OpenAI Python SDK: インストール、セットアップ、実践的な統合

OpenAI Python SDK（PyPI の openai）は、OpenAI の API 向けの公式 Python クライアントです。認証、リクエストのフォーマット、レスポンスのパース、ストリーミング、リトライ処理を自動で行うため、それらを自分で実装する必要はありません。このガイドでは、インストール、コアとなる OpenAI クラス、チャット補完、ストリーミング、関数呼び出し、非同期の使い方、JavaScript SDK 相当、Azure OpenAI 統合、さらに同じ SDK を Novita AI の OpenAI 互換エンドポイントに向けてコードを変更せずにオープンウェイトモデルを使用する方法をカバーします。

OpenAI Python パッケージのインストール

Python 3.8 以降が必要です：

pip install openai

開発用に、requirements.txt または pyproject.toml に追加します：

pip install openai>=1.0.0

1.x リリース（2023 年後半にリリース）では、0.x API からインターフェースが大幅に変更されました。古いコードを移行する場合は、openai.ChatCompletion.create() は廃止され、代わりに client.chat.completions.create() を使用してください。

API キーは環境変数に設定してください。ソースコードに直接記述しないでください：

export OPENAI_API_KEY="sk-..."

OpenAI クライアントクラス

OpenAI クラスが主要なエントリーポイントです。デフォルトでは環境変数 OPENAI_API_KEY から API キーを読み取りますが、明示的に渡すこともできます：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["OPENAI_API_KEY"],
)

クライアントは接続プール、リトライ、タイムアウトを管理します。アプリケーション全体で 1 つのインスタンスを作成し再利用するべきで、リクエストごとにインスタンス化しないでください。

初期化時に設定可能なオプション：

パラメータ	デフォルト	説明
api_key	OPENAI_API_KEY 環境変数	認証資格情報
base_url	https://api.openai.com/v1	プロキシや互換 API 向けの上書き
timeout	600s	リクエストごとのタイムアウト
max_retries	2	レート制限エラー時の自動リトライ
http_client	None	プロキシや証明書設定用のカスタム httpx クライアント

チャット補完：基本リクエスト

チャット補完が最も一般的なユースケースです。messages リストは API と同じ形式で、会話を表すロールとコンテンツの辞書のリストです：

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "あなたは親切なコーディングアシスタントです。"},
        {"role": "user", "content": "Python におけるリストとタプルの違いは何ですか？"},
    ],
    temperature=0.3,
    max_tokens=512,
)

print(response.choices[0].message.content)

レスポンスは ChatCompletion オブジェクトです。主要なフィールド：

• response.choices[0].message.content — テキスト応答
• response.usage.prompt_tokens — 入力で消費されたトークン数
• response.usage.completion_tokens — 出力で消費されたトークン数
• response.model — リクエストを処理したモデルバージョン

本番環境では、生成コストの暴走を防ぐために max_tokens を指定し、決定論的な出力が必要な場合は temperature=0 または低い値を使用してください。

ストリーミングレスポンス

ユーザーがトークンが到着するのを確認できるインタラクティブなインターフェースには、stream=True を使用します：

import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

with client.chat.completions.stream(
    model="gpt-4o",
    messages=[
        {"role": "user", "content": "Python のジェネレーターをわかりやすく説明してください。"},
    ],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

コンテキストマネージャー（with 文）を使用すると、イテレーション後に接続が適切に閉じられます。.text_stream 属性はプレーンな文字列を返します。.stream は、チャンクごとの使用統計などのメタデータが必要な場合に生のイベントオブジェクトを返します。

コンテキストマネージャーを使わずにストリーミングする場合：

stream = client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "Python のベストプラクティスを 5 つ挙げてください。"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.content:
        print(delta.content, end="", flush=True)

関数呼び出し

関数呼び出しを使用すると、モデルが関数を呼び出すタイミングを判断し、JSON 引数オブジェクトを返すことができます。アプリケーションが関数を実行し、その結果をモデルに返して応答に組み込ませます：

import os
import json
from openai import OpenAI

client = OpenAI(api_key=os.environ["OPENAI_API_KEY"])

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "指定された都市の現在の天気を返します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "都市名（例：「東京」）",
                    }
                },
                "required": ["city"],
            },
        },
    }
]

messages = [{"role": "user", "content": "東京の天気はどうですか？"}]

response = client.chat.completions.create(
    model="gpt-4o",
    messages=messages,
    tools=tools,
    tool_choice="auto",
)

choice = response.choices[0]
if choice.finish_reason == "tool_calls":
    tool_call = choice.message.tool_calls[0]
    args = json.loads(tool_call.function.arguments)
    # ここで実際の関数を実行
    result = {"city": args["city"], "temperature": "18°C", "condition": "曇り"}

    messages.append(choice.message)
    messages.append({
        "role": "tool",
        "tool_call_id": tool_call.id,
        "content": json.dumps(result),
    })

    final = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
    )
    print(final.choices[0].message.content)

