Web Search API: keresés programozottan
Ezen az oldalon
A leckét 2026. november 2-án frissítettük az OpenAI dokumentációja alapján: a Code Interpreter eszköz mostantól igényli a
containerparamétert (ezt minden példában hozzáadtuk), a bemeneti szövegrészek típusainput_text, a webes keresés pedig aweb_searcheszközt használja (aweb_search_previewmár elavult eszköz, domain-szűrők nélkül). A generált fájlokat a 10. leckéből ismertfichiers_genereséstelechargerfüggvényekkel érheted el. Források: Code Interpreter · Webes keresés.
Web Search API: keresés programozottan
A Web Search eszköz lehetővé teszi, hogy a modell valós idejű webes kereséseket hajtson végre közvetlenül a Responses API-n keresztül. Többé nem kell harmadik féltől származó keresőAPI-t integrálnod: a modell maga fogalmazza meg a lekérdezést, futtatja le a keresést, és szintetizálja az eredményeket.
A webes keresés engedélyezése
Az aktiváláshoz mindössze egy sor kód szükséges, ami azonban alapvető változást takar: az alkalmazásod többé nincs korlátozva a modell tudásbázisának lezárási dátumához. A tegnapi eseményekre, az aktuális árakra vagy a legfrissebb szabályozásokra vonatkozó kérdésekre így válaszolhatsz anélkül, hogy harmadik féltől származó keresőmotort kellene integrálnod vagy fizetned érte.
from openai import OpenAI
client = OpenAI()
response = client.responses.create(
model="gpt-5.6-terra",
input="Mik a legfrissebb Ligue 1 eredmények?",
tools=[{"type": "web_search"}]
)
print(response.output_text)
A modell önállóan dönti el, mikor keressen, és ezt a pontot érdemes hangsúlyozni: nem keres szisztematikusan. Azokra a kérdésekre, amelyekről úgy véli, hogy a meglévő tudása lefedi őket, közvetlenül válaszol – ez gyorsabb és olcsóbb, de azzal a kockázattal jár, hogy elavult információkat közöl ugyanolyan magabiztossággal. Amikor a frissesség kritikus fontosságú, ezt expliciten fogalmazd meg a promptodban, ahelyett, hogy abban bíznál, a modell helyesen találgat.
A válasz szerkezete
A források annotációkként érkeznek, a válaszszövegtől elkülönítve. Ez lehetővé teszi, hogy tetszés szerint jelenítsd meg őket, ellenőrizd őket, vagy gyanúsként jelöld meg azokat a válaszokat, amelyeknél hiányoznak a források, pedig a téma megkövetelné azokat.
response = client.responses.create(
model="gpt-5.6-terra",
input="Mi az LVMH aktuális részvényárfolyama?",
tools=[{"type": "web_search"}]
)
# Szintetizált szöveg
print(response.output_text)
# Források vizsgálata
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"Forrás: {annotation.url}")
print(f"Cím: {annotation.title}")
Felhasználói kontextus a relevancia érdekében
A tartózkodási hely jobban befolyásolja az eredményeket, mint gondolnád, és nemcsak az egyértelműen lokális kereséseknél. Az adózásra, az árakra, a rendelkezésre állásra vagy a jogi kötelezettségekre vonatkozó kérdések országonként eltérő válaszokat generálnak: a user_location paraméter hiányában a modell gyakran egy USA-központú kontextust feltételez alapértelmezettként.
response = client.responses.create(
model="gpt-5.6-terra",
input="Melyik japán étterem tart ma este nyitva?",
tools=[{
"type": "web_search",
"user_location": {
"type": "approximate",
"city": "Paris",
"country": "FR"
}
}]
)
A user_location paraméter többféle pontossági szintet fogad el:
# Hozzávetőleges helymeghatározás
"user_location": {
"type": "approximate",
"city": "Lyon",
"region": "Auvergne-Rhone-Alpes",
"country": "FR"
}
Webes keresés kombinálása egyedi függvényekkel
A leghatékonyabb kombináció mindig ugyanazt a mintázatot követi: a web külső információkat hoz, a te függvényeid belső kontextust biztosítanak, a modell pedig összeköti a pontokat. Az értékteremtés именно ebben az összekötésben rejlik – sem a keresés, sem a saját adataid önmagukban nem válaszolják meg azt a kérdést, hogy „ez a változás ránk is vonatkozik?“.
tools = [
{"type": "web_search"},
{
"type": "function",
"name": "sauvegarder_veille",
"description": "Mentse el a monitoring eredményét az adatbázisba",
"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="Keress rá az európai AI-szabályozás legfrissebb híreire, "
"és mentsd el a fontos eredményeket",
tools=tools
)
Gyakorlati alkalmazási esetek éles környezetben
Automatizált versenykörnyezet-elemzés
def veille_quotidienne(entreprises: list[str]):
"""Elindítja a webes monitoringot minden versenytárs számára."""
resultats = []
for entreprise in entreprises:
response = client.responses.create(
model="gpt-5.6-terra",
input=f"Mik a legfrissebb hírek a(z) {entreprise} cég körül? "
"Fókuszálj a termékbejelentésekre, a finanszírozási körökre "
"és a partnerségekre az elmúlt 7 napból.",
tools=[{"type": "web_search"}]
)
resultats.append({
"entreprise": entreprise,
"synthese": response.output_text
})
return resultats
Tényellenőrzés
def verifier_affirmation(affirmation: str) -> dict:
"""Ellenőrzi az állítást több webes forrás keresztreferenciálásával."""
response = client.responses.create(
model="gpt-5.6-terra",
input=f"Ellenőrizd ezt az állítást megbízható források keresésével: "
f"'{affirmation}'. Állapítsd meg, hogy igaz, hamis vagy bizonytalan, "
f"és tüntesd fel a következtetésedet alátámasztó forrásokat.",
tools=[{"type": "web_search"}]
)
# Idézetek kinyerése
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
}
Ismert korlátok
- A modell nagyon szűk témák esetén lehet, hogy nem talál releváns eredményeket
- Az eredmények függnek a lekérdezés időpontjában elérhető webes indexeléstől
- A hívásonkénti keresések száma korlátozott: a modell precíz lekérdezések megfogalmazásával optimalizál
- A fizetőfalak vagy bejelentkezési képernyők mögötti tartalmak elérhetetlenek
Főbb megállapítások
- Add hozzá a
web_searchelemet egy sorban atoolslistához - A modell autonóm módon dönti el, mikor keressen a weben
- A
user_locationparaméter javítja a helyi eredmények relevanciáját - Az
url_citationannotációk biztosítják a forrásokat - Kombináld a Web Search funkciót a saját függvényeiddel a monitoring automatizálásához