OpenAI Responses API 완전 가이드 — Chat Completions 대체와 Assistants API 마이그레이션

Chat Completions vs Responses API 비교
from openai import OpenAI
client = OpenAI()

# --- Chat Completions (기존) ---
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "당신은 코드 리뷰어입니다."},
        {"role": "user", "content": "이 함수를 리뷰해줘"}
    ]
)
print(response.choices[0].message.content)

# --- Responses API (신규) ---
response = client.responses.create(
    model="gpt-4o",
    instructions="당신은 코드 리뷰어입니다.",  # system 대신 instructions
    input="이 함수를 리뷰해줘"  # messages 대신 input
)
print(response.output_text)

previous_response_id로 멀티턴 대화
from openai import OpenAI
client = OpenAI()

# 첫 번째 요청
response1 = client.responses.create(
    model="gpt-4o",
    instructions="당신은 Python 튜터입니다.",
    input="asyncio가 뭐야?"
)
print(response1.output_text)

# 두 번째 요청 — 이전 응답 참조
response2 = client.responses.create(
    model="gpt-4o",
    previous_response_id=response1.id,  # 이전 응답 ID만 전달
    input="그럼 await는 어떻게 쓰는 거야?"
    # messages 배열에 이전 대화를 담지 않아도 됨
)
print(response2.output_text)

웹 검색 + 코드 인터프리터 통합
response = client.responses.create(
    model="gpt-4o",
    tools=[
        {"type": "web_search_preview"},     # 웹 검색
        {"type": "code_interpreter",        # 코드 실행 (Python 샌드박스)
         "container": {"type": "auto"}}
    ],
    input="Python 최신 버전을 검색하고, 그 버전으로 피보나치 수열을 계산해서 결과를 보여줘"
)

# 모델이 알아서 웹 검색 → 코드 작성 → 실행 → 결과 반환
print(response.output_text)

MCP 서버 연결
response = client.responses.create(
    model="gpt-4o",
    tools=[
        {
            "type": "mcp",
            "server_label": "github",
            "server_url": "https://mcp.github.com/",
            "headers": {"Authorization": "Bearer github_pat_..."},
            "allowed_tools": ["list_repos", "create_issue", "get_pull_request"]
        }
    ],
    input="내 GitHub 저장소 목록을 보여주고, 가장 최근에 업데이트된 레포에 이슈를 하나 만들어줘"
)

Responses API 스트리밍
with client.responses.stream(
    model="gpt-4o",
    tools=[{"type": "web_search_preview"}],
    input="오늘 서울 날씨와 미세먼지 현황을 알려줘"
) as stream:
    for event in stream:
        if event.type == "response.output_text.delta":
            print(event.delta, end="", flush=True)
        elif event.type == "response.web_search_call.completed":
            print(f"\n[검색 완료: {event.output}]")

# 최종 응답 객체
final = stream.get_final_response()
print(f"\n총 토큰: {final.usage.total_tokens}")

Assistants API → Responses API 마이그레이션 예시
# === 기존 Assistants API ===
assistant = client.beta.assistants.create(
    model="gpt-4o",
    instructions="코드 리뷰어입니다.",
    tools=[{"type": "code_interpreter"}]
)
thread = client.beta.threads.create()
client.beta.threads.messages.create(
    thread_id=thread.id,
    role="user",
    content="이 코드를 리뷰해줘"
)
run = client.beta.threads.runs.create_and_poll(
    thread_id=thread.id, assistant_id=assistant.id
)

# === 마이그레이션 후 Responses API ===
response = client.responses.create(
    model="gpt-4o",
    instructions="코드 리뷰어입니다.",
    tools=[{"type": "code_interpreter", "container": {"type": "auto"}}],
    input="이 코드를 리뷰해줘"
)
print(response.output_text)
# 3개 객체(Assistant, Thread, Run) → 1개 호출로 단순화

이미지 + 텍스트 멀티모달 입력
response = client.responses.create(
    model="gpt-4o",
    input=[
        {
            "role": "user",
            "content": [
                {
                    "type": "input_image",
                    "image_url": "https://example.com/screenshot.png"
                },
                {
                    "type": "input_text",
                    "text": "이 UI 스크린샷의 접근성 문제를 찾아줘"
                }
            ]
        }
    ]
)
print(response.output_text)