Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Web Search API: pretraživanje weba putem programiranja

Lekcija 5 od 20 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Web Search API: pretraživanje weba putem programiranja
  2. Aktiviranje web pretraživanja
  3. Struktura odgovora
  4. Korisnički kontekst za relevantnost
  5. Kombiniranje web pretraživanja s prilagođenim funkcijama
  6. Slučajevi upotrebe u proizvodnji
  7. Poznata ograničenja
  8. Ključne točke

Lekcija ažurirana 2. studenoga 2026. na temelju OpenAI dokumentacije: alat Code Interpreter sada zahtijeva parametar container (dodan svim primjerima), dijelovi ulaznog teksta su tipa input_text, a web pretraživanje koristi alat web_search (web_search_preview je sada zastarjeli alat bez filtara domena). Generirane datoteke dohvaćaju se pomoću funkcija fichiers_generes i telecharger iz Lekcije 10. Izvori: Code Interpreter · Web search.

Web Search API: pretraživanje weba putem programiranja

Alat Web Search omogućuje modelu izravno izvršavanje pretraživanja weba u stvarnom vremenu putem Responses API-ja. Više ne moraš integrirati vanjski API za pretraživanje: model sam formulira upit, izvršava pretragu i sintetizira rezultate.

Aktiviranje web pretraživanja

Aktivacija zahtijeva samo jedan redak, no ona maskira temeljnu promjenu: tvoja aplikacija više nije ograničena datumom do kojeg su podaci u modelu ažurirani. Pitanja o jučerašnjim događajima, trenutnim cijenama ili nedavnim propisima postaju odgovoriva bez integracije ili plaćanja vanjskog tražilice.

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 samostalno odlučuje kada će pretraživati, a ta je činjenica vrijedna pažnje: ne pretražuje sustavno. Za pitanja za koja smatra da spadaju u njegovo postojeće znanje, odgovara izravno – brže i jeftinije, ali s rizikom da zastarjele informacije iznese s istom razinom uvjerenosti. Kada je svježina podataka ključna, to eksplicitno navedi u svom promptu umjesto da se nadaš kako će model pogoditi.

Struktura odgovora

Izvori stižu kao anotacije vezane uz odgovor, odvojene od teksta. To ti omogućuje da ih prikažeš po svojoj želji, verificiraš ih ili označiš kao sumnjive one odgovore kojima nedostaju izvori kada tema to zahtijeva.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the current stock price of LVMH?",
    tools=[{"type": "web_search"}]
)

# Sintetizirani tekst
print(response.output_text)

# Pregled izvora
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}")

Korisnički kontekst za relevantnost

Lokacija utječe na rezultate više nego što bi mogao očekivati, i to ne samo za očito lokalna pretraživanja. Pitanja o oporezivanju, cijenama, dostupnosti ili pravnim obvezama daju različite odgovore ovisno o državi: bez parametra user_location, model zadano koristi kontekst koji je često usmjeren na SAD.

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"
        }
    }]
)

Parametar user_location prihvaća nekoliko razina preciznosti:

# Približna lokacija
"user_location": {
    "type": "approximate",
    "city": "Lyon",
    "region": "Auvergne-Rhone-Alpes",
    "country": "FR"
}

Kombiniranje web pretraživanja s prilagođenim funkcijama

Najproduktivnija kombinacija uvijek slijedi isti obrazac: web donosi vanjske informacije, tvoje funkcije osiguravaju interni kontekst, a model povezuje točke. U tom povezivanju leži vrijednost – ni sama pretraga ni sami tvoji podaci ne odgovaraju na pitanje „utječe li ova promjena na nas?“.

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
)

Slučajevi upotrebe u proizvodnji

Automatizirano praćenje konkurencije

def veille_quotidienne(entreprises: list[str]):
    """Pokreće web praćenje za svakog 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

Provjera činjenica

def verifier_affirmation(affirmation: str) -> dict:
    """Provjerava tvrdnju unakrsnim referenciranjem više web izvora."""
    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"}]
    )

    # Izdvajanje citata
    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
    }

Poznata ograničenja

  • Model možda neće pronaći relevantne rezultate za vrlo specifične teme
  • Rezultati ovise o indeksiranju weba u trenutku zahtjeva
  • Broj pretraživanja po pozivu je ograničen: model optimizira formuliranjem preciznih upita
  • Sadržaj iza paywalla ili zaslona za prijavu nije dostupan

Ključne točke

  • Dodaj web_search u jedan redak unutar tools
  • Model samostalno odlučuje kada pretraživati web
  • user_location poboljšava relevantnost za lokalne rezultate
  • Anotacije url_citation pružaju izvore
  • Kombiniraj Web Search sa svojim funkcijama za automatizaciju praćenja