding dan AI Tools yang Mendukung OpenRouter
5 Harga Per Token OpenRouter
6 Kesimpulan

Persiapan Sebelum Mulai

OpenRouter API gateway bekerja sebagai penghubung antara aplikasi kamu dan berbagai model AI. Jadi ketika aplikasi mengirim request, OpenRouter akan meneruskannya ke model yang kamu pilih.

Strukturnya mirip seperti API AI pada umumnya. Kamu tetap mengirim prompt, menentukan model, lalu menerima respons. Bedanya, kamu punya fleksibilitas lebih besar karena bisa mengganti model tanpa perlu mengubah seluruh sistem.

Sebelum masuk ke panduan cara mulai menggunakan, ada beberapa hal yang perlu kamu siapkan. OpenRouter dibuat untuk menyederhanakan akses berbagai model AI lewat satu pintu. Jadi, kamu tidak perlu membuat integrasi berbeda untuk setiap provider.

Anggap saja OpenRouter sebagai “terminal utama” yang menghubungkan aplikasi kamu dengan banyak model AI. Lewat satu API, kamu bisa mencoba berbagai model sesuai kebutuhan aplikasi.

Yang perlu kamu punya:

Akun OpenRouter
API Key OpenRouter
Tools seperti Postman, VS Code, atau terminal
Bahasa pemrograman (di contoh ini menggunakan Python)

Cara Daftar Akun OpenRouter

Proses pendaftaran cukup sederhana. Kamu hanya perlu membuat akun melalui situs OpenRouter, lalu masuk ke dashboard.

Setelah login:

Buka menu Keys
Klik Create API Key
Berikan nama untuk API key kamu
Klik buat API key
Simpan key tersebut di tempat aman

Jangan pernah menaruh API key langsung di source code, terutama kalau project kamu sudah masuk tahap production.

Langkah-Langkah Menggunakan OpenRouter

Sekarang kita masuk bagian praktik. Kita akan membuat request sederhana, membaca respons AI, mencoba auto-routing, sampai menangani error.

Langkah 1: Membuat API Call Pertama

Pertama, siapkan API key dari dashboard OpenRouter.

Buat file Python baru, misalnya openrouter_test.py.

import requests
import os

API_KEY = "your-api-key-here"
BASE_URL = "https://openrouter.ai/api/v1"


def make_basic_call():

    headers = {
        "Authorization": f"Bearer {API_KEY}",
        "HTTP-Referer": "https://yourapp.com",
        "X-Title": "My First OpenRouter App"
    }

    payload = {
        "model": "openai/gpt-4o",
        "messages": [
            {
                "role": "user",
                "content": "Jelaskan apa itu machine learning dalam satu kalimat."
            }
        ],
        "temperature": 0.7,
        "max_tokens": 100
    }


    response = requests.post(
        f"{BASE_URL}/chat/completions",
        headers=headers,
        json=payload
    )


    result = response.json()

    if response.status_code == 200:
        print(result["choices"][0]["message"]["content"])
        print("Token:", result["usage"]["total_tokens"])

    else:
        print(result)


make_basic_call()

Kode tersebut melakukan beberapa hal:

Mengirim request ke OpenRouter
Memilih model AI yang digunakan
Mengirim prompt
Menampilkan jawaban AI
Membaca jumlah token yang digunakan

Format request-nya sengaja dibuat mirip dengan API AI populer supaya developer lebih mudah berpindah.

Langkah 2: Menggunakan Fitur Auto Router

Salah satu fitur menarik OpenRouter adalah kemampuan memilih model otomatis.

Kalau kamu belum tahu model mana yang cocok, kamu bisa membiarkan OpenRouter menentukan berdasarkan strategi tertentu.

Contohnya:

payload = {
    "model": "openrouter/auto",
    "routing": {
        "strategy": "cost"
    },
    "messages": [
        {
            "role": "user",
            "content": "Buat deskripsi produk botol minum pintar."
        }
    ],
    "max_tokens": 150
}

Dengan konfigurasi ini, OpenRouter akan mencari model yang sesuai berdasarkan biaya.

Selain strategi biaya, kamu juga bisa memilih kecepatan.

cost → mencari model lebih hemat
speed → memilih respons lebih cepat

Fitur ini cukup membantu saat kamu membuat prototype dan belum ingin terlalu fokus memilih model.

Langkah 3: Streaming Response untuk Aplikasi Real-Time

Kalau kamu pernah memakai chatbot, mungkin sadar jawabannya muncul sedikit demi sedikit. Itulah fungsi streaming.

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://openrouter.ai/api/v1"
)


response = client.chat.completions.create(
    model="openai/gpt-5",
    messages=[
        {
            "role": "user",
            "content": "Jelaskan bagaimana neural network belajar."
        }
    ],
    stream=True
)


for chunk in response:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

Streaming cocok digunakan untuk:

chatbot
AI assistant
aplikasi edukasi
tools coding assistant

Pengguna tidak perlu menunggu seluruh jawaban selesai.

