Migrieren zur OpenAI Python-API-Bibliothek 1.x

OpenAI hat eine neue Version der OpenAI Python-API-Bibliothek veröffentlicht. Dieser Leitfaden ist ergänzend zum Migrationsleitfaden von OpenAI und hilft Ihnen, die für Azure OpenAI spezifischen Änderungen zu beschleunigen.

Updates

• Dies ist eine neue Version der OpenAI Python-API-Bibliothek.
• Ab dem 6. November 2023 installieren pip install openai und pip install openai --upgrade version 1.x der OpenAI Python-Bibliothek.
• Das Upgrade von version 0.28.1 auf version 1.x ist ein Breaking Change. Sie müssen Ihren Code testen und aktualisieren.
• Automatische Wiederholung mit Backoff, wenn ein Fehler auftritt
• Geeignete Typen (für mypy/pyright/editors)
• Sie können jetzt einen Client instanziieren, anstatt einen globalen Standard zu verwenden.
• Wechseln zur expliziten Clientinstanziierung
• Namensänderungen

Bekannte Probleme

• DALL-E3 wird mit der neuesten Version von 1.x vollständig unterstützt. DALL-E2 kann mit 1.x verwendet werden, indem Sie die folgenden Änderungen an Ihrem Code vornehmen.
• embeddings_utils.py wurde verwendet, um Funktionen wie die Kosinus-Ähnlichkeit für die semantische Textsuche bereitzustellen, ist jedoch nicht mehr Teil der OpenAI Python-API-Bibliothek.
• Sie sollten sich auch die aktiven GitHub-Issues für die OpenAI Python-Bibliothek ansehen.

Testen vor der Migration

Wichtig

Die automatische Migration Ihres Codes mit openai migrate wird von Azure OpenAI nicht unterstützt.

Da es sich um eine neue Version der Bibliothek mit Breaking Changes handelt, sollten Sie den Code umfassend mit dem neuen Release testen, bevor Sie Produktionsanwendungen migrieren, die von Version 1.x abhängig wären. Sie sollten auch Ihren Code und interne Prozesse überprüfen, um sicherzustellen, dass Sie bewährte Methoden befolgen und Ihren Produktionscode nur an Versionen anheften, die Sie vollständig getestet haben.

Um den Migrationsprozess zu vereinfachen, führen wir Registerkarten für vorhandene Codebeispiele in unserer Dokumentation für Python ein:

OpenAI Python 1.x

pip install openai --upgrade

OpenAI Python 0.28.1

pip install openai==0.28.1

Auf diese Weise sehen Sie, was sich geändert hat, und können die neue Bibliothek parallel testen, während Version 0.28.1 weiterhin unterstützt wird. Wenn Sie ein Upgrade auf 1.x durchführen und feststellen, dass Sie vorübergehend zur vorherigen Version zurückkehren müssen, können Sie jederzeit pip uninstall openai verwenden und dann gezielt 0.28.1 mit pip install openai==0.28.1 neu installieren.

Chatvervollständigungen

OpenAI Python 1.x

Sie müssen die Variable model auf den Bereitstellungsnamen festlegen, den Sie bei der Bereitstellung der GPT-3.5-Turbo- oder GPT-4-Modelle ausgewählt haben. Die Eingabe des Modellnamens führt zu einem Fehler, sofern Sie keinen Bereitstellungsnamen ausgewählt haben, der mit dem zugrunde liegenden Modellnamen identisch ist.

import os
from openai import AzureOpenAI

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

response = client.chat.completions.create(
    model="gpt-35-turbo", # model = "deployment_name"
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Does Azure OpenAI support customer managed keys?"},
        {"role": "assistant", "content": "Yes, customer managed keys are supported by Azure OpenAI."},
        {"role": "user", "content": "Do other Azure AI services support this too?"}
    ]
)

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

Weitere Beispiele finden Sie in unserem ausführlichen Artikel über Chatvervollständigung.

