Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Installera Python SDK

Lektion 4 av 22 Uppdaterad 2 november 2026 Utvecklare
På denna sida
  1. Installera Python SDK
  2. Förutsättningar och installation
  3. En klient, alla API:er
  4. Konfigurera klienten för din kontext
  5. Strukturera ditt projekt
  6. Tre vanliga fel
  7. Viktiga punkter

Installera Python SDK

Python SDK:t openai är det officiella biblioteket för att interagera med API:et. I denna lektion går vi igenom installationen och sätter upp en ren projektstruktur som du kommer att använda under resten av kursen.

Förutsättningar och installation

Du behöver Python 3.10 eller nyare – det minimum som krävs av openai SDK:t (version 3.42.1 per den 2 november 2026 enligt PyPI) – en pakethanterare (pip eller uv) och den API-nyckel du fick i föregående lektion. Börja med att verifiera din tolk, eftersom utvecklingsdatorer ofta har flera versioner installerade:

python --version
# Python 3.12.4

Installationen sker med ett enda kommando: pip install openai, eller uv pip install openai om du använder uv, vilket är betydligt snabbare. Gör det dock till en vana att arbeta inuti en virtuell miljö. Detta förhindrar det vanliga scenariot där du sex månader senare upptäcker att två projekt kräver inkompatibla versioner av samma bibliotek.

# Skapa en virtuell miljö
python -m venv .venv

# Aktivera (Linux/macOS)
source .venv/bin/activate

# Aktivera (Windows)
.venv\Scripts\activate

# Installera SDK:t
pip install openai

Två följeslagare dyker upp i nästan varje projekt och förtjänar att installeras tillsammans med SDK:t. Pydantic hjälper till att definiera scheman för strukturerad utmatning, vilket du kommer att se senare; python-dotenv läser in .env-filen till miljövariabler.

# Installera med stöd för Pydantic dataklasser
pip install openai pydantic

# Installera med python-dotenv för miljövariabler
pip install openai python-dotenv

Verifiera slutligen att importen fungerar och notera den installerade versionen. Detta är den första informationen du bör uppge om du öppnar ett supportärende.

import openai
print(f"OpenAI SDK version: {openai.__version__}")
# Output: OpenAI SDK version: 1.68.0 (or newer)

En klient, alla API:er

SDK:t kretsar kring ett enda klientobjekt som exponerar hela plattformen via undermoduler. Du behöver inte instansiera något nytt för att byta från textgenerering till inbäddningar eller moderering.

from openai import OpenAI

client = OpenAI()

# Responses API (text, funktionsanrop, strukturerad utmatning)
client.responses.create(...)

# Chat Completions API (legacy)
client.chat.completions.create(...)

# Inbäddningar
client.embeddings.create(...)

# Bilder
client.images.generate(...)

# Ljud
client.audio.transcriptions.create(...)
client.audio.speech.create(...)

# Moderering
client.moderations.create(...)

Konfigurera klienten för din kontext

SDK:ts standardvärden fungerar för experiment men räcker inte för webbapplikationer. Standard-timeout är tio minuter: i ett HTTP-API som förväntas svara inom sekunder innebär detta att en fastlåst begäran binder upp en arbetare alldeles för länge. Minska den och öka antalet automatiska försök, som som standard är två.

from openai import OpenAI

client = OpenAI(
    timeout=60.0,  # 60 sekunder (standard: 10 minuter)
    max_retries=3,  # 3 försök vid fel (standard: 2)
)

Parametern base_url adresserar ett annat behov: att routa anrop genom en företagsproxy som loggar utgående trafik, eller till en tjänst som exponerar ett kompatibelt API.

# Användbart för företagsproxies eller kompatibla API:er
client = OpenAI(
    base_url="https://your-proxy.company.com/v1"
)

Om din applikation slutligen förlitar sig på asyncio – FastAPI, aiohttp och liknande – använd AsyncOpenAI. Den synkrona klienten skulle blockera händelseslingan under genereringen, vilket neguerar fördelarna med asynkron kod.

from openai import AsyncOpenAI

async_client = AsyncOpenAI()

# Användning med await
import asyncio

async def main():
    response = await async_client.responses.create(
        model="gpt-5.6-terra",
        input="Hello!"
    )
    print(response.output_text)

asyncio.run(main())
# Output: Hello! How can I help you today?

Strukturera ditt projekt

Anta en organisation som isolerar klientkonfigurationen från resten av din kod redan från början. Detta undviker att sprida dussintals OpenAI()-anrop genom hela ditt projekt, vart och ett med sina egna inställningar.

my-project/
├── .env                  # API-nyckel (COMMitera ALDRIG till git)
├── .gitignore            # Inkluderar .env
├── requirements.txt      # Beroenden
├── src/
│   ├── __init__.py
│   ├── client.py         # Konfiguration av OpenAI-klient
│   └── main.py           # Startpunkt
└── tests/
    └── test_api.py

Filen src/client.py centraliserar klientfabriken: den dag du ändrar timeout eller lägger till en proxy behöver du bara modifiera en plats.

from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()

def get_client() -> OpenAI:
    """Returnerar en konfigurerad OpenAI-klient."""
    return OpenAI(
        max_retries=3,
        timeout=30.0
    )

Och requirements.txt låser de minsta förväntade versionerna:

openai>=1.60.0
python-dotenv>=1.0.0
pydantic>=2.0.0

Tre vanliga fel

Ett ModuleNotFoundError på openai signalerar nästan alltid en inaktiv virtuell miljö eller en annan än den där du installerade paketet. Lokalisera tolken som faktiskt används med which python på Linux och macOS, eller where python på Windows, och installera sedan om med pip install --upgrade openai. Ett AuthenticationError pekar på miljövariabeln: skriv ut os.environ.get("OPENAI_API_KEY", "NOT DEFINED") för utesluta problem – .env-filen läses inte in om load_dotenv() inte anropades innan klienten instansierades. Slutligen indikerar ett fel gällande en okänd parameter oftast att SDK:t är för gammalt för funktionen du använder: pip install --upgrade openai löser detta.

Viktiga punkter

  • Installera SDK:t med pip install openai inuti en virtuell miljö
  • Klienten OpenAI() är startpunkten för alla API:er
  • Använd AsyncOpenAI() för asynkrona applikationer
  • Konfigurera timeout och försök baserat på dina behov
  • Strukturera ditt projekt med en .env-fil och en centraliserad klient