Web Search API: Vyhledávání na webu pomocí kódu
Na této stránce
Lekce aktualizována 2. listopadu 2026 na základě dokumentace OpenAI: nástroj Code Interpreter nyní vyžaduje parametr
container(přidán do všech příkladů), části vstupního textu jsou typuinput_texta vyhledávání na webu využívá nástrojweb_search(web_search_previewje nyní zastaralý nástroj bez filtrů domén). Vygenerované soubory se získávají pomocí funkcífichiers_generesatelechargerz Lekce 10. Zdroje: Code Interpreter · Web search.
Web Search API: Vyhledávání na webu pomocí kódu
Nástroj Web Search umožňuje modelu provádět vyhledávání na webu v reálném čase přímo prostřednictvím Responses API. Už nemusíš integrovat vyhledávací API třetí strany: model sám formulovat dotaz, provede hledání a syntetizuje výsledky.
Aktivace vyhledávání na webu
Aktivace zabere jen jeden řádek, což maskuje zásadní změnu: tvá aplikace již není omezena datem ukončení tréninku modelu. Otázky na včerejší události, aktuální ceny nebo nedávné předpisy se stávají zodpověditelnými bez nutnosti integrovat nebo platit za vyhledávač třetí strany.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="What are the latest Ligue 1 results?",
tools=[{"type": "web_search"}]
)
print(response.output_text)
Model se sám rozhoduje, kdy má vyhledávat, a tento bod si zaslouží pozornost: nevyhledává systematicky. U otázek, o kterých se domnívá, že spadají do jeho stávajících znalostí, odpoví přímo – rychleji a levněji, ale s rizikem, že s toutéž jistotou předloží zastaralé informace. Když je aktuálnost kritická, uveď to v promptu explicitně, místo abys doufal, že model správně uhodne.
Struktura odpovědi
Zdroje přicházejí jako anotace připojené k odpovědi, oddělené od textu. To ti umožňuje zobrazit je způsobem, který ti vyhovuje, ověřit je nebo označit za podezřelou jakoukoli odpověď, která postrádá zdroje, pokud to téma vyžaduje.
response = client.responses.create(
model="gpt-5.6-terra",
input="What is the current stock price of LVMH?",
tools=[{"type": "web_search"}]
)
# Syntetizovaný text
print(response.output_text)
# Prozkoumání zdrojů
for item in response.output:
if hasattr(item, "content"):
for block in item.content:
if hasattr(block, "annotations"):
for annotation in block.annotations:
if annotation.type == "url_citation":
print(f"Source: {annotation.url}")
print(f"Title : {annotation.title}")
Kontext uživatele pro relevanci
Poloha ovlivňuje výsledky více, než bys možná čekal, a to nejen u zjevně lokálních vyhledávání. Otázky týkající se zdanění, cen, dostupnosti nebo právních povinností přinášejí různé odpovědi v závislosti na zemi: bez parametru user_location model implicitně používá kontext, který je často zaměřený na USA.
response = client.responses.create(
model="gpt-5.6-terra",
input="Which Japanese restaurant is open tonight?",
tools=[{
"type": "web_search",
"user_location": {
"type": "approximate",
"city": "Paris",
"country": "FR"
}
}]
)
Parametr user_location přijímá několik úrovní přesnosti:
# Přibližná poloha
"user_location": {
"type": "approximate",
"city": "Lyon",
"region": "Auvergne-Rhone-Alpes",
"country": "FR"
}
Kombinace vyhledávání na webu s vlastními funkcemi
Nejproduktivnější kombinace vždy následuje stejný vzor: web přináší externí informace, tvé funkce poskytují interní kontext a model spojuje souvislosti. Právě v tomto propojení spočívá hodnota – ani samotné hledání, ani tvá data samostatně neodpoví na otázku „ovlivní nás tato změna?“.
tools = [
{"type": "web_search"},
{
"type": "function",
"name": "sauvegarder_veille",
"description": "Save a monitoring result to the database",
"parameters": {
"type": "object",
"properties": {
"titre": {"type": "string"},
"resume": {"type": "string"},
"url_source": {"type": "string"},
"categorie": {
"type": "string",
"enum": ["concurrent", "marche", "reglementation", "technologie"]
}
},
"required": ["titre", "resume", "categorie"],
"additionalProperties": False
},
"strict": True
}
]
response = client.responses.create(
model="gpt-5.6-terra",
input="Search for the latest news on AI regulation in Europe "
"and save important results",
tools=tools
)
Příklady použití v produkci
Automatizovaný konkurenční průzkum
def veille_quotidienne(entreprises: list[str]):
"""Spustí monitorování webu pro každého konkurenta."""
resultats = []
for entreprise in entreprises:
response = client.responses.create(
model="gpt-5.6-terra",
input=f"What is the latest news about {entreprise}? "
"Focus on product announcements, funding rounds, "
"and partnerships from the last 7 days.",
tools=[{"type": "web_search"}]
)
resultats.append({
"entreprise": entreprise,
"synthese": response.output_text
})
return resultats
Ověřování faktů
def verifier_affirmation(affirmation: str) -> dict:
"""Ověří tvrzení křížovou kontrolou více webových zdrojů."""
response = client.responses.create(
model="gpt-5.6-terra",
input=f"Verify this claim by searching for reliable sources: "
f"'{affirmation}'. State whether it is true, false, or uncertain, "
f"including the sources supporting your conclusion.",
tools=[{"type": "web_search"}]
)
# Extrakce citací
sources = []
for item in response.output:
if hasattr(item, "content"):
for block in item.content:
if hasattr(block, "annotations"):
for ann in block.annotations:
if ann.type == "url_citation":
sources.append(ann.url)
return {
"analyse": response.output_text,
"nombre_sources": len(sources),
"sources": sources
}
Známá omezení
- Model nemusí najít relevantní výsledky pro velmi úzká témata
- Výsledky závisí na indexaci webu v okamžiku požadavku
- Počet vyhledávání na jeden volání je omezený: model optimalizuje formulací přesných dotazů
- Obsah za paywally nebo přihlašovacími obrazovkami je nepřístupný
Klíčové poznatky
- Přidej
web_searchjedním řádkem dotools - Model se autonomně rozhoduje, kdy vyhledat na webu
user_locationzlepšuje relevanci pro lokální výsledky- Anotace
url_citationposkytují zdroje - Zkombinuj Web Search se svými funkcemi pro automatizaci monitoringu