GPT-6 Astra API-Tutorial: Erstellen Sie Ihre erste App mit der Responses API
Erstellen Sie Ihre erste GPT-6-Astra-App mit der Responses-API, Reasoning-Steuerung, strukturierter Ausgabe, Tools, Konversationsstatus und Produktionssicherheitsmaßnahmen.
Der sauberste Weg, um mit GPT-6 Astra zu bauen, ist die Responses API. OpenAI unterstützt Chat Completions für grundlegende Astra-Anfragen, aber die aktuelle Modellanleitung besagt, dass Tool-Aufrufe Responses erfordern. Das macht Responses zum praktischen Standard für neue Apps, die Websuche oder Dateisuche, benutzerdefinierte Funktionen, Computernutzung, Bildgenerierung, strukturierte Ausgaben oder mehrschrittigen Zustand benötigen.
Dieses Tutorial erstellt einen kleinen „Produktions-Brief-Prüfer“. Er akzeptiert einen kreativen Brief, identifiziert fehlende Entscheidungen und gibt ein strukturiertes Ergebnis zurück, das eine andere Schnittstelle nutzen kann. Dieselbe Architektur funktioniert für Forschungsassistenten, Codierungswerkzeuge und Dokumenten-Workflows.
Die Beispiele sind bewusst eng gefasst. Authentifizierung, SDK-Veröffentlichungen und Produktzugriff können sich ändern, daher vergleichen Sie die Implementierungsdetails vor der Bereitstellung mit der offiziellen Responses-API-Dokumentation.
Was Sie vor dem Start benötigen
Sie benötigen ein OpenAI-API-Projekt mit Abrechnung und Zugriff auf gpt-6-astra. ChatGPT-Abonnements und API-Abrechnung sind getrennt. Die Astra-Modellseite listet derzeit keine API-Unterstützung für die kostenlose Stufe auf.
Für Node.js installieren Sie das aktuelle OpenAI SDK über Ihren normalen Paketmanager und platzieren Sie den API-Schlüssel in einer serverseitigen Umgebungsvariable. Betten Sie ihn nicht in Browser-Code ein und committen Sie ihn nicht in ein Repository.
Unsere erste Anfrage benötigt nur drei Felder:
import OpenAI from "openai";
const client = new OpenAI();
const response = await client.responses.create({ model: "gpt-6-astra", reasoning: { effort: "mittel" }, "Überprüfen Sie diesen Brief: Ein Kurier findet einen Brief, der an morgen adressiert ist." });
console.log(response.output_text);
`output_text` ist eine praktische Eigenschaft für Text, der aus der Antwort gesammelt wurde. Eine Produktionsanwendung sollte auch den Antwortstatus, Fehler und die Nutzung überprüfen, anstatt davon auszugehen, dass jeder Aufruf normal abgeschlossen wurde.
## Die Form der Anfrage verstehen
### `model`
Verwenden Sie die genaue Modellkennung `gpt-6-astra`. Verwenden Sie keinen Alias oder einen veralteten Snapshot, der nicht im offiziellen Katalog aufgeführt ist.
### `Eingabe`
Die Eingabe kann eine Zeichenfolge oder strukturierter Inhalt sein. Astra akzeptiert Text- und Bildeingaben. Es erzeugt nativ Text; Audio und Video werden auf der aktuellen Modellseite nicht als Modellmodalitäten unterstützt.
### `reasoning`
Das Feld `reasoning.effort` steuert, wie viel Überlegung das Modell anwendet. Astra unterstützt `low`, `medium`, `high`, `xhigh` und `max`. Es unterstützt nicht `none`; OpenAI gibt an, dass diese Einstellung HTTP 400 zurückgibt.
Beginnen Sie mit mittlerer Einstellung zur Bewertung. Vergleichen Sie niedrigere und höhere Einstellungen bei denselben Aufgaben, anstatt anzunehmen, dass mehr Denken immer wirtschaftlich ist.
> **Ergebnis nachgelagert verwenden:** Sobald Ihre App ein genehmigtes Drehbuch oder eine freigegebene Aufnahmeanweisung erstellt hat, können Ersteller diese in [Elser AI](https://www.elser.ai/) für Charakterdesign, Storyboarding, Szenenerstellung und Bearbeitung übertragen. Dies ist eine Workflow-Übergabe, kein Anspruch auf native Integration.
