Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Web Search API: Vyhľadávanie na webe pomocou kódu

Lekcia 5 z 20 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Web Search API: Vyhľadávanie na webe pomocou kódu
  2. Aktivácia vyhľadávania na webe
  3. Štruktúra odpovede
  4. Kontext používateľa pre relevantnosť
  5. Kombinácia vyhľadávania na webe s vlastnými funkciami
  6. Prípady použitia v produkcii
  7. Známe obmedzenia
  8. Kľúčové poznatky

Lekcia aktualizovaná 2. novembra 2026 na základe dokumentácie OpenAI: nástroj Code Interpreter teraz vyžaduje parameter container (pridaný do všetkých príkladov), vstupné textové časti majú typ input_text a vyhľadávanie na webe používa nástroj web_search (web_search_preview je teraz zastaraný nástroj bez filtrov domén). Vygenerované súbory sa získavajú pomocou funkcií fichiers_generes a telecharger z Lekcie 10. Zdroje: Code Interpreter · Web search.

Web Search API: Vyhľadávanie na webe pomocou kódu

Nástroj Web Search umožňuje modelu vykonávať vyhľadávania na webe v reálnom čase priamo prostredníctvom Responses API. Už nemusíš integrovať vyhľadávaciu API tretiej strany: model sám formulujú otázku, vykoná vyhľadávanie a syntetizuje výsledky.

Aktivácia vyhľadávania na webe

Aktivácia si vyžaduje len jeden riadok, ktorý maskuje zásadnú zmenu: tvoja aplikácia už nie je obmedzená dátumom ukončenia znalostí modelu. Otázky týkajúce sa včerajších udalostí, aktuálnych cien alebo nedávnych nariadení sa stávajú zodpovedateľnými bez potreby integrovať alebo platiť za vyhľadávač tretej strany.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What are the latest Ligue 1 results?",
    tools=[{"type": "web_search"}]
)

print(response.output_text)

Model sa sám rozhoduje, kedy má vyhľadávať, a tento bod si zaslúži pozornosť: nevyhľadáva systematicky. Na otázky, o ktorých sa domnieva, že spadajú do jeho existujúcich znalostí, odpovedá priamo – rýchlejšie a lacnejšie, ale s rizikom, že zastarané informácie predloží s rovnakou istotou. Keď je sviežosť informácií kritická, uveď to v prompte explicitne, namiesto toho, aby si dúfal, že model správne uhádne tvoje úmysly.

Štruktúra odpovede

Zdroje prichádzajú ako anotácie pripojené k odpovedi, oddelene od textu. To ti umožňuje zobraziť ich spôsobom, ktorý ti vyhovuje, overiť ich alebo označiť ako podozrivú každú odpoveď, ktorá postráda zdroje v prípadoch, keď si téma vyžaduje ich uvedenie.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="What is the current stock price of LVMH?",
    tools=[{"type": "web_search"}]
)

# Syntetizovaný text
print(response.output_text)

# Preskúmanie zdrojov
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"Source: {annotation.url}")
                        print(f"Title : {annotation.title}")

Kontext používateľa pre relevantnosť

Poloha ovplyvňuje výsledky viac, než by si čakal, a to nielen pri zrejme lokálnych vyhľadávaniach. Otázky týkajúce sa daní, cien, dostupnosti alebo právnych povinností prinášajú rôzne odpovede v závislosti od krajiny: bez parametra user_location model predvolene používa kontext, ktorý je často zameraný na USA.

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Which Japanese restaurant is open tonight?",
    tools=[{
        "type": "web_search",
        "user_location": {
            "type": "approximate",
            "city": "Paris",
            "country": "FR"
        }
    }]
)

Parameter user_location akceptuje niekoľko úrovní presnosti:

# Približná poloha
"user_location": {
    "type": "approximate",
    "city": "Lyon",
    "region": "Auvergne-Rhone-Alpes",
    "country": "FR"
}

Kombinácia vyhľadávania na webe s vlastnými funkciami

Najproduktívnejšia kombinácia vždy nasleduje rovnaký vzorec: web prináša externé informácie, tvoje funkcie poskytujú interný kontext a model spája súvislosti. Práve v tomto prepojení spočíva hodnota – ani samotné vyhľadávanie, ani tvoje dáta samy o sebe neodpovedajú na otázku „ovplyvní táto zmena nás?“.

tools = [
    {"type": "web_search"},
    {
        "type": "function",
        "name": "sauvegarder_veille",
        "description": "Save a monitoring result to the database",
        "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="Search for the latest news on AI regulation in Europe "
          "and save important results",
    tools=tools
)

Prípady použitia v produkcii

Automatizovaný konkurenčný prieskum

def veille_quotidienne(entreprises: list[str]):
    """Launches web monitoring for each competitor."""
    resultats = []
    for entreprise in entreprises:
        response = client.responses.create(
            model="gpt-5.6-terra",
            input=f"What is the latest news about {entreprise}? "
                  "Focus on product announcements, funding rounds, "
                  "and partnerships from the last 7 days.",
            tools=[{"type": "web_search"}]
        )
        resultats.append({
            "entreprise": entreprise,
            "synthese": response.output_text
        })
    return resultats

Overovanie faktov

def verifier_affirmation(affirmation: str) -> dict:
    """Verifies a claim by cross-referencing multiple web sources."""
    response = client.responses.create(
        model="gpt-5.6-terra",
        input=f"Verify this claim by searching for reliable sources: "
              f"'{affirmation}'. State whether it is true, false, or uncertain, "
              f"including the sources supporting your conclusion.",
        tools=[{"type": "web_search"}]
    )

    # Extrakcia citácií
    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
    }

Známe obmedzenia

  • Model nemusí nájsť relevantné výsledky pre veľmi špecifické témy
  • Výsledky závisia od indexovania webu v čase požiadavky
  • Počet vyhľadávaní na jedno volanie je obmedzený: model optimalizuje formulovaním presných otázok
  • Obsah za platobnou bránou alebo prihlasovacími obrazovkami je neprístupný

Kľúčové poznatky

  • Pridaj web_search v jednom riadku v rámci tools
  • Model sa autonómne rozhoduje, kedy má vyhľadávať na webe
  • user_location zlepšuje relevantnosť pre lokálne výsledky
  • Anotácie url_citation poskytujú zdroje
  • Skombinuj Web Search s tvojimi funkciami na automatizáciu monitoringu