Langkah 4: Membuat Fallback Model

Dalam aplikasi production, gangguan bisa terjadi. Model tertentu bisa lambat atau sedang mengalami limit.

Fallback membantu aplikasi tetap berjalan.

Contoh:

data = {
    "model": "primary-model",
    "route": {
        "fallbacks": [
            "secondary-model",
            "third-model"
        ]
    },
    "messages": [
        {
            "role": "user",
            "content": "Buat slogan untuk aplikasi AI."
        }
    ]
}

Jika model utama gagal, request bisa dialihkan ke model cadangan.

Ini penting kalau kamu sedang membangun aplikasi yang dipakai banyak pengguna.

Langkah 5: Menangani Error API

API yang stabil tetap perlu error handling.

Contoh sederhana:

import time
import requests


for attempt in range(3):

    try:
        response = requests.post(
            ENDPOINT,
            headers=headers,
            json=data,
            timeout=10
        )

        print(response.json())
        break

    except requests.exceptions.RequestException as e:
        print("Percobaan gagal:", e)
        time.sleep(2)

Dengan pola seperti ini, aplikasi kamu lebih siap menghadapi masalah koneksi atau gangguan sementara.

Apa Saja Kemampuan Multimodal OpenRouter?

OpenRouter tidak hanya bekerja dengan teks. Banyak model yang tersedia sudah mendukung kemampuan multimodal.

Artinya, kamu bisa membuat aplikasi yang:

membaca gambar
menganalisis dokumen PDF
melakukan OCR
memahami file visual

Misalnya, kamu punya aplikasi customer service. Pengguna bisa upload screenshot error, lalu AI membantu menjelaskan masalahnya.

Contoh mengirim gambar:

payload = {
    "model": "openai/gpt-4o",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Jelaskan isi gambar ini"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg"
                    }
                }
            ]
        }
    ]
}

Untuk dokumen PDF, konsepnya hampir sama. File dikirim dalam bentuk data yang bisa diproses model.

Kemampuan ini membuka banyak peluang untuk membuat aplikasi AI yang lebih interaktif.

Agent Coding dan AI Tools yang Mendukung OpenRouter

Salah satu alasan OpenRouter banyak digunakan developer adalah kompatibilitasnya dengan berbagai tools coding.

Satu API key bisa dipakai di beberapa tools berikut:

Tool	Cara koneksi
Claude Code	Environment variable dengan endpoint OpenRouter
Codex CLI	Konfigurasi provider OpenRouter
Cursor	Custom OpenAI base URL
Cline	Setting provider OpenRouter
Kilo Code	Extension VS Code
SillyTavern	Connection API setting

Polanya hampir sama:

Masukkan API key
Atur base URL OpenRouter
Pilih model
Mulai digunakan

Jadi kamu tidak perlu membuat akun API baru di setiap layanan.

Harga Per Token OpenRouter

Salah satu hal yang perlu kamu pahami sejak awal adalah harga per token OpenRouter. Biayanya mengikuti model yang kamu pilih, jadi tiap model bisa punya tarif input dan output yang berbeda. OpenRouter sendiri tidak menambahkan markup ke harga model; kamu membayar sesuai rate dari provider aslinya.

Kalau kamu masih tahap eksplorasi, OpenRouter menyediakan free tier untuk 20+ model dengan batas sekitar 50 request per hari dan 20 request per menit. Setelah menambahkan kredit $10, batas hariannya bisa naik sampai 1.000 request.

Tapi ada catatan penting: request yang gagal tetap dihitung ke kuota harian, dan model gratis yang populer kadang bisa kena rate limit dari provider saat trafik sedang tinggi.

Untuk penggunaan berbayar, kamu tinggal memantau konsumsi token sesuai model yang dipakai. OpenRouter juga mengenakan biaya pembelian kredit sebesar 5,5% dengan minimum $0,80.

Supaya lebih aman, cek halaman pricing untuk angka terbaru dan gunakan Activity dashboard untuk melihat model apa yang dipakai, berapa token yang terpakai, dan berapa biaya tiap request secara real time.

Kesimpulan

Belajar cara integrasi OpenRouter sebenarnya tidak serumit yang dibayangkan. Dengan satu API key, kamu bisa mencoba banyak model AI, membuat chatbot, membangun automation, sampai mengembangkan aplikasi multimodal.

Kuncinya adalah memahami alur dasarnya, dimulai dari membuat akun; generate API key; mengirim request; mengelola model; dan mengamankan kredensial.

Saat aplikasi kamu mulai masuk tahap deploy, jangan menyimpan API key sembarangan di shared environment. Menyimpan API key di environment variable jauh lebih aman kalau kamu punya VPS sendiri, full control, tidak berbagi resource.

Untuk kebutuhan tersebut, kamu bisa mempertimbangkan layanan VPS Murah dari IDwebhost sebagai tempat menjalankan aplikasi AI, backend API, atau project developer lainnya. Dengan VPS sendiri, kamu punya kontrol lebih besar terhadap konfigurasi server, keamanan, dan performa aplikasi.

Deploy API Lebih Aman Sekarang!