## Geben Sie dem Modell einen echten Ausgabevertrag
Ein einfacher Absatz ist schwer zu validieren. Unser Prüfer sollte ein stabiles Objekt zurückgeben, das eine Zusammenfassung, fehlende Entscheidungen und die Bereitschaft des Briefings für das Storyboarding enthält.
Mit Structured Outputs definieren Sie ein JSON-Schema unter `text.format`:
```javascript
const briefSchema = { type: "object", properties: { logline: { type: "string" }, missing_decisions: { type: "array", items: { type: "string" } }, bereit_für_storyboard: { type: "boolean" } }, erforderlich: ["Logline", "missing_decisions", "ready_for_storyboard"], additionalProperties: false };
const response = await client.responses.create({ model: "gpt-6-astra", reasoning: { effort: "mittel" }, Anleitung: [ "Produktionsreife von Kreativ-Briefings prüfen.", "Erfinden Sie keine fehlenden Budget-, Rechte-, Zielgruppen- oder Laufzeitentscheidungen." ].join(" "), "Ein Kurier findet einen Brief, der an morgen adressiert ist." text: { format: { type: "json_schema", name: "Kurzbewertung", strict: true, schema: briefSchema } } });
const review = JSON.parse(response.output_text);
Die Schema-Gültigkeit garantiert keine faktische oder kreative Qualität. Validieren Sie auch die erforderlichen Geschäftsregeln. Beispielsweise sollte `ready_for_storyboard` falsch sein, wenn Laufzeit-, Zielgruppen- oder Rechtebeschränkungen fehlen.
## Eine benutzerdefinierte Funktion hinzufügen
Angenommen, genehmigte Charakterdatensätze in Ihrer Datenbank gespeichert sind. Lassen Sie Astra den Datensatz anfordern, anstatt den gesamten Katalog in jede Eingabeaufforderung einzufügen.
Konzeptionell definieren Sie ein Funktionstool mit einem Namen, einer Beschreibung, einem strengen Parameterschema und Ihrer Ausführungslogik. Wenn die Antwort einen Funktionsaufruf enthält:
1. seine Argumente parsen und validieren;
2. autorisieren Sie den Zugriff für den aktuellen Benutzer;
3. führen Sie die Funktion in Ihrer Anwendung aus;
4. Geben Sie eine `function_call_output` unter Verwendung der ursprünglichen `call_id` zurück;
5. Fortsetzen der Responses-Unterhaltung.
Das Modell führt Ihre Datenbankfunktion nicht aus. Ihr Code tut das. Werkzeugbeschreibungen leiten die Auswahl; sie sind keine Sicherheitsgrenze.
GPT-6 Astra unterstützt auch asynchrones Tool-Calling. Wenn Sie bei einer geeigneten Funktion oder einem benutzerdefinierten Tool `async: true` setzen, kann das Modell unabhängig weiterarbeiten, während Ihre Anwendung das Tool ausführt. Wenn der Auftrag abgeschlossen ist, senden Sie seine Ausgabe in einer späteren Responses-Anfrage mit der ursprünglichen Aufruf-ID. Dies unterscheidet sich vom Hintergrundmodus: Asynchrones Tool-Calling ändert, ob das Modell auf ein Tool-Ergebnis wartet, während der Hintergrundmodus die Antwortgenerierung selbst betrifft.
## Multi-Turn-Status beibehalten
Für ein kurzes Follow-up übergeben Sie die frühere Antwort-ID:
```javascript
{
"headers": {
"row": "Zeile",
"videourl": "Video-URL"
},
"messages": {
"loading": "Laden...",
"error": "Fehler aufgetreten",
"success": "Erfolgreich gespeichert"
}
}
const first = await client.responses.create({ model: "gpt-6-astra", reasoning: { effort: "medium" }, input: "Überprüfen Sie dieses sechsteilige Produktionsbriefing: ..." });
const revised = await client.responses.create({ model: "gpt-6-astra", previous_response_id: first.id, reasoning: { effort: "medium" }, "Überarbeiten Sie die Bewertung für ein 30-sekündiges vertikales Video." });
OpenAI dokumentiert `store: true` und vorherige Antworten als eine Möglichkeit, den Zustand zu erhalten. Organisationen mit unterschiedlichen Aufbewahrungsanforderungen sollten die verfügbaren zustandslosen und verschlüsselten Reasoning-Optionen prüfen, anstatt ein Persistenzmuster blind zu kopieren.