OpenAI Python 0.28.1

Sie müssen die Variable engine auf den Bereitstellungsnamen festlegen, den Sie bei der Bereitstellung der GPT-3.5-Turbo- oder GPT-4-Modelle ausgewählt haben. Die Eingabe des Modellnamens führt zu einem Fehler, es sei denn, Sie haben einen Bereitstellungsnamen ausgewählt, der mit dem zugrunde liegenden Modellnamen identisch ist.

import os
import openai
openai.api_type = "azure"
openai.api_base = os.getenv("AZURE_OPENAI_ENDPOINT") 
openai.api_key = os.getenv("AZURE_OPENAI_API_KEY")
openai.api_version = "2024-02-01"

response = openai.ChatCompletion.create(
    engine="gpt-35-turbo", # engine = "deployment_name".
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Does Azure OpenAI support customer managed keys?"},
        {"role": "assistant", "content": "Yes, customer managed keys are supported by Azure OpenAI."},
        {"role": "user", "content": "Do other Azure AI services support this too?"}
    ]
)

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

Vervollständigungen

OpenAI Python 1.x

import os
from openai import AzureOpenAI
    
client = AzureOpenAI(
    api_key=os.getenv("AZURE_OPENAI_API_KEY"),  
    api_version="2024-02-01",
    azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")
)
    
deployment_name='REPLACE_WITH_YOUR_DEPLOYMENT_NAME' #This will correspond to the custom name you chose for your deployment when you deployed a model. 
    
# Send a completion call to generate an answer
print('Sending a test completion job')
start_phrase = 'Write a tagline for an ice cream shop. '
response = client.completions.create(model=deployment_name, prompt=start_phrase, max_tokens=10) # model = "deployment_name"
print(response.choices[0].text)

OpenAI Python 0.28.1

import os
import openai

openai.api_key = os.getenv("AZURE_OPENAI_API_KEY")
openai.api_base = os.getenv("AZURE_OPENAI_ENDPOINT") # your endpoint should look like the following https://YOUR_RESOURCE_NAME.openai.azure.com/
openai.api_type = 'azure'
openai.api_version = '2024-02-01' # this might change in the future

deployment_name='REPLACE_WITH_YOUR_DEPLOYMENT_NAME' #This will correspond to the custom name you chose for your deployment when you deployed a model. 

# Send a completion call to generate an answer
print('Sending a test completion job')
start_phrase = 'Write a tagline for an ice cream shop. '
response = openai.Completion.create(engine=deployment_name, prompt=start_phrase, max_tokens=10)
text = response['choices'][0]['text'].replace('\n', '').replace(' .', '.').strip()
print(start_phrase+text)

Einbettungen

OpenAI Python 1.x

import os
from openai import AzureOpenAI

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

response = client.embeddings.create(
    input = "Your text string goes here",
    model= "text-embedding-ada-002"  # model = "deployment_name".
)

print(response.model_dump_json(indent=2))

Weitere Beispiele, auch für die semantische Textsuche ohne embeddings_utils.py, finden Sie in unserem Tutorial zu Einbettungen.

OpenAI Python 0.28.1

import openai

openai.api_type = "azure"
openai.api_key = YOUR_API_KEY
openai.api_base = "https://YOUR_RESOURCE_NAME.openai.azure.com"
openai.api_version = "2024-02-01"

response = openai.Embedding.create(
    input="Your text string goes here",
    engine="YOUR_DEPLOYMENT_NAME"
)
embeddings = response['data'][0]['embedding']
print(embeddings)

Asynchron

OpenAI unterstützt das Aufrufen asynchroner Methoden im Client auf Modulebene nicht. Stattdessen sollten Sie einen asynchronen Client instanziieren.

