Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Tvoj prvi poziv API-ju

Lekcija 5 od 22 Ažurirano 3. studenoga 2026. Programer
Na ovoj stranici
  1. Tvoj prvi poziv API-ju
  2. Najjednostavniji poziv
  3. Što odgovor zapravo sadrži
  4. Parametri koji su bitni
  5. Prelazak na strukturirani unos
  6. Nikad ne ostavljaj poziv nezaštićenim
  7. Ključne točke

Lekcija ažurirana 3. studenog 2026. na temelju OpenAI dokumentacije: parametri temperature i top_p prihvaćeni su samo uz napor rezoniranja (reasoning effort) postavljen na none, dok modeli GPT-5.6 prema zadanim postavkama rezoniraju (medium). Pozivi koji postavljaju ove parametre stoga moraju specificirati reasoning={"effort": "none"} (Responses API) ili reasoning_effort="none" (Chat Completions). Izvori: Korištenje GPT-6 · GPT-5.6 Terra.

Tvoj prvi poziv API-ju

Tvoje okruženje je spremno: vrijeme je za rad. Upravo ćeš izvršiti svoj prvi poziv Responses API-ju, raščlaniti objekt koji vraća, a zatim manipulirati parametrima koji razlikuju generički odgovor od korisnog.

Najjednostavniji poziv

Dva su parametra sve što ti treba: model, identifikator modela kojeg ispituješ, i input, tvoj upit (prompt) – bilo kao tekstualni niz ili kao popis poruka, kao što ćemo uskoro vidjeti.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the difference between Python and JavaScript?"
)

print(response.output_text)
# Result: Python is a versatile language oriented toward data science
# and backend development, while JavaScript is primarily used for
# frontend and backend web development (via Node.js)...

Što odgovor zapravo sadrži

output_text je samo prečac radi pogodnosti. Objekt response također nosi svoj jedinstveni ID – ključan za lančanje razmjena i pronalaženje poziva u tvojim zapisima – stvarni korišteni model i raščlambu potrošnje tokena. Učini navikom bilježiti ove tri informacije već u svojim prvim skriptama. To je ono što će ti kasnije omogućiti odgovoriti na pitanje: „Zašto se račun ovog mjeseca udvostručio?“

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Hello, how are you?"
)

# The response text (shortcut)
print(response.output_text)

# The unique ID of the response
print(f"ID: {response.id}")

# The model used
print(f"Model: {response.model}")

# Tokens consumed
print(f"Input tokens: {response.usage.input_tokens}")
print(f"Output tokens: {response.usage.output_tokens}")
print(f"Total tokens: {response.usage.total_tokens}")

# Result:
# Hello! I'm doing very well, thank you. How can I help you?
# ID: resp_abc123xyz
# Model: gpt-5.6-terra
# Input tokens: 14
# Output tokens: 19
# Total tokens: 33

Parametri koji su bitni

temperature upravlja varijabilnošću generiranja. Na 0.0, model sustavno bira najvjerojatniji nastavak: ovo je postavka za činjenična pitanja, ekstrakciju podataka i sve što trebaš reproducirati identično. Na 1.0, više istražuje, što želiš za imenovanje, kreativno pisanje ili generiranje varijanti.

# Low temperature (0.0) = deterministic, factual
response_factual = client.responses.create(
    model="gpt-5.6-terra",
    reasoning={"effort": "none"},  # temperature requires effort none
    input="What is the capital of Germany?",
    temperature=0.0
)
print(response_factual.output_text)
# Result: The capital of Germany is Berlin.

# High temperature (1.0) = creative, varied
response_creative = client.responses.create(
    model="gpt-5.6-terra",
    reasoning={"effort": "none"},  # temperature requires effort none
    input="Invent a name for a literary café.",
    temperature=1.0
)
print(response_creative.output_text)
# Result: "The Wandering Pages"—a café where every table bears
# the name of a famous chapter.

