Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Kompatibilitet med OpenAI SDK

Lektion 6 av 14 Uppdaterad 29 juli 2026 Utvecklare
På denna sida
  1. Använda multi-agent via OpenAI SDK
  2. Klientkonfiguration
  3. Styrning av antal agenter med reasoning.effort
  4. Mappningen effort → agenter
  5. Chat Completions stöds inte
  6. Strömning med OpenAI SDK
  7. Fördelar och begränsningar med detta tillvägagångssätt
  8. Viktiga punkter

Använda multi-agent via OpenAI SDK

Många team har redan byggt sitt anropslager kring OpenAI SDK, med dess wrappers, tester och loggningskonventioner. Goda nyheter: att komma åt Groks multi-agent-läge tvingar dig inte att skriva om allt. xAI exponerar ett API som är kompatibelt med OpenAIs Responses-format, så du kan behålla OpenAI-klienten och helt enkelt peka den mot xAI:s API.

Klientkonfiguration

Två inställningar är allt du behöver: xAI:s bas-URL och din xAI API-nyckel.

from openai import OpenAI

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

Därifrån använder du Responses API som vanligt och anger grok-4.20-multi-agent-0309 som modell. Resten av din anropskod förblir oförändrad.

Styrning av antal agenter med reasoning.effort

Här sker översättningen mellan de två världarna. Där xAI SDK exponerar en explicit agent_count, erbjuder OpenAI SDK endast reasoning.effort – så du begär inte ett antal agenter, utan en ansträngningsnivå som xAI omvandlar till ett antal agenter.

# 4 agenter (låg ansträngning)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "What are the latest open source models from 2026?"}],
)
print(response.output_text)
# 16 agenter (hög ansträngning)
response = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "high"},
    input=[{"role": "user", "content": "Compare the EU and US AI strategies in 2026"}],
)
print(response.output_text)

Mappningen effort → agenter

Fältet accepterar fyra värden, men de ger endast två teamstorlekar: "low" och "medium" använder 4 agenter, medan "high" och "xhigh" använder 16.

Denna detalj förtjänar noggrann uppmärksamhet. Att gå från low till medium, eller från high till xhigh, ändrar inte antalet agenter: dessa mellanliggande nivåer kan påverka andra aspekter av modellbeteendet, men inom varje par förblir teamet detsamma. Tänk dig ett gränssnitt där du erbjuder användaren fyra nivåer av forskningsdjup – de skulle bara uppfatta två, och dina två extra knappar skulle bara förvirra deras val.

Chat Completions stöds inte

Här är begränsningen som får de flesta utvecklare att snubbla vid första försöket: Chat Completions stöds inte för multi-agent. Du måste använda Responses API, det vill säga client.responses.create, inte client.chat.completions.create.

# FUNGERAR INTE
response = client.chat.completions.create(
    model="grok-4.20-multi-agent-0309",
    messages=[{"role": "user", "content": "..."}],
)

Detta anrop returnerar ett fel. Om din befintliga kod förlitar sig helt på Chat Completions – vilket många befintliga kodbaser gör – är ändringen inte bara ett byte av modellnamn: du måste migrera anropet till ett annat in- och utdataformat. Bedöm denna insats innan du lovar integrationen.

Strömning med OpenAI SDK

Strömning är fortfarande tillgänglig, återigen via Responses API:

stream = client.responses.create(
    model="grok-4.20-multi-agent-0309",
    reasoning={"effort": "low"},
    input=[{"role": "user", "content": "Summarize this week's tech announcements"}],
    stream=True,
)

for event in stream:
    if hasattr(event, 'delta') and event.delta:
        print(event.delta, end="", flush=True)

Testet hasattr(event, 'delta') är värt att behålla som det är: Responses API:s händelseström innehåller mer än bara text, och att blint läsa event.delta för varje händelse skulle utlösa ett undantag.

Fördelar och begränsningar med detta tillvägagångssätt

Den främsta fördelen med denna väg är att den sparar tid: du installerar inte ett annat SDK, dina utvecklare får en bekant syntax, och växling mellan xAI- och OpenAI-modeller i samma kodbas blir trivialt. För ett team som vill utvärdera multi-agent-läget utan att binda sig till ett helt projekt är detta den kortaste vägen.

Begränsningarna härrör alla från samma orsak: du går genom ett kompatibilitetslager, så du förlorar det som är specifikt för xAI. Du får inte tillgång till agent_count (ersatt av indirekt styrning via reasoning.effort), verbose_streaming eller use_encrypted_content. Dessutom kommer mappningen effort → agenter från ett beta-API och kan ändras: om din produkt specifikt beror på antalet använda agenter, är det inhemska SDK:t det försiktiga valet.

Viktiga punkter

  • OpenAI SDK fungerar med multi-agent genom base_url="https://api.x.ai/v1"
  • Du styr antalet agenter via reasoning.effort (low/medium = 4, high/xhigh = 16)
  • Chat Completions stöds INTE – använd endast Responses API
  • Vissa parametrar exklusiva för xAI SDK (agent_count, verbose_streaming) är inte tillgängliga