OpenAI Responses API を使用したモデルサービスへのクエリ

備考

ベータ版

この機能はベータ版です。アカウント管理者は、アカウント コンソールの [プレビュー] ページからこの機能へのアクセスを制御できます。 Databricksのプレビューを管理するを参照してください。

重要

Responses APIは、OpenAI基盤モデルとのみ互換性があります。すべてのプロバイダーで機能する統合 API については、Chat Completions API を使用してください。

OpenAI Responses API は、カスタムツールや複数ステップのワークフローなど、OpenAIモデルに追加機能を提供するChat Completions APIの代替です。

要件

• 要件を参照してください。
• 選択したクエリ クライアント オプションに基づいて、適切なパッケージをクラスターにインストールします。

クエリの例

このセクションの例は、OpenAI Responses APIを使用してモデルサービスをクエリする方法を示しています。

Python (DatabricksOpenAI)

OpenAI Responses APIを使用するには、モデルサービスの完全修飾名をmodel入力として指定します。

Python

from databricks_openai import DatabricksOpenAI

client = DatabricksOpenAI()

response = client.responses.create(
    model="system.ai.gpt-5",
    input=[
      {
        "role": "system",
        "content": "You are a helpful assistant."
      },
      {
        "role": "user",
        "content": "What is a mixture of experts model?",
      }
    ],
    max_output_tokens=256
)

Python (OpenAI)

ワークスペース外の基盤モデルにクエリを実行するには、OpenAI クライアントを直接使用する必要があります。OpenAI クライアントを Databricks に接続するには、Databricks ワークスペースインスタンスも必要です。次の例では、Databricks API トークンと、コンピュートに openai がインストールされていることを前提としています。

Python

import os
import openai
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get('DATABRICKS_TOKEN'),
    base_url="https://<workspace-url>/ai-gateway/mlflow/v1"
)

response = client.responses.create(
    model="system.ai.gpt-5",
    input=[
      {
        "role": "system",
        "content": "You are a helpful assistant."
      },
      {
        "role": "user",
        "content": "What is a mixture of experts model?",
      }
    ],
    max_output_tokens=256
)

REST API

Bash

curl \
-u token:$DATABRICKS_TOKEN \
-X POST \
-H "Content-Type: application/json" \
-d '{
  "model": "system.ai.gpt-5",
  "input": [
    {
      "role": "system",
      "content": "You are a helpful assistant."
    },
    {
      "role": "user",
      "content": "What is a mixture of experts model?"
    }
  ],
  "max_output_tokens": 256
}' \
https://<workspace-url>/ai-gateway/mlflow/v1/responses

カスタム ツール

カスタムツールを使用すると、モデルは JSON 形式の関数引数ではなく、任意の文字列出力を返すことができます。これは、コード生成、パッチの適用、または構造化された JSON が必要ないその他のユースケースに役立ちます。

注記

カスタムツールは、Responses APIを介してGPT-5シリーズモデル（databricks-gpt-5、databricks-gpt-5-1、databricks-gpt-5-2、databricks-gpt-5-4、databricks-gpt-5-5、databricks-gpt-5-5-pro）でのみサポートされています。

Python

from databricks_openai import DatabricksOpenAI

client = DatabricksOpenAI()

response = client.responses.create(
    model="system.ai.gpt-5",
    input=[{"role": "user", "content": "Write a Python function to calculate factorial"}],
    tools=[
        {
            "type": "custom",
            "name": "code_exec",
            "description": "Executes arbitrary Python code. Return only valid Python code."
        }
    ],
    max_output_tokens=1024
)

組み込みツール

組み込みツールを使用すると、モデルはツールバックエンドを自分で実装する必要なく、プラットフォーム提供の機能を呼び出すことができます。これらのツールは構造化された出力を返し、プラットフォームによってフルマネージドされます。

Python

from databricks_openai import DatabricksOpenAI

client = DatabricksOpenAI()

response = client.responses.create(
    model="system.ai.gpt-5",
    input=[{
        "role": "user",
        "content": "Add input validation to the factorial function in main.py."
    }],
    tools=[
        {
            "type": "apply_patch"
        }
    ],
    max_output_tokens=1024
)

print(response.output_text)

サポートされているモデル

Databricksがホストする基盤モデル

• databricks-gpt-5-5-pro
• databricks-gpt-5-5
• databricks-gpt-5-4
• databricks-gpt-5-4-mini
• databricks-gpt-5-4-nano
• databricks-gpt-5-3-codex
• databricks-gpt-5-2
• databricks-gpt-5-2-codex
• databricks-gpt-5-1
• databricks-gpt-5-1-codex-max
• databricks-gpt-5-1-codex-mini
• databricks-gpt-5
• databricks-gpt-5-mini
• databricks-gpt-5-nano

サポートされている入力タイプ

Databricks の OpenAI GPT モデルは、テキストと画像の入力を受け入れます。画像形式とサイズ要件については、タイプ別に基盤モデルをクエリするを参照してください。モデルごとの入力タイプについては、Foundation Model APIsで利用可能なDatabricksでホストされている基盤モデルを参照してください。

制限事項

Databricksでホストされている基盤モデルには、以下の制限が適用されます。

次のパラメーターはサポートされておらず、指定すると400エラーが返されます：

• background バックグラウンド処理はサポートされていません。
• store 保存された応答はサポートされていません。
• previous_response_id 保存された応答はサポートされていません。
• service_tier — サービスティアの選択はDatabricksによって管理されます。

トークン単位の従量課金基盤モデルでは、次のツールタイプがサポートされています。

• function — 従来の構造化関数呼び出し
• custom カスタムユーザー定義ツール
• apply_patch — コードパッチ適用操作
• shell — シェル コマンドの実行
• image_generation — 画像生成
• mcp モデルコンテキストプロトコルツール
• web_search — ウェブ検索

その他のリソース

• タイプ別に基盤モデルをクエリ。
• Databricksでの関数呼び出し。
• Databricks の構造化出力。