構造化出力（Structured Outputs）

ユースケース

Structured Outputs 機能により、モデルは提供された JSON Schema に準拠したレスポンスを生成できるため、生成結果をより制御しやすく、解析しやすくなります。この機能は、後続ロジックでの解析や処理を容易にするだけでなく、結果をビジネスシステムへ統合する際にも役立ち、さまざまな自動化やデータ処理のシナリオに適しています。

対応モデル

以下のモデルは構造化出力をサポートしています。

使用方法

リクエストに以下の情報を追加します。

パラメータの設定：response_formatパラメータを使用して、定義した JSON Schema を指定します。
プロンプトによる指示：プロンプト内で、モデルに構造化出力を行うよう指示します。

使用例

以下では、Structured Outputs 機能を使用して、提供した JSON Schema に準拠する JSON レスポンスを生成する完全な Python コード例を示します。

1. クライアントの初期化

JieKou AI API キーを使用してクライアントを初期化する必要があります。

from openai import OpenAI

client = OpenAI(
    base_url="https://api.highwayapi.ai/openai",
    api_key="<Your API Key>",
)

model = "qwen/qwen-2.5-72b-instruct"

2. JSON Schema の定義

JSON Schema を定義する必要があります。以下の例では、ユーザー入力から費用情報を抽出する JSON Schema を作成します。

# 費用追跡用のシステムプロンプトを定義します。
system_prompt = """You are an expense tracking assistant.
Extract expense information from the user's input and format it according to the provided schema."""

# 構造化レスポンス用の JSON Schema を定義します。
response_format = {
    "type": "json_schema",
    "json_schema": {
        "name": "expense_tracking_schema",
        "schema": {
            "type": "object",
            "properties": {
                "expenses": {
                    "type": "array",
                    "items": {
                        "type": "object",
                        "properties": {
                            "description": {
                                "type": "string",
                                "description": "Description of the expense"
                            },
                            "amount": {
                                "type": "number",
                                "description": "Amount spent in dollars"
                            },
                            "date": {
                                "type": "string",
                                "description": "When the expense occurred"
                            },
                            "category": {
                                "type": "string",
                                "description": "Category of expense (e.g., food, office, travel)"
                            }
                        },
                        "required": [
                            "description",
                            "amount"
                        ]
                    }
                },
                "total": {
                    "type": "number",
                    "description": "Total amount of all expenses"
                }
            },
            "required": [
                "expenses",
                "total"
            ],
        },
    },
}

3. API リクエストの実行

API リクエストを作成します。このリクエストには response_format パラメータが含まれており、前のステップで定義した JSON schema を指定します。

chat_completion = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_prompt,
        },
        {
            "role": "user",
            "content": """I spent $120 on dinner at an Italian restaurant last Friday with my colleagues.
Also bought office supplies for $45 on Monday.""",
        },
    ],
    max_tokens=1024,
    temperature=0.8,
    stream=False,
    response_format=response_format,
)

response_content = chat_completion.choices[0].message.content

# JSON を解析して整形します
try:
    json_response = json.loads(response_content)
    prettified_json = json.dumps(json_response, indent=2)
    print(prettified_json)
except json.JSONDecodeError:
    print("Could not parse response as JSON. Raw response:")
    print(response_content)

出力：

{
  "expenses": [
    {
      "date": "2023-03-17",
      "description": "Dinner at Italian restaurant",
      "amount": 120,
      "category": "Food & Dining"
    },
    {
      "date": "2023-03-13",
      "description": "Office supplies",
      "amount": 45,
      "category": "Office Supplies"
    }
  ],
  "total": 165
}

完全なコード

from openai import OpenAI
import json

client = OpenAI(
    base_url="https://api.highwayapi.ai/openai",
    api_key="<Your API Key>",
)

model = "qwen/qwen-2.5-72b-instruct"

# JSON Schema を使用した構造化出力の例
# この例では、費用情報を抽出するための schema を作成します

# 費用追跡用のシステムプロンプトを定義します
system_prompt = """You are an expense tracking assistant.
Extract expense information from the user's input and format it according to the provided schema."""

# 構造化レスポンス用の JSON schema を定義します
response_format = {
    "type": "json_schema",
    "json_schema": {
        "name": "expense_tracking_schema",
        "schema": {
            "type": "object",
            "properties": {
                "expenses": {
                    "type": "array",
                    "items": {
                        "type": "object",
                        "properties": {
                            "description": {
                                "type": "string",
                                "description": "Description of the expense"
                            },
                            "amount": {
                                "type": "number",
                                "description": "Amount spent in dollars"
                            },
                            "date": {
                                "type": "string",
                                "description": "When the expense occurred"
                            },
                            "category": {
                                "type": "string",
                                "description": "Category of expense (e.g., food, office, travel)"
                            }
                        },
                        "required": [
                            "description",
                            "amount"
                        ]
                    }
                },
                "total": {
                    "type": "number",
                    "description": "Total amount of all expenses"
                }
            },
            "required": [
                "expenses",
                "total"
            ],
        },
    },
}

chat_completion = client.chat.completions.create(
    model=model,
    messages=[
        {
            "role": "system",
            "content": system_prompt,
        },
        {
            "role": "user",
            "content": """I spent $120 on dinner at an Italian restaurant last Friday with my colleagues.
Also bought office supplies for $45 on Monday.""",
        },
    ],
    max_tokens=1024,
    temperature=0.8,
    stream=False,
    response_format=response_format,
)

response_content = chat_completion.choices[0].message.content

# JSON を解析して整形します
try:
    json_response = json.loads(response_content)
    prettified_json = json.dumps(json_response, indent=2)
    print(prettified_json)
except json.JSONDecodeError:
    print("Could not parse response as JSON. Raw response:")
    print(response_content)

はじめに

LLM API

モデルプロバイダー

モデル機能

サードパーティツール設定

構造化出力（Structured Outputs）

ユースケース

対応モデル

使用方法

使用例

1. クライアントの初期化

2. JSON Schema の定義

3. API リクエストの実行

完全なコード

​ユースケース

​対応モデル

​使用方法

​使用例

​1. クライアントの初期化

​2. JSON Schema の定義

​3. API リクエストの実行

​完全なコード

ユースケース

対応モデル

使用方法

使用例

1. クライアントの初期化

2. JSON Schema の定義

3. API リクエストの実行

完全なコード