Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Kompatibilität mit dem OpenAI SDK

Lektion 6 von 14 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Nutzung des Multi-Agenten-Modus über das OpenAI SDK
  2. Client-Konfiguration
  3. Steuerung der Agentenanzahl über reasoning.effort
  4. Die Abbildung Anstrengung → Agenten
  5. Chat Completions wird nicht unterstützt
  6. Streaming mit dem OpenAI SDK
  7. Vorteile und Grenzen dieses Ansatzes
  8. Kernaussagen

Nutzung des Multi-Agenten-Modus über das OpenAI SDK

Viele Teams haben ihre Schnittschicht bereits um das OpenAI SDK herum aufgebaut, inklusive Wrapper, Tests und Logging-Konventionen. Gute Nachricht: Der Zugriff auf den Multi-Agenten-Modus von Grok zwingt Sie nicht dazu, alles neu zu schreiben. xAI stellt eine API bereit, die mit dem OpenAI Responses-Format kompatibel ist. Sie können den OpenAI-Client beibehalten und diesen einfach auf die xAI-API ausrichten.

Client-Konfiguration

Zwei Einstellungen sind alles, was Sie benötigen: die Basis-URL von xAI und Ihr xAI API-Schlüssel.

from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

Ab hier nutzen Sie die Responses-API wie gewohnt, indem Sie grok-4.20-multi-agent-0309 als Modell angeben. Der Rest Ihres Aufrufcodes bleibt unverändert.

Steuerung der Agentenanzahl über reasoning.effort

Hier zeigt sich die Übersetzung zwischen den beiden Welten. Während das xAI SDK eine explizite agent_count bietet, stellt das OpenAI SDK nur reasoning.effort zur Verfügung – Sie fordern also keine Anzahl von Agenten an, sondern ein Anstrengungsniveau, das xAI in eine Anzahl von Agenten umwandelt.

# 4 Agenten (geringe Anstrengung)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "Welche Open-Source-Modelle sind 2026 aktuell?"}],
)
print(response.output_text)
# 16 Agenten (hohe Anstrengung)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "high"},
    input=[{"role": "user", "content": "Vergleichen Sie die KI-Strategien der EU und der USA im Jahr 2026"}],
)
print(response.output_text)

Die Abbildung Anstrengung → Agenten

Das Feld akzeptiert vier Werte, erzeugt aber nur zwei Teamgrößen: "low" und "medium" verwenden 4 Agenten, während "high" und "xhigh" 16 Agenten einsetzen.

Dieser Detailaspekt verdient sorgfältige Aufmerksamkeit. Der Wechsel von low zu medium oder von high zu xhigh ändert die Anzahl der Agenten nicht: Diese Zwischenstufen können andere Aspekte des Modellverhaltens beeinflussen, aber innerhalb jedes Paares bleibt das Team gleich. Stellen Sie sich ein Interface vor, in dem dem Nutzer vier Ebenen der Forschungsintensität angeboten werden – er würde nur zwei wahrnehmen, und Ihre zwei zusätzlichen Tasten würden lediglich seine Entscheidung verwirren.

Chat Completions wird nicht unterstützt

Hier liegt die Einschränkung, die die meisten Entwickler bei ihrem ersten Versuch in die Irre führt: Chat Completions wird für den Multi-Agenten-Modus nicht unterstützt. Sie müssen die Responses-API verwenden, also client.responses.create und nicht client.chat.completions.create.

# FUNKTIONIERT NICHT
response = client.chat.completions.create(
    model="grok-4.20-multi-agent-0309",
    messages=[{"role": "user", "content": "..."}],
)

Dieser Aufruf führt zu einem Fehler. Wenn Ihr bestehender Code vollständig auf Chat Completions angewiesen ist – wie es bei vielen Codebasen der Fall ist – handelt es sich bei der Änderung nicht nur um einen Austausch des Modellnamens: Sie müssen den Aufruf auf ein anderes Eingabe- und Ausgabeformat migrieren. Schätzen Sie diesen Aufwand, bevor Sie die Integration versprechen.

Streaming mit dem OpenAI SDK

Streaming ist weiterhin verfügbar, ebenfalls über die Responses-API:

stream = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "Fassen Sie die technischen Ankündigungen dieser Woche zusammen"}],
    stream=True,
)

for event in stream:
    if hasattr(event, 'delta') and event.delta:
        print(event.delta, end="", flush=True)

Der Test hasattr(event, 'delta') sollte so belassen werden: Der Event-Stream der Responses-API enthält mehr als nur Text, und das blinde Auslesen von event.delta bei jedem Event würde eine Ausnahme auslösen.

Vorteile und Grenzen dieses Ansatzes

Der Hauptvorteil dieses Weges ist die Zeitersparnis: Sie installieren kein weiteres SDK, Ihre Entwickler erhalten eine vertraute Syntax, und das Umschalten zwischen xAI- und OpenAI-Modellen im selben Codebase wird trivial. Für ein Team, das den Multi-Agenten-Modus evaluieren möchte, ohne sich auf ein volles Projekt festzulegen, ist dies der kürzeste Weg.

Die Grenzen ergeben sich alle aus derselben Ursache: Sie gehen durch eine Kompatibilitätsschicht, wodurch Sie das Spezifische von xAI verlieren. Sie erhalten keine agent_count (ersetzt durch die indirekte Steuerung über reasoning.effort), kein verbose_streaming oder use_encrypted_content. Darüber hinaus stammt die Abbildung Anstrengung → Agenten aus einer Beta-API und könnte sich ändern: Wenn Ihr Produkt spezifisch von der Anzahl der eingesetzten Agenten abhängt, bleibt das native SDK die vernünftige Wahl.

Kernaussagen

  • Das OpenAI SDK funktioniert mit dem Multi-Agenten-Modus über base_url="https://api.x.ai/v1"
  • Sie steuern die Anzahl der Agenten über reasoning.effort (low/medium = 4, high/xhigh = 16)
  • Chat Completions wird NICHT unterstützt – verwenden Sie ausschließlich die Responses-API
  • Einige Parameter, die exklusiv für das xAI SDK gelten (agent_count, verbose_streaming), sind nicht verfügbar