📘
はじめてのOpenAI API入門：Pythonで文章生成アプリを作ろう

2025/05/07に公開
※本記事はChatGPTによって作成されています。内容には自動生成による情報が含まれており、正確性・網羅性を保証するものではありません。

 1. はじめに本記事では、実際にOpenAI APIを活用して簡単なテキスト生成アプリケーションを構築する方法を解説します。APIキーの取得から環境設定、基本的なAPI呼び出しの方法まで、実践的な手順を丁寧に説明します。
LLMを用いた開発に初めて取り組むエンジニアでも、この記事を通じて「最初の一歩」をスムーズに踏み出せることを目指しています。

 2. OpenAI APIの概要OpenAIは、GPT-4やGPT-3.5などの大規模言語モデルを、REST APIを通じて利用できるサービスを提供しています。これにより、ブラウザ上のChatGPTと同様のモデルを、任意のアプリケーションやサービスに組み込むことが可能です。
主要なエンドポイントとしては以下があります：

chat/completions：GPT-4/GPT-3.5に対するチャット形式のプロンプト送信と応答生成

completions：従来のGPT-3向けのテキスト補完

embeddings：テキストの意味的なベクトル変換

moderations：不適切コンテンツの検出
公式ドキュメントにはAPIの詳細やサンプルコードが豊富に掲載されているので、実装前には一度目を通すことをおすすめします。
➡️ OpenAI API ドキュメント

 3. APIキーの取得と環境設定
 OpenAIの設定
 APIキーの取得まず、OpenAIの公式サイトでアカウントを作成し、APIキーを取得します。ダッシュボードのAPI Keysセクションから新しいキーを生成できます。
⚠️ APIキーは個人の秘密鍵のようなものです。コードに直接書かず、環境変数などで安全に管理しましょう。

 課金設定APIの利用にはクレジットの課金が必要です。
OpenAIのBillingから任意の額をクレジットを購入してください。

 Pythonでの準備以下の手順でPython環境を構築します。
必要なパッケージをインストール：
PythonからAPIを呼び出すには、openaiライブラリをインストールします。

ここでは、.envファイルからAPIキーを読み込むために python-dotenv というライブラリも合わせてインストールします。
pip install openai python-dotenv

.envファイルを作成：
.envファイルを作成します。生成したAPIキーを設定してください。
OPENAI_API_KEY=sk-xxxxxxx...
スクリプトでキーを読み込む：
from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()
client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
これで、Pythonスクリプトから安全にAPIキーを利用する準備が整いました。

 4. 基本的なAPI呼び出しとテキスト生成OpenAIのAPIを使って、まずは最も基本的な「テキスト生成」を体験してみましょう。これはLLMを使った最もシンプルで強力な使い方であり、チャットボット、文書要約、アイデア生成など、あらゆる応用の出発点になります。

 ChatCompletion API の基本GPT-4oなどのチャットモデルを使うには、openai.ChatCompletion.create() 関数を使います。
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "あなたは親切なアシスタントです。"},
        {"role": "user", "content": "東京のおすすめ観光地を教えてください。"}
    ],
    temperature=0.7
)

# 出力されたテキストは response.choices[0].message.content に含まれます。
print(response.choices[0].message.content)

model: 使用するモデル（gpt-3.5-turbo, gpt-4oなど）

messages: システム指示とユーザー発言の履歴

temperature: 出力の多様性を制御（0で安定、1以上で創造的）

 メッセージの設計Chat APIでは、messages に複数の発話を順番に渡す形式になっています。

system: モデルの前提やキャラ設定（初期プロンプト）

user: ユーザーの質問や指示

assistant: モデルの過去の応答（文脈保持用）
例：
messages=[
    {"role": "system", "content": "あなたは英語教師です。"},
    {"role": "user", "content": "Please translate: 私は学生です。"},
    {"role": "assistant", "content": "I am a student."},
    {"role": "user", "content": "次の文も翻訳してください：先生は優しいです。"}
]
このように履歴を渡すことで、文脈を踏まえた自然な応答が得られます。

 返ってくるレスポンスレスポンスの中で注目すべきは、以下の部分です：
response["choices"][0]["message"]["content"]
ここに生成されたテキストが格納されています。他にも usage に含まれる prompt_tokens や completion_tokens を見ると、トークン消費量も確認できます。

 コストに関する注意点OpenAI APIはトークン数に応じて課金されます。
入力（プロンプト）と出力の合計トークンが課金対象
モデルに応じて費用単価は異なる
長文のやり取りや高頻度のAPI呼び出しには注意が必要
試験運用では単価の低いモデルを使い、応答トークン数を制限する max_tokens の設定を活用するとコストを抑えられます。

 まとめこの記事では、OpenAI APIを使ってLLMを活用するための基本的な手順を紹介しました。
OpenAI APIの仕組みと利用方法
APIキーの取得と安全な管理
ChatCompletion APIによるテキスト生成の基本構文
メッセージ形式とシステムプロンプトの活用
コストを意識したトークン管理のポイント
1. はじめに

2. OpenAI APIの概要

3. APIキーの取得と環境設定

OpenAIの設定

APIキーの取得

課金設定

Pythonでの準備

4. 基本的なAPI呼び出しとテキスト生成

ChatCompletion API の基本

メッセージの設計

返ってくるレスポンス

コストに関する注意点

まとめ

Discussion
