Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Egy egyszerű POST /v1/responses kérés

9. lecke 14 közül Frissítve 2026. november 3. Fejlesztő
Ezen az oldalon
  1. Az első sikeres hívásod
  2. A kérés szerkezete
  3. A válasz anatómiája
  4. Gyakori opcionális paraméterek
  5. Beszélgetés folytatása
  6. Költségek nyomon követése
  7. Főbb megállapítások

Frissítve: 2026. november 3., az xAI legjobb gyakorlatai és API-referenciája alapján: a hőmérséklet (temperature) értéke maximum 1 lehet, és az xAI a 0,7-es értéket javasolja, a top_p paramétert pedig 0,95-re állítva. Forrás: Legjobb gyakorlatok.

Az első sikeres hívásod

Megvan a fiókod, az API-kulcsod és telepítetted az SDK-t is. Itt az idő, hogy elküldd az első kérésedet a Grok API felé, és megértsd a válasz szerkezetét. Ez a lecke a fő végpontra, a /v1/responses útvonalra fókuszál, amely a legmodernebb és leginkább ajánlott megoldás.

A kérés szerkezete

A POST /v1/responses végpont legalább két paramétert vár:

  • model: a használni kívánt modell azonosítója
  • input: a kérésed szövege (vagy haladó esetekben tartalmak tömbje)

Minimális kérés Pythonban

from openai import OpenAI
import os

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

response = client.responses.create(
    model="grok-4.5",
    input="What's the most widely used programming language in 2026?"
)

print(response.output[0].content[0].text)

Rendszerutasításokkal

Az instructions paraméterrel definiálhatod a modell viselkedését:

response = client.responses.create(
    model="grok-4.5",
    instructions="You are a web development expert. Answer concisely.",
    input="What's the difference between SSR and SSG?"
)

A válasz anatómiája

Az API egy strukturált JSON objektumot ad vissza. Íme a főbb mezők:

{
  "id": "resp-abc123",
  "object": "response",
  "status": "completed",
  "model": "grok-4.5",
  "output": [
    {
      "type": "message",
      "content": [
        {
          "type": "output_text",
          "text": "The model's answer appears here."
        }
      ],
      "status": "completed"
    }
  ],
  "usage": {
    "input_tokens": 42,
    "output_tokens": 156,
    "total_tokens": 198
  }
}

Fontos mezők

  • id: a válasz egyedi azonosítója, későbbi lekérdezéshez hasznos
  • status: completed, ha a generálás befejeződött
  • output: a generált üzeneteket tartalmazó tömb
  • usage: token-számlálók a fogyasztás nyomon követésére

Gyakori opcionális paraméterek

A kreativitás szabályozása

response = client.responses.create(
    model="grok-4.5",
    input="Suggest a name for an AI startup.",
    temperature=0.7,  # az xAI által ajánlott érték
    top_p=0.95,
)
  • Az API 0 és 2 közötti hőmérsékletet fogad el, de minden ennél nagyobb értéket 1-re korlátoz
  • Az xAI a temperature=0.7 és top_p=0.95 beállításokat javasolja, és tanácsolja, hogy ne térj el tőlük: a minőség általában romlik
  • Ha több kreativitásra van szükséged, kérdd ezt közvetlenül a promptban („javasolj váratlan neveket“)

A hossz korlátozása

response = client.responses.create(
    model="grok-4.5",
    input="Summarize the concept of machine learning.",
    max_output_tokens=200  # Korlátozza a választ
)

A gondolkodás bekapcsolása

Gondolkodó modelleknél állíthatod a gondolkodási erőfeszítés mértékét:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Solve this problem: if 3x + 7 = 22, what is x?",
    reasoning={"effort": "high"}
)

A lehetséges szintek: low, medium és high.

Beszélgetés folytatása

A /v1/responses végpont támogatja a több körös beszélgetéseket a previous_response_id paraméteren keresztül:

# Első üzenet
r1 = client.responses.create(
    model="grok-4.5",
    input="I'm building an API in Python."
)

# Második üzenet (a modell emlékszik a kontextusra)
r2 = client.responses.create(
    model="grok-4.5",
    input="Which framework do you recommend?",
    previous_response_id=r1.id
)

Ez a megközelítés egyszerűbb, mint az üzenetelőzmények saját kezelése.

Költségek nyomon követése

A válaszban található usage mező segítségével kiszámíthatod az egyes hívások költségét. Az output_tokens_details.reasoning_tokens mező megmutatja, hány tokent használt fel a modell a belső gondolkodási folyamathoz (ezeket a tokeneket számlázzák, de nem jelennek meg a válaszban).

Főbb megállapítások

  • A POST /v1/responses végpont a legmodernebb és leginkább ajánlott
  • Két kötelező paraméter: model és input
  • A válasz az output[0].content[0].text mezőben található
  • Használd a previous_response_id paramétert a több körös beszélgetésekhez
  • A usage mező segít nyomon követni a tokenfogyasztásodat