Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Responses API vs Chat Completions: Proč migrovat

Lekce 2 z 22 Aktualizováno 29. července 2026 Vývojář
Na této stránce
  1. Responses API vs Chat Completions
  2. Zásadní změny
  3. Správa relací na straně serveru
  4. Garantované JSON, ne jen „snad“ JSON
  5. Volání funkcí a streamování
  6. Rychlý průvodce migrací
  7. Miguješ okamžitě?
  8. Klíčové poznatky

Responses API vs Chat Completions

API Chat Completions sloužilo roky jako standard a většina kódu, který najdeš online, ho stále používá. Od roku 2025 jej však OpenAI označila jako zastaralé (legacy) a pro všechny nové projekty doporučuje Responses API. Tato lekce porovnává oba přístupy se zaměřením na rozdíly, které skutečně ovlivňují tvůj kód.

Zásadní změny

U Chat Completions jsi budoval seznam zpráv a při každém volání odesílal celý tento seznam. Stav konverzace žil ve tvé aplikaci, nikdy na serveru:

from openai import OpenAI
client = OpenAI()

# Starý model — Chat Completions (legacy)
response = client.chat.completions.create(
    model="gpt-5.6-terra",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "What is the capital of France?"},
    ]
)
print(response.choices[0].message.content)
# Result: "The capital of France is Paris."

Responses API redukuje toto stejné volání na dva parametry a poskytuje přímý přístup k vygenerovanému textu. Systémová zpráva se stává parametrem instructions a extrakce obsahu již nevyžaduje procházení přes choices[0].message.content:

from openai import OpenAI
client = OpenAI()

# Nový model — Responses API
response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the capital of France?"
)
print(response.output_text)
# Result: "The capital of France is Paris."

Správa relací na straně serveru

To přináší nejrychlejší užitek. API udržuje stav konverzace, takže stačí odkázat na předchozí odpověď pomocí jejího ID. Představ si asistenčního chatbota pro podporu: u desátého dotazu tě přístup Chat Completions nutil znovu odeslat předchozích devět výměn, což znamenalo, že jsi za tyto tokeny platil znovu. Zde stačí jediné pole:

# První otázka
response = client.responses.create(
    model="gpt-5.6-terra",
    input="My name is Marie."
)

# Druhá otázka — kontext je automaticky zachován
followup = client.responses.create(
    model="gpt-5.6-terra",
    input="What is my name?",
    previous_response_id=response.id
)
print(followup.output_text)
# Result: "Your name is Marie."

Garantované JSON, ne jen „snad“ JSON

Druhé zásadní vylepšení se týká strukturovaného výstupu. Popíšeš očekávaný formát a Responses API zaručí, že odpověď bude odpovídat tvému schématu JSON – umožňuje ti to deserializovat data bez bezpečnostních pojistek. Registrační formulář extrahující informace z volného textu se již nerozbije jen proto, že se model rozhodne přidat před své JSON úvodní větu:

from pydantic import BaseModel

class City(BaseModel):
    name: str
    country: str
    population: int

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Give me information about Paris.",
    text={"format": {"type": "json_schema", "json_schema": {
        "name": "city",
        "strict": True,
        "schema": City.model_json_schema()
    }}}
)
print(response.output_text)
# Result: {"name": "Paris", "country": "France", "population": 2161000}

Volání funkcí a streamování

Deklarace nástrojů následuje stejnou logiku zjednodušení: popis funkce je deklarován ploše v tools a volání požadované modelem se objeví přímo v response.output, bez dalších úrovní vnoření.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the weather like in Lyon?",
    tools=[{
        "type": "function",
        "name": "get_meteo",
        "description": "Get the weather for a city",
        "parameters": {
            "type": "object",
            "properties": {
                "city": {"type": "string", "description": "Name of the city"}
            },
            "required": ["city"]
        }
    }]
)

# API vrátí funkci k provedení přímo
for item in response.output:
    if item.type == "function_call":
        print(f"Function: {item.name}, Arguments: {item.arguments}")
# Result: Function: get_meteo, Arguments: {"city": "Lyon"}

Streamování již nevrací proud nediferencovaných chunků, ale typované události. Filtruješ podle event.type a přesně víš, s čím pracuješ – zda jde o fragment textu, argument funkce, nebo konec generování:

stream = client.responses.create(
    model="gpt-5.6-terra",
    input="Tell a short story.",
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)

Rychlý průvodce migrací

Chat CompletionsResponses API
client.chat.completions.create()client.responses.create()
messages=[...]input="..." nebo input=[...]
response.choices[0].message.contentresponse.output_text
Ruční historieprevious_response_id
response_formattext={"format": {...}}
tools + tool_choicetools (zjednodušeno)

Miguješ okamžitě?

API Chat Completions stále funguje a není odstraňováno. Existující kód, který běží, nevyžaduje změny a spoléhá na testovací pipeline postavenou kolem starého formátu, z urgentního přepisu nic nezíská. Podobně, pokud závisíš na knihovně třetí strany, která ještě nepodporuje Responses API, počkej na její aktualizaci. Pro jakýkoli nový projekt je však odpověď jasná: Responses API je výchozím bodem a zbytek tohoto kurzu vychází z tohoto předpokladu.

Klíčové poznatky

  • Responses API nahrazuje Chat Completions jednodušším rozhraním
  • Správa relací na straně serveru eliminuje potřebu znovu odesílat historii
  • Strukturovaný výstup a volání funkcí jsou nativně integrovány
  • Migrace je přímočará: koncepty zůstávají stejné, mění se pouze syntaxe