import os
import asyncio
from openai import AsyncAzureOpenAI

async def main():
    client = AsyncAzureOpenAI(  
      api_key = os.getenv("AZURE_OPENAI_API_KEY"),  
      api_version = "2024-02-01",
      azure_endpoint = os.getenv("AZURE_OPENAI_ENDPOINT")
    )
    response = await client.chat.completions.create(model="gpt-35-turbo", messages=[{"role": "user", "content": "Hello world"}]) # model = model deployment name

    print(response.model_dump_json(indent=2))

asyncio.run(main())

Authentifizierung

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")

api_version = "2024-02-01"
endpoint = "https://my-resource.openai.azure.com"

client = AzureOpenAI(
    api_version=api_version,
    azure_endpoint=endpoint,
    azure_ad_token_provider=token_provider,
)

completion = client.chat.completions.create(
    model="deployment-name",  # model = "deployment_name"
    messages=[
        {
            "role": "user",
            "content": "How do I output all files in a directory using Python?",
        },
    ],
)
print(completion.model_dump_json(indent=2))

Verwenden Ihrer Daten

Die vollständigen Konfigurationsschritte, die zum Ausführen dieser Codebeispiele erforderlich sind, finden Sie in der Schnellstartanleitung zur Verwendung Ihrer Daten.

OpenAI Python 1.x

import os
import openai
import dotenv

dotenv.load_dotenv()

endpoint = os.environ.get("AZURE_OPENAI_ENDPOINT")
api_key = os.environ.get("AZURE_OPENAI_API_KEY")
deployment = os.environ.get("AZURE_OPEN_AI_DEPLOYMENT_ID")

client = openai.AzureOpenAI(
    base_url=f"{endpoint}/openai/deployments/{deployment}/extensions",
    api_key=api_key,
    api_version="2023-08-01-preview",
)

completion = client.chat.completions.create(
    model=deployment, # model = "deployment_name"
    messages=[
        {
            "role": "user",
            "content": "How is Azure machine learning different than Azure OpenAI?",
        },
    ],
    extra_body={
        "dataSources": [
            {
                "type": "AzureCognitiveSearch",
                "parameters": {
                    "endpoint": os.environ["AZURE_AI_SEARCH_ENDPOINT"],
                    "key": os.environ["AZURE_AI_SEARCH_API_KEY"],
                    "indexName": os.environ["AZURE_AI_SEARCH_INDEX"]
                }
            }
        ]
    }
)

print(completion.model_dump_json(indent=2))

OpenAI Python 0.28.1

import os
import openai
import dotenv
import requests

dotenv.load_dotenv()

openai.api_base = os.environ.get("AZURE_OPENAI_ENDPOINT")
openai.api_version = "2023-08-01-preview"
openai.api_type = 'azure'
openai.api_key = os.environ.get("AZURE_OPENAI_API_KEY")

def setup_byod(deployment_id: str) -> None:
    """Sets up the OpenAI Python SDK to use your own data for the chat endpoint.

    :param deployment_id: The deployment ID for the model to use with your own data.

    To remove this configuration, simply set openai.requestssession to None.
    """

    class BringYourOwnDataAdapter(requests.adapters.HTTPAdapter):

     def send(self, request, **kwargs):
         request.url = f"{openai.api_base}/openai/deployments/{deployment_id}/extensions/chat/completions?api-version={openai.api_version}"
         return super().send(request, **kwargs)

    session = requests.Session()