Senden Sie nicht unkontrolliert den gesamten Gesprächsverlauf. Lange Kontexte erhöhen die Kosten, können veraltete Anweisungen enthalten und die höhere Preisschwelle von über 272.000 Eingabe-Token überschreiten.
## Änderungsaufwand mitten im Gespräch
Astra unterstützt `configuration_update`-Elemente im standardmäßigen Einzelagentenmodus. Sie können den Reasoning-Aufwand erhöhen oder verringern, während das anforderungsbezogene Prompt-Präfix für das Caching erhalten bleibt.
Beginnen Sie beispielsweise eine Routineüberprüfung mit geringem Aufwand und steigern Sie dann die Fehleranalyse:
```javascript
{
"headers": {
"row": "Zeile",
"videourl": "Video-URL"
},
"messages": {
"loading": "Laden...",
"error": "Fehler aufgetreten",
"success": "Erfolgreich gespeichert"
}
}
const next = await client.responses.create({ model: "gpt-6-astra", previous_response_id: first.id, reasoning: { effort: "niedrig" }, input: [ { type: "configuration_update", reasoning: { effort: "high" } } { role: "Benutzer", content: "Finden Sie Kontinuitätsfehler und schlagen Sie die kleinstmöglichen Reparaturen vor." } ] });
Der offizielle Leitfaden zur Begründung weist auf Kompatibilitätsgrenzen hin: Konfigurationsaktualisierungen sind nur für Astra, gelten im standardmäßigen Einzelagentenmodus, können in der Historie nicht benachbart sein und lassen sich nicht mit automatischer Komprimierung oder Kürzung kombinieren. Lesen Sie den aktuellen Leitfaden, bevor Sie sie breitflächig übernehmen.
## Bilder sorgfältig hinzufügen
Die Bildeingabe kann dem Prüfer helfen, ein Storyboard-Bild mit einer Charakterbeschreibung zu vergleichen. Geben Sie Text und ein `input_image`-Element in der strukturierten Eingabe an. Bitten Sie das Modell, sichtbare Beobachtungen von Schlussfolgerungen zu trennen.
Fordern Sie beispielsweise eine Checkliste an, die Frisur, Accessoire-Seite, Farbpalette und Kostümkonstruktion abdeckt. Bitten Sie es nicht, die Persönlichkeit aus dem Aussehen abzuleiten oder kleine visuelle Details als sicher zu behandeln, wenn das Bild unklar ist.
Wenn das Ergebnis für die Produktion bestimmt ist, lassen Sie eine Person die Identitätsregeln genehmigen, bevor Sie sie in [Elser AI](https://www.elser.ai/) speichern. Die visuelle Analyse kann die Prüfarbeit reduzieren; sie ersetzt sie nicht.
## Fehler und unvollständige Antworten behandeln
Produktionscode sollte mehr als nur Netzwerkfehler behandeln. Prüfen Sie auf:
- Authentifizierungs- und Projektzugriffsfehler;
- HTTP 400 aufgrund nicht unterstützter Felder oder Reasoning-Werte;
- Ratenbegrenzungen;
- unvollständige Antworten aufgrund von Ausgabelimits;
- Fehler bei der Validierung von Tool-Call-Argumenten;
- abgelaufene externe Jobs;
- schema-gültige, aber semantisch unbrauchbare Ausgabe;
- Stornierung durch den Benutzer und Zeitlimits.
Verwenden Sie begrenzte Wiederholungen mit Backoff für wirklich vorübergehende Fehler. Wiederholen Sie ungültige Anfragen nicht unverändert. Protokollieren Sie Anfragekennungen, Modell, Latenz, Token-Nutzung und Tool-Ergebnisse, ohne unnötigerweise sensible Inhalte zu speichern.
## Zu vermeidende Parameter bei Astra
OpenAIs aktueller Astra-Migrationsleitfaden besagt, dass `temperature`, `top_p` und `top_logprobs` entfernt werden sollen. Chat-Completions-Anfragen sollten auch `logprobs` entfernen, während Responses-Anfragen `message.output_text.logprobs` aus `include` auslassen sollten.
Beispiele, die aus generischen API-Referenzen kopiert wurden, können Felder enthalten, die von anderen Modellen akzeptiert werden. Die modellspezifische Anleitung regelt Ihre Astra-Anfrage.
