Timeout e robustezza in produzione
In questa pagina
Prepara la tua applicazione per il mondo reale
In produzione, le richieste alle API Responses possono richiedere tempo, specialmente con i modelli di ragionamento che elaborano a lungo prima di rispondere. Una gestione inadeguata dei timeout può causare fallimenti silenziosi o degradare l’esperienza utente.
Il timeout di 3600 secondi
xAI raccomanda un timeout minimo di 3600 secondi (1 ora) per le richieste indirizzate ai modelli di ragionamento. Questo valore è significativamente superiore a quello delle API standard e ha un impatto diretto sulla tua architettura.
Perché così lungo?
I modelli di ragionamento Grok-4.5 possono utilizzare centinaia di migliaia di token interni per il ragionamento prima di generare una risposta. Su problemi complessi (matematica avanzata, analisi del codice, ragionamento multi-step), il modello può impiegare diversi minuti per “pensare”.
Configurazione lato client
import httpx
from openai import OpenAI
# OpenAI SDK con timeout esteso
client = OpenAI(
api_key="xai-...",
base_url="https://api.x.ai/v1",
timeout=httpx.Timeout(3600.0, connect=10.0)
)
In curl:
curl --max-time 3600 https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{...}'
Gestione degli errori
Errori comuni
| Codice HTTP | Causa | Azione |
|---|---|---|
| 401 | Chiave API non valida | Verifica la chiave |
| 429 | Limite di frequenza raggiunto | Riprova con backoff esponenziale |
| 500 | Errore server xAI | Riprova dopo alcuni secondi |
| 503 | Servizio non disponibile | Riprova dopo 30 secondi |
| Timeout | Richiesta troppo lunga | Aumenta il timeout o semplifica il prompt |
Pattern di retry con backoff
import time
def call_with_retry(client, max_retries=3, **kwargs):
for attempt in range(max_retries):
try:
return client.responses.create(**kwargs)
except Exception as e:
if attempt == max_retries - 1:
raise
wait = 2 ** attempt # 1s, 2s, 4s
print(f"Error: {e}. Retrying in {wait}s...")
time.sleep(wait)
Limitazione della frequenza (Rate Limiting)
xAI applica limiti di frequenza in base al tuo piano. Implementa un limitatore di frequenza lato client:
import time
from collections import deque
class RateLimiter:
def __init__(self, max_requests_per_minute=60):
self.max_rpm = max_requests_per_minute
self.timestamps = deque()
def wait_if_needed(self):
now = time.time()
# Rimuovi i timestamp più vecchi di un minuto
while self.timestamps and self.timestamps[0] < now - 60:
self.timestamps.popleft()
if len(self.timestamps) >= self.max_rpm:
sleep_time = 60 - (now - self.timestamps[0])
time.sleep(max(0, sleep_time))
self.timestamps.append(time.time())
Architettura asincrona
Per le applicazioni web, non bloccare il thread principale per 3600 secondi. Utilizza un’architettura asincrona:
import asyncio
from openai import AsyncOpenAI
client = AsyncOpenAI(
api_key="xai-...",
base_url="https://api.x.ai/v1"
)
async def process_request(user_input):
response = await client.responses.create(
model="grok-4.20-0309-reasoning",
input=user_input,
stream=True
)
async for event in response:
if event.type == "response.output_text.delta":
yield event.delta
Lo streaming è l’approccio migliore per le applicazioni interattive: gli utenti vedono i primi token entro pochi secondi, anche se la generazione completa richiede più tempo.
Circuit Breaker
Per proteggere la tua applicazione da interruzioni delle API xAI:
class CircuitBreaker:
def __init__(self, failure_threshold=5, reset_timeout=60):
self.failures = 0
self.threshold = failure_threshold
self.reset_timeout = reset_timeout
self.last_failure = 0
self.is_open = False
def call(self, func, *args, **kwargs):
if self.is_open:
if time.time() - self.last_failure > self.reset_timeout:
self.is_open = False
self.failures = 0
else:
raise Exception("Circuit open — API unavailable")
try:
result = func(*args, **kwargs)
self.failures = 0
return result
except Exception as e:
self.failures += 1
self.last_failure = time.time()
if self.failures >= self.threshold:
self.is_open = True
raise
Punti chiave
- Configura un timeout minimo di 3600 secondi per i modelli di ragionamento
- Implementa un meccanismo di retry con backoff esponenziale per gli errori 429 e 500
- Usa lo streaming per le applicazioni interattive: gli utenti vedono i token immediatamente
- Gestisci la limitazione di frequenza lato client per evitare errori 429
- Considera l’uso di un circuit breaker per proteggere la tua applicazione da interruzioni delle API