در 3 دقیقه با استفاده از پاسخ های جدید AP AI AI ، یک برنامه چت سفارشی با جستجوی وب ایجاد کنید

AI Open اخیراً پاسخ های جدید خود را API اعلام کرد. پاسخ API API API تکمیل چت موجود و دستیار API را در یک رابط ساده با ادغام ابزارهای جدید ترکیب می کند.

در آخرین مستندات توسعه دهنده ، می توانید نمونه های زیادی را پیدا کنید که از API پاسخ های جدید پشتیبانی می کند.

در این مقاله ، ما فقط در 3 دقیقه با استفاده از چارچوب MORPH و API پاسخ ها ، یک برنامه چت سفارشی با قابلیت های جستجوی وب ایجاد خواهیم کرد. کل اجرای در کمتر از 30 خط کد انجام شد.

این نمونه از Python12 و UV استفاده می کند.

تنظیم پروژه

ابتدا دستور MORPH را نصب کنید.

pip install morph-data

در مرحله بعد ، پروژه را اولیه کنید و بسته های وابستگی را نصب کنید.

morph new responses-api
cd responses-api

uv add openai

ساخت پس زمینه

در داخل فهرست SRC ، پرونده ای به نام chat.py ایجاد کنید. کد ساده است. آخرین OpenAI SDK مشتری را فراهم می کند که از API پاسخ ها پشتیبانی می کند.

# src/chat.py

import morph
from morph import MorphGlobalContext
from openai import OpenAI
@morph.func
def chat(context: MorphGlobalContext):
  client = OpenAI()
  # Add custom prompt if needed
  stream = client.responses.create(
    model="gpt-4o",
    tools=[{"type": "web_search_preview"}], # Enable web search.
    input=context.vars["prompt"],
    stream=True
  )
  for event in stream:
    if (event.type == 'response.output_text.delta'):
      yield event.delta

ساخت جلو

با چارچوب Morph ، جلوی آن با استفاده از Markdown ساخته شده است. همچنین می توانید از اجزای React در Markdown استفاده کنید.

{/* src/pages/index.mdx */}
# Open AI Responses API
A simple demo app using Open AI Responses API.
 height={700} postData='chat' />

نتیجه

پایان

پاسخ های OpenAi API باعث شده است که پایگاه کد بسیار ساده باشد. با استفاده از رابط یکپارچه و استفاده از ابزار انعطاف پذیر ، حتی فرآیندهای پیچیده و رفتارهای شبیه به عامل با یک تماس API واحد حاصل می شود و انواع گردش کار را بدون نیاز به یک چارچوب LLM امکان پذیر می کند.

علاوه بر این ، با استفاده از MORPH باعث ایجاد برنامه ای می شود که از API پاسخ ها استفاده می کند. آن را امتحان کنید! برای آزمایش سریع API های جدید و چارچوب های LLM مبتنی بر پایتون بسیار توصیه می شود!