Responses API - Agentic Workflows erstellen

from openai import OpenAI

client = OpenAI(
    base_url="https://api.infercom.ai/v1",
    api_key="ihr-infercom-api-schluessel"
)

response = client.responses.create(
    model="MiniMax-M2.5",
    input="Erkläre den Unterschied zwischen überwachtem und unüberwachtem Lernen."
)

# Textausgabe abrufen
print(response.output_text)

response = client.responses.create(
    model="MiniMax-M2.5",
    instructions="Du bist ein hilfreicher Assistent, der wie ein Pirat spricht.",
    input="Wie geht es dir heute?"
)

# Runde 1
response_1 = client.responses.create(
    model="MiniMax-M2.5",
    input=[{"role": "user", "content": "Mein Name ist Thomas."}]
)

# Runde 2 - vorherige Nachrichten einbeziehen
response_2 = client.responses.create(
    model="MiniMax-M2.5",
    input=[
        {"role": "user", "content": "Mein Name ist Thomas."},
        response_1.output[0],  # Antwort des Assistenten einbeziehen
        {"role": "user", "content": "Wie ist mein Name?"}
    ]
)

print(response_2.output_text)  # "Dein Name ist Thomas..."

import json

tools = [{
    "type": "function",
    "name": "get_weather",
    "description": "Aktuelles Wetter für eine Stadt abrufen.",
    "parameters": {
        "type": "object",
        "properties": {
            "city": {"type": "string", "description": "Stadtname"}
        },
        "required": ["city"]
    }
}]

response = client.responses.create(
    model="MiniMax-M2.5",
    input=[{"role": "user", "content": "Wie ist das Wetter in Berlin?"}],
    tools=tools
)

# Prüfen, ob das Modell eine Funktion aufrufen möchte
for item in response.output:
    if item.type == "function_call":
        print(f"Funktion: {item.name}")
        print(f"Argumente: {item.arguments}")

# Funktion lokal ausführen
def get_weather(city: str) -> dict:
    # Ihr tatsächlicher Wetter-API-Aufruf hier
    return {"city": city, "temperature": "18°C", "condition": "Bewölkt"}

# Funktionsaufruf in der Antwort finden
tool_call = next(item for item in response.output if item.type == "function_call")
args = json.loads(tool_call.arguments)
result = get_weather(args["city"])

# Ergebnis an das Modell zurücksenden
follow_up = client.responses.create(
    model="MiniMax-M2.5",
    input=[
        {"role": "user", "content": "Wie ist das Wetter in Berlin?"},
        tool_call,  # Funktionsaufruf einbeziehen
        {
            "type": "function_call_output",
            "call_id": tool_call.call_id,
            "output": json.dumps(result)
        }
    ],
    tools=tools
)

print(follow_up.output_text)  # "Das Wetter in Berlin ist 18°C und bewölkt."

response = client.responses.create(
    model="MiniMax-M2.5",
    input="Liste 3 europäische Hauptstädte auf",
    text={"format": {"type": "json_object"}}
)

import json
data = json.loads(response.output_text)

response = client.responses.create(
    model="MiniMax-M2.5",
    input="Extrahiere Veranstaltungsdetails: SambaNova Launch am 1. Mai 2026 um 10 Uhr in San Francisco.",
    text={
        "format": {
            "type": "json_schema",
            "name": "event_extraction",
            "schema": {
                "type": "object",
                "properties": {
                    "title": {"type": "string"},
                    "date": {"type": "string"},
                    "time": {"type": "string"},
                    "location": {"type": "string"}
                },
                "required": ["title", "date", "time", "location"]
            }
        }
    }
)

import json
event = json.loads(response.output_text)
print(event)
# {"title": "SambaNova Launch", "date": "1. Mai 2026", "time": "10 Uhr", "location": "San Francisco"}

response = client.responses.create(
    model="MiniMax-M2.5",
    input="Was ist 15 * 23?",
    reasoning={"effort": "high"}
)

# Reasoning getrennt von der Antwort abrufen
for item in response.output:
    if item.type == "reasoning":
        print("Reasoning:", item.content[0].text)
    elif item.type == "message":
        print("Antwort:", item.content[0].text)

stream = client.responses.create(
    model="MiniMax-M2.5",
    input="Schreibe ein kurzes Gedicht über Geschwindigkeit.",
    stream=True
)

for event in stream:
    if event.type == "response.output_text.delta":
        print(event.delta, end="", flush=True)