Parametar instructions preuzima ulogu stare sistemske poruke: definira ulogu, ton i ograničenja koja model mora održavati tijekom cijele razmjene, bez obzira na postavljeno pitanje. U primjeru ispod, isto pitanje postavljeno bez instrukcija proizvelo bi popis općih savjeta; s njima, proizvodi recepte.

response = client.responses.create(
    model="gpt-5.6-terra",
    instructions="You are an expert in French cuisine. "
                 "Always respond with recipe suggestions.",
    input="I don't know what to do with zucchini."
)
print(response.output_text)
# Result: Here are three ideas for your zucchini:
# 1. Zucchini gratin with goat cheese...
# 2. Provençal ratatouille...
# 3. Cold zucchini velouté with mint...

Konačno, max_output_tokens ograničava duljinu odgovora. Ovo je proračunska sigurnosna mjera, a ne uputa za pisanje: odgovor se naglo prekida jednom kada se dosegne ograničenje. Ako želiš kratak, dobro oblikovan odgovor, zatraži to također u promptu.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Explain general relativity.",
    max_output_tokens=100
)
print(response.output_text)
print(f"Tokens used: {response.usage.output_tokens}")
# The response will be truncated at approximately 100 tokens

Prelazak na strukturirani unos

Kada jednostavan niz nije dovoljan, input prihvaća popis poruka. Minimalni oblik sadrži jedan okret (turn), ali se prednost pojavljuje čim pružiš povijest: model tada ima pristup onome što je već rečeno i sukladno tome odgovara. Ovdje se „napredak“ shvaća u kontekstu Pythona, a ne apstraktno.

response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": "Translate to English: Hello world"
        }
    ]
)
print(response.output_text)
# Result: Hello world

# With conversation context
response = client.responses.create(
    model="gpt-5.6-terra",
    input=[
        {
            "role": "user",
            "content": "My favorite language is Python."
        },
        {
            "role": "assistant",
            "content": "Python is an excellent choice! It is very versatile."
        },
        {
            "role": "user",
            "content": "Give me a tip to improve."
        }
    ]
)
print(response.output_text)
# Result: To improve in Python, I recommend that you...

Nikad ne ostavljaj poziv nezaštićenim

Mrežni pozivi mogu failati, a ključevi isteći. Tri iznimke pokrivaju većinu slučajeva kada tek počinješ: AuthenticationError za nedostajući ili nevažeći ključ, RateLimitError kada prijeđeš dopušteni propusni opseg, i APIError kao generička sigurnosna mreža. Cijela će se lekcija vratiti na potpunu strategiju, ali počevši od danas, omotaj svoje pozive.

from openai import OpenAI, APIError, AuthenticationError, RateLimitError

client = OpenAI()

try:
    response = client.responses.create(
        model="gpt-5.6-terra",
        input="Hello!"
    )
    print(response.output_text)
except AuthenticationError:
    print("Error: Invalid or missing API key")
except RateLimitError:
    print("Error: Too many requests, wait a moment")
except APIError as e:
    print(f"API Error: {e.message}")

Da bi sve ovo učvrstio/la, napiši skriptu koja postavlja tri pitanja i akumulira potrošene tokene. Kombinirat ćeš petlju poziva, temperaturu od 0.0 za stabilne odgovore i čitanje usage – tri osnovna refleksa.

from openai import OpenAI

client = OpenAI()

questions = [
    "What is the largest ocean in the world?",
    "Who painted the Mona Lisa?",
    "How many planets are in the solar system?"
]

total_tokens = 0

for question in questions:
    response = client.responses.create(
        model="gpt-5.6-terra",
        reasoning={"effort": "none"},  # temperature requires effort none
        input=question,
        temperature=0.0
    )
    tokens = response.usage.total_tokens
    total_tokens += tokens
    print(f"Q: {question}")
    print(f"A: {response.output_text}")
    print(f"   ({tokens} tokens)\n")

print(f"Total: {total_tokens} tokens consumed")

Ključne točke

  • Osnovni poziv zahtijeva samo model i input
  • response.output_text pruža tekst odgovora
  • response.usage detaljno prikazuje potrošnju tokena
  • temperature kontrolira kreativnost (0.0 = činjenično, 1.0 = kreativno)
  • instructions zamjenjuju sistemsku poruku iz Chat Completionsa
  • Uvijek rukuj pogreškama pomoću blokova try/except