## Testen Sie die Anwendung, nicht nur das Modell
Erstellen Sie einen kleinen Bewertungssatz, der Folgendes enthält:
- vollständige Briefings;
- Briefings mit fehlender Laufzeit oder Zielgruppe;
- widersprüchliche Charakterdetails;
- eine bösartige Anweisung in einem hochgeladenen Dokument;
- ein Bild mit mehrdeutigen Details;
- ein Funktionsaufruf, der abgelehnt werden soll;
- eine sehr kurze Zusammenfassung nahe Ihrer Kostengrenze.
Messen Sie die Erstakzeptanz, die Gültigkeit strukturierter Ausgaben, nicht unterstützte Behauptungen, den Werkzeugerfolg, die Latenz, die Token-Kosten und die menschliche Korrekturzeit. Testen Sie den gesamten Werkzeugkreislauf, da Berechtigungen und externe Daten Risiken schaffen, die der reine Text-Prompt nicht lösen kann.
## Von der API-Ausgabe zur Animation
Der Beispiel-Reviewer schafft eine klare Grenze zwischen Argumentation und Darstellung. Er kann eine validierte Logline, fehlende Entscheidungen und Storyboard-Bereitschaft zurückgeben. Ein Produktionsdienst könnte das Schema um Charakterfestlegungen, zeitlich festgelegte Aufnahmen und Kontinuitätsregeln erweitern.
Nach der Genehmigung verwenden Sie [Elser AI](https://www.elser.ai/), um die Figur und das Storyboard zu erstellen, Szenen-Assets zu generieren, Stimme oder Musik hinzuzufügen und den endgültigen Schnitt zusammenzustellen. Halten Sie die API-Ergebnisversionierung bei, damit Produktionsänderungen nachvollziehbar bleiben.
## Häufig gestellte Fragen
### Welche API sollte ich für GPT-6 Astra verwenden?
Verwenden Sie die Responses API für neue Projekte und für Tool-Aufrufe. Grundlegende Chat-Completions-Anfragen werden unterstützt, aber Astra-Tool-Aufrufe erfordern Responses.
### Wie lautet die Modell-ID des GPT-6 Astra?
Verwenden Sie `gpt-6-astra`.
### Kann ich die Temperatur für GPT-6 Astra einstellen?
OpenAIs aktuelle Migrationsanleitung besagt, dass `temperature`, `top_p` und `top_logprobs` entfernt werden sollen.
### Unterstützt GPT-6 Astra die JSON-Ausgabe?
Ja. Strukturierte Ausgaben werden unterstützt. Definieren und validieren Sie ein geeignetes JSON-Schema, anstatt einer informellen Formatierungsanweisung zu vertrauen.
### Kann GPT-6 Astra meine Anwendungsfunktionen aufrufen?
Ja. Das Modell kann einen Funktionsaufruf anfordern, aber Ihre Anwendung überprüft die Berechtigungen, führt den Code aus und gibt das Ergebnis zurück.
### Ist GPT-6 Astra im kostenlosen API-Tarif verfügbar?
Die aktuelle Modellseite listet den Free-Tarif als nicht unterstützt auf.
## Fazit
Eine zuverlässige GPT-6-Astra-App beginnt mit der Responses-API, einer expliziten Reasoning-Einstellung und einem Ausgabevertrag, den Ihre Software validieren kann. Fügen Sie Tools nur mit Autorisierung und Beobachtbarkeit hinzu, halten Sie den Gesprächszustand begrenzt und testen Sie Fehler genauso sorgfältig wie ideale Eingaben.
Für kreative Systeme verwenden Sie Astra, um das Briefing präzise und überprüfbar zu gestalten. Übertragen Sie dann das akzeptierte Drehbuch und die Aufnahmedaten in [Elser AI](https://www.elser.ai/) für die visuelle Produktion.
## Offizielle Quellen
- [GPT-6 Astra Modellseite](https://developers.openai.com/api/docs/models/gpt-6-astra)
- [GPT-6 Astra Modell-Leitfaden](https://developers.openai.com/api/docs/guides/latest-model)
- [Zur Responses-API migrieren](https://developers.openai.com/api/docs/guides/migrate-to-responses)
- [Asynchroner Tool-Aufruf](https://developers.openai.com/api/docs/guides/async-tool-calling)
- [Reasoning-Modelle](https://developers.openai.com/api/docs/guides/reasoning)
*Technische Details wurden am 4. September 2026 gegen die offizielle OpenAI-Dokumentation verifiziert. Testen Sie Beispiele vor dem produktiven Einsatz gegen das aktuelle SDK.*
