Skip to main content
OpenAI は最近、モデル応答を生成するためのインターフェースを提供しました。テキストまたは画像の入力を提供して、テキストまたは画像の出力を生成します。モデルが独自のカスタムコードを呼び出したり、Web検索やファイル検索などの組み込みツールを使用して、独自のデータをモデル応答の入力として使用することができます。 この文書では、OpenAI Responses API 操作の使用プロセスについて主に説明します。これを利用することで、公式の OpenAI のモデル応答生成機能を簡単に使用できます。

​
申請プロセス

OpenAI Responses API を使用するには、まず Ace Data Cloud コンソール にアクセスして、API トークンを取得し、保管しておきます。 まだログインまたは登録していない場合は、自動的にログインページにリダイレクトされ、登録とログインを促されます。完了後、現在のページに自動的に戻ります。 1つの API トークンでプラットフォームのすべてのサービスを呼び出すことができ、各サービスごとに個別に申請する必要はありません。 初回申請時には無料のクレジットが付与され、無料で体験できます。クレジットが不足した場合は、コンソール で一般的な残高をチャージできます。
📘 完全な文書：OpenAI Responses API →

​
基本使用

次に、インターフェース上で対応する内容を入力します。以下の図のように：

このインターフェースを初めて使用する際には、少なくとも3つの内容を入力する必要があります。1つは authorization で、ドロップダウンリストから直接選択できます。もう1つのパラメータは model で、model は OpenAI ChatGPT の公式モデルカテゴリを選択するものです。ここでは主に20種類のモデルがあり、詳細は提供されたモデルを参照できます。最後のパラメータは input で、input は私たちが入力する質問の配列です。これは配列で、複数の質問を同時にアップロードでき、各質問には role と content が含まれています。role は質問者の役割を示し、私たちは user、assistant、system の3つの役割を提供しています。もう1つの content は私たちの具体的な質問内容です。 また、右側には対応する呼び出しコードが生成されていることに注意してください。コードをコピーして直接実行することも、直接「Try」ボタンをクリックしてテストすることもできます。 よく使われるオプションのパラメータ：
  • max_tokens：単一の応答の最大トークン数を制限します。
  • temperature：生成のランダム性、0-2の範囲で、値が大きいほど発散します。
  • n：一度に生成する候補応答の数。
  • response_format：返却フォーマットの設定。
  • tools：関数/ツール呼び出しの定義。
  • background：バックグラウンドで非同期に実行するかどうか。

呼び出し後、返された結果は以下の通りです：
返された結果には複数のフィールドがあり、以下のように説明されます：
  • id：今回の対話タスクを生成するための ID で、今回の対話タスクを一意に識別します。
  • model：選択した OpenAI ChatGPT の公式モデル。
  • output：ChatGPT が質問に対して提供した回答情報。
  • usage：今回の問答に対するトークンの統計情報。
その中で output は ChatGPT の回答情報を含んでおり、その中の output は ChatGPT であることがわかります。

output の中の content フィールドには、ChatGPT の具体的な返信内容が含まれています。

​
ストリーミング応答

このインターフェースはストリーミング応答もサポートしており、ウェブページとの接続に非常に便利で、ウェブページで逐次表示効果を実現できます。 ストリーミング応答を返したい場合は、リクエストヘッダー内の stream パラメータを true に変更します。 変更は以下の図のように行いますが、呼び出しコードにはストリーミング応答をサポートするための対応する変更が必要です。

stream を true に変更すると、API は対応する JSON データを行ごとに返します。コードレベルで逐次結果を取得するために、相応の変更を行う必要があります。 Python のサンプル呼び出しコード：
出力結果は以下の通りです：
レスポンスには多くの data が含まれており、data 内の delta が最新の回答内容であり、上記の内容と一致しています。delta は新たに追加された回答内容であり、結果に基づいてシステムに接続できます。また、ストリーミングレスポンスの終了は data の内容に基づいて判断され、type の内容が response.completed であれば、ストリーミングレスポンスの回答がすべて終了したことを示します。返される data 結果には複数のフィールドがあり、以下のように説明されます：
  • item_id は、今回の対話タスクを生成するための ID であり、今回の対話タスクを一意に識別するために使用されます。
  • type は、今回の対話 Responses タスクのタイプです。
  • model は、選択された OpenAI ChatGPT の公式モデルです。
  • delta は、ChatGPT が質問に対して提供する回答情報です。
JavaScript もサポートされており、たとえば Node.js のストリーミング呼び出しコードは以下の通りです：
Java のサンプルコード：
他の言語は別途自分で書き換えることができ、原理は同じです。

​
多輪対話

もし多輪対話機能を接続したい場合は、input フィールドに複数の質問をアップロードする必要があります。複数の質問の具体的な例は以下の画像の通りです：

Python のサンプル呼び出しコード：
複数の質問をアップロードすることで、多輪対話を簡単に実現でき、以下のような回答を得ることができます：
output に含まれる情報は基本的な使用内容と一致しており、これは ChatGPT が複数の対話に対して返信する具体的な内容を含んでいます。これにより、複数の対話内容に基づいて対応する質問に答えることができます。

​
視覚モデル

gpt-4o は OpenAI が開発した多モーダル大型言語モデルで、GPT-4 の基盤に視覚理解能力を追加しています。このモデルは、テキストと画像の入力を同時に処理し、クロスモーダルの理解と生成を実現しています。 gpt-4o モデルのテキスト処理は、上記の基本的な使用内容と一致しており、以下にモデルの画像処理能力を使用する方法を簡単に紹介します。 gpt-4o モデルの画像処理能力を使用するには、元の content 内容に type フィールドを追加することで、アップロードされるのがテキストか画像かを知ることができ、gpt-4o モデルの画像処理能力を使用することができます。以下では、Curl と Python の2つの方法でこの機能を呼び出す方法を説明します。
  • Curl スクリプト方式
  • Python スクリプト方式
その後、以下の結果を得ることができ、結果のフィールド情報は上記と一致しています。具体的には以下の通りです：
回答の内容は画像に基づいているため、上記の2つの方法を使用することで、gpt-4.1モデルのテキストと画像処理能力を簡単に利用できます。 gpt-4.1の他に、より低コストのモデルであるgpt-4o-miniもあります。gpt-4o-miniはOpenAIが開発した最新世代の大規模言語モデルで、応答速度が速く、価格も安く、マルチモーダルもサポートしています。vision機能の使用については、上記のgpt-4.1モデルの使用内容を参照してください。

​
ファイル処理モデルの作成

リクエストサンプル：
サンプル結果：