モデルは関数を呼び出したいときに finish_reason="tool_calls" を返します。関数を実行し、結果をメッセージリストに追加して、2 回目のリクエストを行います。この 2 ステップのループが標準的なパターンです。

AsyncOpenAI を使った非同期使用法

FastAPI、asyncio ベースのサービス、またはノンブロッキング I/O が有効なコードには AsyncOpenAI を使用します：

import os
import asyncio
from openai import AsyncOpenAI

client = AsyncOpenAI(api_key=os.environ["OPENAI_API_KEY"])

async def get_response(prompt: str) -> str:
    response = await client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        max_tokens=256,
    )
    return response.choices[0].message.content

async def main():
    result = await get_response("Python の asyncio とは何ですか？")
    print(result)

asyncio.run(main())

AsyncOpenAI はドロップインで使える非同期版です。すべてのメソッドが awaitable です。同期クライアントを asyncio.to_thread でラップするよりもこちらを推奨します。

OpenAI JavaScript SDK

OpenAI JavaScript SDK（npm の openai）は、Python のインターフェースとほぼ同じです。インストール：

npm install openai

Node.js での基本的なチャット補完：

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
});

const response = await client.chat.completions.create({
  model: "gpt-4o",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Explain promises vs async/await in JavaScript." },
  ],
  max_tokens: 512,
});

console.log(response.choices[0].message.content);

JavaScript でのストリーミング：

import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

const stream = await client.chat.completions.stream({
  model: "gpt-4o",
  messages: [{ role: "user", content: "Summarize the fetch API in 3 sentences." }],
});

for await (const chunk of stream) {
  const text = chunk.choices[0]?.delta?.content ?? "";
  process.stdout.write(text);
}

JavaScript SDK は Node.js 18+、Deno、ブラウザ環境をサポートします（ただし、ブラウザで API キーを公開するのは危険です。代わりにサーバーサイドプロキシを使用してください）。互換 API を指すための base_url オプションは Python とまったく同じように機能します。

Azure OpenAI Python 統合

直接の OpenAI API ではなく Azure OpenAI サービスを使用している場合は、同じパッケージの AzureOpenAI クライアントを使用します：

import os
from openai import AzureOpenAI

client = AzureOpenAI(
    api_key=os.environ["AZURE_OPENAI_API_KEY"],
    azure_endpoint=os.environ["AZURE_OPENAI_ENDPOINT"],
    api_version="2024-02-01",
)

response = client.chat.completions.create(
    model="gpt-4o",  # Azure 上のデプロイ名
    messages=[
        {"role": "user", "content": "Azure OpenAI を Python で使う方法は？"},
    ],
)

print(response.choices[0].message.content)

Azure に必要な環境変数：

• AZURE_OPENAI_API_KEY：Azure リソースの API キー
• AZURE_OPENAI_ENDPOINT：エンドポイント URL（例：https://your-resource.openai.azure.com/）

Azure OpenAI の model パラメータは、基盤となるモデル名ではなく デプロイ名 を指します。api_version はデプロイで使用する Azure API バージョンに合わせて設定します（現在サポートされているバージョンは Azure OpenAI ドキュメント を確認してください）。

API キーの代わりに Microsoft Entra ID（旧 Azure AD）を使用した認証：

from azure.identity import DefaultAzureCredential, get_bearer_token_provider
from openai import AzureOpenAI

token_provider = get_bearer_token_provider(
    DefaultAzureCredential(),
    "https://cognitiveservices.azure.com/.default",
)

client = AzureOpenAI(
    azure_ad_token_provider=token_provider,
    azure_endpoint=os.environ["AZURE_OPENAI_ENDPOINT"],
    api_version="2024-02-01",
)

Novita AI の OpenAI 互換 API への切り替え

Novita AI は、https://api.novita.ai/openai で OpenAI 互換のエンドポイントを公開しています。同じ openai Python SDK または JavaScript SDK を使用し、base_url と api_key を変更するだけで、他のコード変更は一切不要です：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["NOVITA_API_KEY"],
    base_url="https://api.novita.ai/openai",
)

response = client.chat.completions.create(
    model="deepseek/deepseek-v4-pro",
    messages=[
        {"role": "system", "content": "あなたは親切なコーディングアシスタントです。"},
        {"role": "user", "content": "Python の GIL がマルチスレッドにどのような影響を与えるか説明してください。"},
    ],
    temperature=0.3,
    max_tokens=512,
)

print(response.choices[0].message.content)

Novita AI の API キーは novita.ai/settings/key-management から取得できます。同じキーが OpenAI 互換エンドポイントを含むすべての Novita AI API で使用できます。

JavaScript での Novita AI 使用例：

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.NOVITA_API_KEY,
  baseURL: "https://api.novita.ai/openai",
});

const response = await client.chat.completions.create({
  model: "qwen/qwen3-coder-30b-a3b-instruct",
  messages: [{ role: "user", content: "Write a Python type annotation cheatsheet." }],
  max_tokens: 600,
});

console.log(response.choices[0].message.content);

