普通文本对话（非流）

本页介绍 OpenAI Responses API 的普通文本对话非流式调用方式。非流式调用会在模型完整生成后一次性返回响应结果，适合脚本调用、后台任务、简单问答和调试场景。

接口地址

https://api.maomaotoken.com/v1/responses

调用方式

推荐使用 OpenAI 官方 SDK 调用 client.responses.create(...)。

你只需要把 api_key 换成 MaomaoToken 的令牌 Key，并把 base_url 设置为 MaomaoToken 地址。

SDK 调用示例

"""
MaomaoToken GPT-5 系列及其他模型调用示例

功能：
使用 OpenAI SDK 调用 MaomaoToken 的 GPT-5 系列及其他模型，
通过 responses.create 接口进行非流式文本对话。
"""

from openai import OpenAI
import json


# ==================== 步骤 1：初始化客户端 ====================

client = OpenAI(
    api_key="sk-**********************************",
    base_url="https://api.maomaotoken.com/v1",
)


# ==================== 步骤 2：创建对话请求 ====================

response = client.responses.create(
    model="gpt-5.2",
    input="你好!",

    # 最大输出 Token 数，可按需开启
    # max_output_tokens=128000,

    # 温度参数，控制输出随机性
    # temperature=1,

    # top_p 参数，控制采样范围
    # top_p=1,

    # 推理配置，仅适用于支持 reasoning 的模型
    reasoning={
        "effort": "none"
    },
)


# ==================== 步骤 3：输出响应结果 ====================

print(json.dumps(response.model_dump(), indent=2, ensure_ascii=False))

需注意： 这里的 gpt-5.2 是示例模型名称。实际使用时，请替换为 MaomaoToken 控制台中可用的模型名称。

返回示例

{
  "id": "resp_example",
  "created_at": 1765786341.0,
  "error": null,
  "incomplete_details": null,
  "instructions": null,
  "metadata": {},
  "model": "gpt-5.2",
  "object": "response",
  "output": [
    {
      "id": "msg_example",
      "content": [
        {
          "annotations": [],
          "text": "你好！我在。想聊什么，或者需要我帮你做什么？",
          "type": "output_text",
          "logprobs": []
        }
      ],
      "role": "assistant",
      "status": "completed",
      "type": "message"
    }
  ],
  "parallel_tool_calls": true,
  "temperature": 1.0,
  "tool_choice": "auto",
  "tools": [],
  "top_p": 0.98,
  "background": false,
  "conversation": null,
  "max_output_tokens": null,
  "previous_response_id": null,
  "reasoning": {
    "effort": "high",
    "summary": null
  },
  "service_tier": "default",
  "status": "completed",
  "text": {
    "format": {
      "type": "text"
    },
    "verbosity": "medium"
  },
  "usage": {
    "input_tokens": 8,
    "input_tokens_details": {
      "cached_tokens": 0
    },
    "output_tokens": 21,
    "output_tokens_details": {
      "reasoning_tokens": 0
    },
    "total_tokens": 29
  },
  "store": true
}

读取回复文本

Responses API 的返回结构和 Chat Completions 不完全一样。

普通文本通常在 output 数组中：

text = response.output[0].content[0].text
print(text)

如果你使用 model_dump() 得到字典结构，也可以这样读取：

result = response.model_dump()
text = result["output"][0]["content"][0]["text"]
print(text)

常用参数

参数	说明
`model`	要调用的模型名称。
`input`	用户输入内容，可以是字符串，也可以是更复杂的结构化输入。
`max_output_tokens`	控制最大输出长度。
`temperature`	控制输出随机性，值越高越发散。
`top_p`	控制采样范围，通常和 `temperature` 二选一调整。
`reasoning`	推理配置，适用于支持 reasoning 的模型。

注意事项

请将示例中的 sk-********************************** 替换为你的真实 API Key。
API Key 请妥善保管，不要泄露，不要提交到公开仓库。
建议在正式环境前先进行测试调用，确认模型名称、参数和返回结构符合预期。
如果某些模型使用简单字符串 input 跑不通，可以改为结构化输入格式。
如遇到无法解决的问题，请联系我们的客服协助处理。