Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Client-zu-Server-Ereignisse

Lektion 9 von 16 Aktualisiert am 30. Juli 2026 Entwickler
Auf dieser Seite
  1. Die von Ihnen gesendeten Nachrichten
  2. conversation.item.create
  3. conversation.item.delete
  4. response.create und response.cancel
  5. Wichtige Erkenntnisse

Die von Ihnen gesendeten Nachrichten

Die Voice-Agent-API funktioniert durch den Austausch von JSON-Ereignissen über WebSocket. In dieser Lektion durchlaufen Sie jedes Ereignis, das Ihre Anwendung an den Server senden kann. Jedes Ereignis hat eine spezifische Rolle im Gesprächszyklus.

Ereignis Beschreibung Wann verwenden
session.update Konfigurieren der Sitzung Beim Start und zur Änderung der Konfiguration
input_audio_buffer.append Senden eines base64-Audio-Schnappschusses Kontinuierlich während der Aufnahme
input_audio_buffer.commit Festlegen des Audio-Puffers Im Push-to-Talk-Modus
input_audio_buffer.clear Leeren des Puffers ohne Verarbeitung Zum Abbrechen einer Aufnahme
conversation.item.create Hinzufügen einer Nachricht oder eines Funktionsergebnisses Verlauf, Kontext, Funktionsergebnisse
conversation.item.delete Löschen eines Elements nach ID Aufräumen des Gesprächsverlaufs
response.create Anfordern einer Antwort Im manuellen Modus (automatisch mit VAD)
response.cancel Abbrechen einer laufenden Antwort Wenn der Nutzer unterbricht

conversation.item.create

Dieses Ereignis ermöglicht es Ihnen, Nachrichten in das Gespräch einzufügen, ohne den Audio-Stream zu durchlaufen. Es deckt drei Hauptfälle ab.

Hinzufügen einer Benutzertextnachricht

{
  "type": "conversation.item.create",
  "item": {
    "type": "message",
    "role": "user",
    "content": [
      {
        "type": "input_text",
        "text": "Was ist der Status meiner Bestellung 12345?"
      }
    ]
  }
}

Gesprächsverlauf einfügen

Bevor das Sprachgespräch beginnt, können Sie den Verlauf mit früheren Austauschvorgängen vorbefüllen, um dem Agenten Kontext zu geben:

{
  "type": "conversation.item.create",
  "item": {
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "text",
        "text": "Hallo, ich bin Ihr Assistent. Wie kann ich Ihnen helfen?"
      }
    ]
  }
}

Rückgabe eines Funktionsergebnisses

Nachdem eine Funktionsausführung abgeschlossen wurde, senden Sie das Ergebnis mit diesem Ereignis zurück (siehe Lektion 13 zum Funktionsaufruf):

{
  "type": "conversation.item.create",
  "item": {
    "type": "function_call_output",
    "call_id": "call_abc123",
    "output": "{\"status\": \"shipped\", \"tracking\": \"FR123456789\"}"
  }
}

conversation.item.delete

Löscht ein Gesprächselement nach seiner ID:

{
  "type": "conversation.item.delete",
  "item_id": "item_audio_001"
}

Dies ist nützlich, um eine falsche Nachricht zu entfernen oder sicherzustellen, dass der Gesprächsverlauf nicht zu groß wird.

response.create und response.cancel

response.create fordert den Server explizit auf, eine Antwort zu generieren. Im VAD-Modus macht der Server dies eigenständig, sobald er das Ende der Sprache erkennt:

{
  "type": "response.create"
}

response.cancel stoppt eine Antwort, die gerade generiert wird. Dies ist nützlich, wenn der Nutzer über den Agenten spricht:

{
  "type": "response.cancel"
}

Wichtige Erkenntnisse

  • Acht Arten von Ereignissen können vom Client an den Server gesendet werden
  • session.update konfiguriert die Sitzung und kann mehrmals gesendet werden
  • conversation.item.create ermöglicht das Hinzufügen von Text, Verlauf oder Funktionsergebnissen
  • response.create ist im manuellen Modus erforderlich und im VAD-Modus automatisch
  • response.cancel ermöglicht es Ihnen, den Agenten zu unterbrechen, wenn der Nutzer wieder zu sprechen beginnt