HTTP-интерфейс

Те же инструменты, что у MCP-коннектора, но обычными HTTP-запросами. Он нужен моделям и платформам, которые не подключают MCP, но умеют вызывать функции или внешние HTTP-методы (GPT Actions, Dify, Coze, собственные программы и скрипты). Токен тот же, подписка та же: коннектор, плагин и HTTP-интерфейс входят в один тариф.

Доступ

Создайте токен в личном кабинете и передавайте его в заголовке Authorization: Bearer sl_ВАШ_ТОКЕН (или X-API-Key). В адресе токен не принимается, чтобы он не попадал в журналы. Пока подписка не оплачена, методы отвечают кодом 402 с пояснением.

Адреса

GET /api/v1/openapi.json

описание всех методов (OpenAPI 3.1), открыто; для GPT Actions и платформ, которые импортируют описание

GET /api/v1/tools

те же инструменты в формате вызова функций (поле tools в API моделей, совместимых с OpenAI), открыто

POST /api/v1/tools/<имя>

вызов инструмента: тело запроса JSON с аргументами; имена: caselaw_research, caselaw_search_practice, caselaw_get_case и остальные из списка

GET /api/v1/search?q=…

краткий поиск (параметры court, year_from, year_to, limit, offset)

GET /api/v1/case/<id>

полный текст акта по id вида 2kas-88-5111-2026

Пример:

curl -H "Authorization: Bearer sl_ВАШ_ТОКЕН" \
  "https://streetlaw.ru/api/v1/search?q=давность по кредитному договору"

Модели без MCP: вызов функций

У многих моделей (в том числе DeepSeek, Qwen и Kimi) через их API есть вызов функций в формате, совместимом с OpenAI. Тогда модели передаются список инструментов с /api/v1/tools, а программа выполняет вызовы, которые модель попросит, через POST /api/v1/tools/…. Минимальный пример на Python (адрес API, ключ и название модели возьмите в документации вашего провайдера):

import json, requests
from openai import OpenAI

TOKEN = "sl_ВАШ_ТОКЕН"
BASE = "https://streetlaw.ru"
client = OpenAI(api_key="КЛЮЧ_ПРОВАЙДЕРА", base_url="АДРЕС_API_ПРОВАЙДЕРА")
tools = requests.get(BASE + "/api/v1/tools").json()["tools"]
messages = [{"role": "user", "content": "Найди практику КСОЮ по вопросу ..."}]
while True:
    msg = client.chat.completions.create(model="МОДЕЛЬ", messages=messages, tools=tools).choices[0].message
    messages.append(msg)
    if not msg.tool_calls:
        print(msg.content)
        break
    for call in msg.tool_calls:
        r = requests.post(BASE + "/api/v1/tools/" + call.function.name,
                          json=json.loads(call.function.arguments),
                          headers={"Authorization": "Bearer " + TOKEN})
        messages.append({"role": "tool", "tool_call_id": call.id, "content": r.text})

Ответы инструментов бывают большими (полные тексты актов): следите за лимитом контекста модели и сначала ищите, а полный акт открывайте точечно.

DeepSeek, Qwen, Kimi

По открытым сведениям на 05.11.2026, обычные веб-чаты и приложения этих моделей не подключают внешние MCP-серверы и плагины (подтверждения мы не нашли; возможности меняются, проверьте в настройках). Рабочие пути такие: программа или платформа, которая подключает модель по API и умеет MCP или вызов функций, пример выше, либо программы, которые сами подключают удалённый MCP: DeepSeek Harness (через сторонний плагин, инструкция на вкладке «MCP-коннектор») и Kimi Code (командная строка и расширение для VS Code): kimi mcp add --transport http caselaw https://streetlaw.ru/mcp/sl_ВАШ_ТОКЕН.