OpenAI API入門 — Pythonから質問して、返答を受け取ろう
- APIキーをコードに埋め込まず管理する
- Responses APIで質問と応答を扱う
- トークン・料金・利用制限を区別する
最初の返答と使用量を見る
キーとAPIの準備
Pythonから、短い質問を送る
指示・使用量・費用の違い
使いすぎと失敗時の確認
最初のゴール:質問の返答と使用量を見る
準備するのはPythonの練習用フォルダー、APIを利用できるアカウント、APIキーです。モデルへ短い質問を送り、日本語の説明とトークン数が表示されるところまで進みます。実際のキーで実行するとAPI料金が発生します。 回答の内容や数字は固定されません。
Pythonで最初の応答を受け取る
2026年10月16日に主要な呼び出しとモデルの対応APIを公式資料で再確認しました。Python 3.10以降と、APIを利用できるOpenAIアカウントが前提です。この例を実際のキーで実行するとAPI利用料金が発生します。
1. 作業用フォルダーと仮想環境を用意する
WindowsのPowerShellでは次を実行します。環境の有効化は不要です。
mkdir openai-demo
cd openai-demo
py -m venv .venv
.\.venv\Scripts\python.exe -m pip install openai python-dotenv
macOS/Linuxでは、最後の2行を次に置き換えます。
python3 -m venv .venv
.venv/bin/python -m pip install openai python-dotenv
2. キーとモデルを設定する
開発者プラットフォームで、プロジェクトのAPIキー・課金・モデルへのアクセスを確認します。まず作業フォルダーに .gitignore を作り、次の行を書きます。既存のファイルがある場合は追記してください。
.env
.venv/
__pycache__/
次にエディターで .env を作成します。ここに取得したキー は自分のキーに置き換えてください。キーをシェルのコマンドへ直接書くと履歴に残るため、ここではエディターで設定します。
OPENAI_API_KEY=ここに取得したキー
OPENAI_MODEL=gpt-6-luna
gpt-6-lunaはこの短いテキスト生成例のモデルです。公式の廃止予定では、以前の例のGPT-4.1 miniは2027年1月14日にAPI提供終了予定で、後継としてGPT-6 Lunaが案内されています。公式の廃止予定とモデルページを確認し、利用できるアカウントで試してください。すべてのアカウントでの利用や回答の正しさを保証する指定ではありません。
3. プログラムを実行する
同じフォルダーに hello.py を作成します。
import os
from pathlib import Path
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv(Path(__file__).with_name(".env"))
if not os.getenv("OPENAI_API_KEY") or not os.getenv("OPENAI_MODEL"):
raise SystemExit(".envにOPENAI_API_KEYとOPENAI_MODELを設定してください")
client = OpenAI(timeout=30.0, max_retries=0)
response = client.responses.create(
model=os.environ["OPENAI_MODEL"],
instructions="ITの初心者向けに、日本語で2文以内で説明してください。",
input="APIとは何ですか?",
reasoning={"effort": "none"},
max_output_tokens=512,
store=False,
)
if response.status != "completed" or not response.output_text.strip():
raise SystemExit(f"回答を確認できませんでした: status={response.status}")
print(response.output_text)
if response.usage:
print(f"入力: {response.usage.input_tokens} tokens")
print(f"出力: {response.usage.output_tokens} tokens")
Windowsでは .\.venv\Scripts\python.exe hello.py、macOS/Linuxでは .venv/bin/python hello.py を実行します。APIの説明と入力・出力トークン数が表示されれば成功です。文章やトークン数は実行ごとに変わります。
この例のreasoningはGPT-6 Lunaで対応するnoneを指定し、短い説明から始めます。モデルを変える場合は、reasoningの対応値も公式仕様へ合わせてください。
max_output_tokens は出力の上限です。推論モデルでは見えない推論トークンも枠を使うため、モデルを変えると上限不足で完了しないことがあります。使用量を確認して調整してください。store=False はResponsesの保存に関する指定で、送信データの保持が一切なくなるという意味ではありません。業務データを扱う前にデータ管理の条件を確認しましょう。
4. 失敗時に確認すること
| 症状 | 確認すること |
|---|---|
| 設定不足のメッセージ | .envの名前・保存先・変数名。既存の環境変数はload_dotenvの既定動作では上書きされません |
| 401などの認証エラー | キーが有効か、対象プロジェクトと権限が正しいか |
| モデルが見つからない・アクセスできない | モデルID、提供状況、アカウントのアクセス権 |
| 429 | エラー詳細でレート制限・残高不足・支出上限などを区別。連打で解決しようとしない |
| タイムアウト・通信エラー | 接続やサービス状況を確認。タイムアウトでもサーバー側で処理が進んでいる場合があります |
| 応答が未完了・空 | statusやエラー情報、出力上限を確認。無条件に繰り返さない |
キーを公開した場合は、プラットフォームで失効・再発行し、利用履歴を確認してください。Gitの履歴や共有先に残る可能性もあるため、現在のファイルの削除だけで対応を終えないようにします。
次の挑戦:成功と、内容の正しさを分ける
最初の例で、何を確認できたかを整理します。
| 確認できたこと | まだ別に確認すること |
|---|---|
| statusがcompleted | 回答の事実が正しいか |
| 空でない文章を受け取れた | 日本語・2文以内など依頼した条件を満たすか |
| usageを読めた | 採用モデルと利用方式の単価でいくらか |
通信と形式が成功しても、回答の内容まで自動で正解になるわけではありません。まず説明の中の事実を資料へ照合し、質問を1つ変えたときも同じ観点で確認します。キーや実データを回答の例として公開しないようにしましょう。
次に試すこと
質問を1つだけ変更して再実行し、回答とトークン数の変化を見ます。料金は公式料金表で確認し、使用量・支出通知・停止を伴う支出上限を別々に把握してください。APIキーを配布せず、自分のサーバーから呼ぶ構成にしてからWebアプリへ組み込みます。
会話を継続する場合は履歴の渡し方を別途設計します。手元の文書を参照して答える仕組みは、RAGの始め方で学べます。
参考資料
確認日:2026年10月16日。
- OpenAI Developer quickstart — APIキーの環境設定とSDKの基本的な呼び出し。
- Responses APIへの移行 — 新規プロジェクトへの推奨とChat Completionsとの違い。
- GPT-6 Luna — サンプルの対応APIとreasoningの設定。
- 廃止予定 — GPT-4.1 miniの終了日と後継。
- APIのエラーコード — 認証・レート制限・残高・支出上限の区別。
- 支出通知とレート制限 — 通知と利用停止を伴う制限の違い。
- データ管理 — APIに送信するデータと保存設定。