Az első API-hívásod
Ezen az oldalon
A leckét 2026. november 3-án frissítettük az OpenAI dokumentációja alapján: a
temperatureés atop_pparaméterek csaknonegondolkodási erősség (reasoning effort) mellett fogadhatók el, míg a GPT-5.6 modellek alapértelmezetten (medium) gondolkodnak. Ezért az ezeket a paramétereket tartalmazó hívásoknál meg kell adni areasoning={"effort": "none"}(Responses API) vagy areasoning_effort="none"(Chat Completions) beállítást. Források: GPT-6 használata · GPT-5.6 Terra.
Az első API-hívásod
A környezeted készen áll: kezdjük is a munkát. Most fogod végrehajtani az első hívásodat a Responses API felé, elemezni a visszakapott objektumot, majd módosítani azokat a paramétereket, amelyek megkülönböztetik az általános választ a hasznostól.
A legegyszerűbb hívás
Csak két paraméterre van szükséged: a model-re, amely a lekérdezni kívánt modell azonosítója, és az input-ra, ami a promptod – ez lehet egy egyszerű szöveges karakterlánc vagy üzenetek listája, ahogy azt hamarosan látni fogjuk.
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)...
Mit is tartalmaz valójában a válasz?
Az output_text csupán egy kényelmi rövidítés. A response objektum tartalmazza a saját egyedi azonosítóját is – ez elengedhetetlen a beszélgetések láncolásához és a naplókban történő visszakereséshez –, a ténylegesen használt modellt, valamint a tokenfogyasztás részletes bontását. Szoktasd rá magad, hogy már az első szkriptjeidtől kezdve naplózod ezt a három információt. Ez teszi majd lehetővé, hogy később választ adj arra a kérdésre: „Miért duplázódott meg a számla ebben a hónapban?“
response = client.responses.create(
model="gpt-5.6-terra",
input="Hello, how are you?"
)
# A válasz szövege (rövidítés)
print(response.output_text)
# A válasz egyedi azonosítója
print(f"ID: {response.id}")
# A használt modell
print(f"Model: {response.model}")
# Felhasznált tokenek
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
A lényeges paraméterek
A temperature a generálás változékonyságát szabályozza. 0,0 értéknél a modell szisztematikusan a legvalószínűbb folytatást választja: ez a beállítás ténykérdések, adatok kinyerése és minden olyan eset számára ideális, amit pontosan meg kell ismételni. 1,0 értéknél jobban felfedezi a lehetőségeket, ami névadáshoz, kreatív íráshoz vagy variációk generálásához szükséges.
# Alacsony hőmérséklet (0.0) = determinisztikus, tényalapú
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.
# Magas hőmérséklet (1.0) = kreatív, változatos
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.
Az instructions paraméter tölti be a régi rendszerüzenet (system message) szerepét: meghatározza azt a szerepet, hangnemet és korlátokat, amelyeket a modellnek a teljes beszélgetés során tartania kell, függetlenül a feltett kérdéstől. Az alábbi példában ugyanaz a kérdés utasítások nélkül általános tippek listáját eredményezné; utasításokkal viszont recepteket kapunk.
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...
Végül a max_output_tokens korlátozza a válasz hosszát. Ez egy költségvetési biztonsági intézkedés, nem pedig írási utasítás: a válasz hirtelen megszakad, amint eléri a limitet. Ha rövid, jól felépített választ szeretnél, ezt a promptban is kérjed meg.
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
Áttérés a strukturált inputra
Amikor egy egyszerű karakterlánc nem elegendő, az input paraméter elfogad egy üzenetlistát is. A minimális forma egyetlen fordulót tartalmaz, de az előny akkor mutatkozik meg igazán, ha előzményeket is megadsz: a modell ekkor hozzáfér a korábban elhangzottakhoz, és ennek megfelelően válaszol. Itt a „haladás“ kifejezést a Python kontextusában kell érteni, nem elvont értelemben.
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
# Beszélgetési kontextussal
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...
Soha ne hagyj egy hívást sem védelem nélkül
A hálózati hívások meghibásodhatnak, és a kulcsok is lejárhatnak. Három kivételtypus lefedi az esetek többségét a kezdéshez: az AuthenticationError hiányzó vagy érvénytelen kulcs esetén, a RateLimitError, ha túlléped a megengedett átviteli sebességet, valamint az APIError, mint általános biztonsági háló. Egy teljes lecke fog majd visszatérni a teljes stratégiára, de már ma kezd el a hívásaidat blokkokba csomagolni.
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}")
Az eddigiek megerősítésére írj egy szkriptet, amely három kérdést tesz fel, és összegzi a felhasznált tokeneket. Így egyesíted a hívási ciklust, a stabil válaszokhoz szükséges 0,0-s hőmérsékletet és a usage olvasását – ez a három alapvető reflex.
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")
Főbb megállapítások
- Egy alapvető híváshoz csak a
modelés azinputszükséges - A
response.output_textadja vissza a válasz szövegét - A
response.usagerészletezi a tokenfogyasztást - A
temperatureszabályozza a kreativitást (0,0 = tényalapú, 1,0 = kreatív) - Az
instructionsváltja fel a Chat Completions rendszerüzenetét - Mindig kezeld a hibákat try/except blokkokkal