ストリーミング、関数呼び出し、非同期使用法、response_format、temperature、max_tokens など、後続のすべてが同じように動作します。Novita AI エンドポイントは OpenAI Chat Completions API 仕様に従っています。

Novita AI によるオープンソースモデル

base_url を変更するだけで、特定のタスクでクローズドソースの最先端モデルに匹敵するようになったオープンウェイトモデルのカタログにアクセスできます。コーディングワークフロー、関数呼び出し、長文脈推論において、実用的な差は大幅に縮まっています。

Novita AI の OpenAI 互換エンドポイントを通じて利用可能で、評価に値するモデル：

DeepSeek V4 Pro (deepseek/deepseek-v4-pro)：大規模 MoE モデル（MIT 類似ライセンス）で、SWE-Bench や関数呼び出しベンチマークでトップクラスにランクイン。GPT-4o や Claude Opus を使っていたコーディングエージェント、コードレビュー、マルチステップツール使用タスクに強力。

Qwen3 Coder 30B A3B Instruct (qwen/qwen3-coder-30b-a3b-instruct)：Qwen Coder ファミリーの 30B スパース MoE モデル。コード生成、バグトリアージ、プルリクエストレビューに最適化。Novita AI では入力 100 万トークンあたり $0.07、出力 100 万トークンあたり $0.27 と、日常のコーディング支援においてほとんどのクローズド API よりも大幅に安価。

Qwen3 235B A22B Instruct (qwen/qwen3-235b-a22b-instruct-2507)：大規模 MoE モデル（Apache 2.0）。優れた推論能力と多言語コーディング性能を持つ。現在 GPT-4o を創造的または複雑な応答に使用しているが、ボリュームあたりのトークンコストを削減したいタスクに適している。

Novita AI でのモデル ID 形式は provider/model-name です。SDK の model パラメータに直接渡します。

オープンモデルとクローズドモデルを混在させたいチーム向けのシンプルなルーティングパターン：

def get_client(use_novita: bool = False) -> OpenAI:
    if use_novita:
        return OpenAI(
            api_key=os.environ["NOVITA_API_KEY"],
            base_url="https://api.novita.ai/openai",
        )
    return OpenAI(api_key=os.environ["OPENAI_API_KEY"])

# コスト重視、高ボリュームのコーディングタスクにはオープンウェイトを使用
coding_client = get_client(use_novita=True)

# クローズドモデルが本当に優れているタスクには OpenAI を使用
openai_client = get_client(use_novita=False)

これにより、出力品質の A/B テスト、タスクごとのパフォーマンスベンチマーク、リクエストロジックに触れずに安価なモデルへのボリュームシフトが可能になります。

FAQ

OpenAI Python パッケージの名前は何ですか？

PyPI 上のパッケージ名は openai です。pip install openai でインストールします。

OpenAI クライアントの Python クラス名は何ですか？

同期使用には OpenAI、非同期使用には AsyncOpenAI が主要なクラスです。どちらも openai モジュールにあります：from openai import OpenAI, AsyncOpenAI。

OpenAI Python SDK はストリーミングをサポートしていますか？

はい。コンテキストマネージャーとして client.chat.completions.stream() を使用するか、client.chat.completions.create() に stream=True を渡してチャンクをイテレートします。

OpenAI JavaScript SDK のパッケージ名は何ですか？

npm パッケージは openai です。npm install openai でインストールします。クラスとメソッドのシグネチャは Python SDK とほぼ同じです。

Azure OpenAI を Python で使用するにはどうすればよいですか？

openai パッケージの AzureOpenAI クラスを使用します。azure_endpoint、api_key、api_version を渡します。model パラメータは基盤モデルではなく Azure のデプロイ名を指します。

OpenAI Python SDK を他のプロバイダーでも使用できますか？

はい。OpenAI Chat Completions API 形式を実装しているプロバイダーであれば、クライアントの base_url を設定することで使用できます。Novita AI のエンドポイント https://api.novita.ai/openai はその一例で、ストリーミング、関数呼び出し、非同期などの SDK の全機能が変更なしで動作します。

OpenAI API キーを安全に保つにはどうすればよいですか？

キーを環境変数（OPENAI_API_KEY）に保存し、os.environ["OPENAI_API_KEY"] で読み取ります。ソースコード、公開リポジトリ、ビルドログ、クライアントサイド JavaScript に決して記述しないでください。

おすすめ記事

• Novita AI が OpenAI Agents SDK をサポート！ — Novita AI モデルを OpenAI Agents SDK に接続して、マルチエージェントオーケストレーション、ガードレール、トレーシングを実現。
• Qwen3 Coder 30B A3B Instruct クイックスタート — モデル ID、料金、コンテキストウィンドウ、Novita AI 上のこのコスト効率の良いコーディングモデルの API 例。
• Vercel AI SDK：AI アプリケーション構築のための完全開発者ガイド — Novita AI の OpenAI 互換エンドポイントで Vercel AI SDK を使用し、ストリーミング、ツール呼び出し、エージェントループを TypeScript で実現。