Ir al contenido principal
Español— Elegir un idioma
Menú

Compatibilidad con el SDK de OpenAI

Lección 6 de 14 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. Uso del modo multiagente mediante el SDK de OpenAI
  2. Configuración del cliente
  3. Control del número de agentes con reasoning.effort
  4. La correspondencia esfuerzo → agentes
  5. Chat Completions no es compatible
  6. Streaming con el SDK de OpenAI
  7. Ventajas y límites de este enfoque
  8. Puntos clave

Uso del modo multiagente mediante el SDK de OpenAI

Muchos equipos ya han construido su capa de llamadas en torno al SDK de OpenAI, con sus envoltorios, pruebas y convenciones de registro. Buenas noticias: acceder al modo multiagente de Grok no te obliga a reescribir todo. xAI expone una API compatible con el formato Responses de OpenAI, por lo que puedes mantener el cliente de OpenAI y simplemente apuntarlo a la API de xAI.

Configuración del cliente

Solo necesitas dos ajustes: la URL base de xAI y tu clave de API de xAI.

from openai import OpenAI

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

A partir de ahí, utilizas la API Responses como de costumbre, especificando grok-4.20-multi-agent-0309 como modelo. El resto de tu código de llamada permanece sin cambios.

Control del número de agentes con reasoning.effort

Aquí es donde se produce la traducción entre ambos mundos. Mientras que el SDK de xAI expone un parámetro explícito agent_count, el SDK de OpenAI solo ofrece reasoning.effort; por tanto, no solicitas un número de agentes, sino un nivel de esfuerzo que xAI convierte en un número de agentes.

# 4 agentes (esfuerzo bajo)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "¿Cuáles son los últimos modelos de código abierto de 2026?"}],
)
print(response.output_text)
# 16 agentes (esfuerzo alto)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "high"},
    input=[{"role": "user", "content": "Compara las estrategias de IA de la UE y EE. UU. en 2026"}],
)
print(response.output_text)

La correspondencia esfuerzo → agentes

El campo acepta cuatro valores, pero estos generan solo dos tamaños de equipo: "low" y "medium" utilizan 4 agentes, mientras que "high" y "xhigh" utilizan 16.

Este detalle merece una atención cuidadosa. Pasar de low a medium, o de high a xhigh, no cambia el número de agentes: estos niveles intermedios pueden influir en otros aspectos del comportamiento del modelo, pero dentro de cada par el equipo permanece igual. Imagina una interfaz donde ofrecieras al usuario cuatro niveles de profundidad de investigación; percibiría solo dos, y tus dos botones adicionales solo confundirían su elección.

Chat Completions no es compatible

Aquí está la restricción que hace tropezar a la mayoría de los desarrolladores en su primer intento: Chat Completions no es compatible con el modo multiagente. Debes usar la API Responses, es decir, client.responses.create, y no client.chat.completions.create.

# NO FUNCIONA
response = client.chat.completions.create(
    model="grok-4.20-multi-agent-0309",
    messages=[{"role": "user", "content": "..."}],
)

Esta llamada devuelve un error. Si tu código existente depende totalmente de Chat Completions —como ocurre en muchas bases de código actuales—, el cambio no es solo un intercambio de nombre de modelo: tienes que migrar la llamada a un formato de entrada y salida diferente. Dimensiona ese esfuerzo antes de prometer la integración.

Streaming con el SDK de OpenAI

El streaming sigue estando disponible, de nuevo a través de la API Responses:

stream = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "Resume los anuncios tecnológicos de esta semana"}],
    stream=True,
)

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

Vale la pena mantener la prueba hasattr(event, 'delta') tal cual: el flujo de eventos de la API Responses contiene más que texto, y leer ciegamente event.delta en cada evento provocaría una excepción.

Ventajas y límites de este enfoque

La principal ventaja de esta ruta es que ahorra tiempo: no instalas otro SDK, tus desarrolladores obtienen una sintaxis familiar y cambiar entre modelos de xAI y OpenAI en la misma base de código se vuelve trivial. Para un equipo que quiera evaluar el modo multiagente sin comprometerse con un proyecto completo, es el camino más corto.

Los límites provienen todos de la misma causa: estás pasando por una capa de compatibilidad, por lo que pierdes lo específico de xAI. No obtienes agent_count (sustituido por un control indirecto mediante reasoning.effort), verbose_streaming ni use_encrypted_content. Además, la correspondencia esfuerzo → agentes proviene de una API en beta y podría cambiar: si tu producto depende específicamente del número de agentes utilizados, el SDK nativo sigue siendo la opción más prudente.

Puntos clave

  • El SDK de OpenAI funciona con multiagente mediante base_url="https://api.x.ai/v1"
  • Controlas el número de agentes mediante reasoning.effort (low/medium = 4, high/xhigh = 16)
  • Chat Completions NO es compatible: usa únicamente la API Responses
  • Algunos parámetros exclusivos del SDK de xAI (agent_count, verbose_streaming) no están disponibles