    # Mount a custom adapter which will use the extensions endpoint for any call using the given `deployment_id`
    session.mount(
        prefix=f"{openai.api_base}/openai/deployments/{deployment_id}",
        adapter=BringYourOwnDataAdapter()
    )

    openai.requestssession = session

aoai_deployment_id = os.environ.get("AZURE_OPEN_AI_DEPLOYMENT_ID")
setup_byod(aoai_deployment_id)

completion = openai.ChatCompletion.create(
    messages=[{"role": "user", "content": "What are the differences between Azure Machine Learning and Azure AI services?"}],
    deployment_id=os.environ.get("AZURE_OPEN_AI_DEPLOYMENT_ID"),
    dataSources=[  # camelCase is intentional, as this is the format the API expects
        {
            "type": "AzureCognitiveSearch",
            "parameters": {
                "endpoint": os.environ.get("AZURE_AI_SEARCH_ENDPOINT"),
                "key": os.environ.get("AZURE_AI_SEARCH_API_KEY"),
                "indexName": os.environ.get("AZURE_AI_SEARCH_INDEX"),
            }
        }
    ]
)
print(completion)

DALL-E-Fix

DALLE-Fix

import time
import json
import httpx
import openai


class CustomHTTPTransport(httpx.HTTPTransport):
    def handle_request(
        self,
        request: httpx.Request,
    ) -> httpx.Response:
        if "images/generations" in request.url.path and request.url.params[
            "api-version"
        ] in [
            "2023-06-01-preview",
            "2023-07-01-preview",
            "2023-08-01-preview",
            "2023-09-01-preview",
            "2023-10-01-preview",
        ]:
            request.url = request.url.copy_with(path="/openai/images/generations:submit")
            response = super().handle_request(request)
            operation_location_url = response.headers["operation-location"]
            request.url = httpx.URL(operation_location_url)
            request.method = "GET"
            response = super().handle_request(request)
            response.read()

            timeout_secs: int = 120
            start_time = time.time()
            while response.json()["status"] not in ["succeeded", "failed"]:
                if time.time() - start_time > timeout_secs:
                    timeout = {"error": {"code": "Timeout", "message": "Operation polling timed out."}}
                    return httpx.Response(
                        status_code=400,
                        headers=response.headers,
                        content=json.dumps(timeout).encode("utf-8"),
                        request=request,
                    )

                time.sleep(int(response.headers.get("retry-after")) or 10)
                response = super().handle_request(request)
                response.read()

            if response.json()["status"] == "failed":
                error_data = response.json()
                return httpx.Response(
                    status_code=400,
                    headers=response.headers,
                    content=json.dumps(error_data).encode("utf-8"),
                    request=request,
                )

            result = response.json()["result"]
            return httpx.Response(
                status_code=200,
                headers=response.headers,
                content=json.dumps(result).encode("utf-8"),
                request=request,
            )
        return super().handle_request(request)


client = openai.AzureOpenAI(
    azure_endpoint="<azure_endpoint>",
    api_key="<api_key>",
    api_version="<api_version>",
    http_client=httpx.Client(
        transport=CustomHTTPTransport(),
    ),
)
image = client.images.generate(prompt="a cute baby seal")

print(image.data[0].url)

DALLE-Fix Async

import time
import asyncio
import json
import httpx
import openai


class AsyncCustomHTTPTransport(httpx.AsyncHTTPTransport):
    async def handle_async_request(
        self,
        request: httpx.Request,
    ) -> httpx.Response:
        if "images/generations" in request.url.path and request.url.params[
            "api-version"
        ] in [
            "2023-06-01-preview",
            "2023-07-01-preview",
            "2023-08-01-preview",
            "2023-09-01-preview",
            "2023-10-01-preview",
        ]:
            request.url = request.url.copy_with(path="/openai/images/generations:submit")
            response = await super().handle_async_request(request)
            operation_location_url = response.headers["operation-location"]
            request.url = httpx.URL(operation_location_url)
            request.method = "GET"
            response = await super().handle_async_request(request)
            await response.aread()

            timeout_secs: int = 120
            start_time = time.time()
            while response.json()["status"] not in ["succeeded", "failed"]:
                if time.time() - start_time > timeout_secs:
                    timeout = {"error": {"code": "Timeout", "message": "Operation polling timed out."}}
                    return httpx.Response(
                        status_code=400,
                        headers=response.headers,
                        content=json.dumps(timeout).encode("utf-8"),
                        request=request,
                    )

                await asyncio.sleep(int(response.headers.get("retry-after")) or 10)
                response = await super().handle_async_request(request)
                await response.aread()

            if response.json()["status"] == "failed":
                error_data = response.json()
                return httpx.Response(
                    status_code=400,
                    headers=response.headers,
                    content=json.dumps(error_data).encode("utf-8"),
                    request=request,
                )

            result = response.json()["result"]
            return httpx.Response(
                status_code=200,
                headers=response.headers,
                content=json.dumps(result).encode("utf-8"),
                request=request,
            )
        return await super().handle_async_request(request)


async def dall_e():
    client = openai.AsyncAzureOpenAI(
        azure_endpoint="<azure_endpoint>",
        api_key="<api_key>",
        api_version="<api_version>",
        http_client=httpx.AsyncClient(
            transport=AsyncCustomHTTPTransport(),
        ),
    )
    image = await client.images.generate(prompt="a cute baby seal")

    print(image.data[0].url)

asyncio.run(dall_e())

Namensänderungen

Hinweis

Alle a*-Methoden wurden entfernt. Stattdessen muss der asynchrone Client verwendet werden.

OpenAI Python 0.28.1	OpenAI Python 1.x
openai.api_base	openai.base_url
openai.proxy	openai.proxies
openai.InvalidRequestError	openai.BadRequestError
openai.Audio.transcribe()	client.audio.transcriptions.create()
openai.Audio.translate()	client.audio.translations.create()
openai.ChatCompletion.create()	client.chat.completions.create()
openai.Completion.create()	client.completions.create()
openai.Edit.create()	client.edits.create()
openai.Embedding.create()	client.embeddings.create()
openai.File.create()	client.files.create()
openai.File.list()	client.files.list()
openai.File.retrieve()	client.files.retrieve()
openai.File.download()	client.files.retrieve_content()
openai.FineTune.cancel()	client.fine_tunes.cancel()
openai.FineTune.list()	client.fine_tunes.list()
openai.FineTune.list_events()	client.fine_tunes.list_events()
openai.FineTune.stream_events()	client.fine_tunes.list_events(stream=True)
openai.FineTune.retrieve()	client.fine_tunes.retrieve()
openai.FineTune.delete()	client.fine_tunes.delete()
openai.FineTune.create()	client.fine_tunes.create()
openai.FineTuningJob.create()	client.fine_tuning.jobs.create()
openai.FineTuningJob.cancel()	client.fine_tuning.jobs.cancel()
openai.FineTuningJob.delete()	client.fine_tuning.jobs.create()
openai.FineTuningJob.retrieve()	client.fine_tuning.jobs.retrieve()
openai.FineTuningJob.list()	client.fine_tuning.jobs.list()
openai.FineTuningJob.list_events()	client.fine_tuning.jobs.list_events()
openai.Image.create()	client.images.generate()
openai.Image.create_variation()	client.images.create_variation()
openai.Image.create_edit()	client.images.edit()
openai.Model.list()	client.models.list()
openai.Model.delete()	client.models.delete()
openai.Model.retrieve()	client.models.retrieve()
openai.Moderation.create()	client.moderations.create()
openai.api_resources	openai.resources

Entfernt

• openai.api_key_path
• openai.app_info
• openai.debug
• openai.log
• openai.OpenAIError
• openai.Audio.transcribe_raw()
• openai.Audio.translate_raw()
• openai.ErrorObject
• openai.Customer
• openai.api_version
• openai.verify_ssl_certs
• openai.api_type
• openai.enable_telemetry
• openai.ca_bundle_path
• openai.requestssession (OpenAI verwendet jetzt httpx)
• openai.aiosession (OpenAI verwendet jetzt httpx)
• openai.Deployment (zuvor für Azure OpenAI verwendet)
• openai.Engine
• openai.File.find_matching_files()