OpenAI API

Alcance de la nota

OpenAI API expone servicios para integrar capacidades de modelos en aplicaciones. Esta nota se centra en Responses API, function calling y Structured Outputs, con documentación oficial consultada el 2026-11-09. Es una entrada tecnológica acotada, no una referencia de todos los endpoints, modelos, cuotas o planes.

La introducción de Responses describe generación de respuestas, continuidad utilizando respuestas anteriores y acceso a herramientas. La compatibilidad concreta depende de modelos y herramientas seleccionados. La aplicación conserva responsabilidades sobre datos, permisos, resultados y aceptación.

openai-codex documenta un producto para trabajo de desarrollo; aquí se trata la integración programática de una aplicación. Una aplicación que llama a un modelo puede implementar un paso de un workflow, sin convertirse por ese hecho en un agente completo. workflows-vs-agents y tool-use ayudan a identificar ese límite.

Function calling y ejecución de efectos

La guía de function calling describe un intercambio en el que la aplicación declara herramientas, recibe una propuesta de llamada, ejecuta su código y devuelve el resultado para continuar. La selección y los argumentos generados requieren tratamiento como entrada de un componente externo.

Como ejemplo conceptual del Atlas:

usuario pide el estado de una orden
→ aplicación expone una herramienta acotada
→ modelo propone una llamada con argumentos
→ aplicación autentica, autoriza y valida
→ aplicación ejecuta y devuelve el resultado
→ modelo prepara la respuesta

Este recorrido no pretende describir todas las herramientas alojadas del proveedor. Para funciones propias, la aplicación es responsable de que una orden pertenezca al usuario autenticado y de limitar los efectos permitidos. Que el argumento tenga un formato válido no autoriza consultar cualquier cliente.

tool-calling explica el mecanismo general y tool-abuse analiza el uso de capacidades fuera del encargo. Si una función puede modificar estado remoto, contemplar repetición, fallos parciales y idempotency en el sistema que realiza el efecto. Una respuesta de red perdida puede dejar incertidumbre sobre lo que ocurrió.

Structured Outputs y manejo de respuestas

La guía de Structured Outputs documenta generación conforme a un schema admitido y la diferencia respecto de pedir JSON válido. También describe refusals y casos de salida incompleta que el consumidor debe manejar. Revisar el subconjunto de JSON Schema y el soporte del modelo seleccionado antes de tratar una configuración como portable.

structured-generation conserva una distinción esencial: estructura válida no demuestra verdad del contenido, evidencia suficiente ni autorización. Un campo approved: true sigue necesitando una procedencia y un proceso de decisión apropiados si se usa para controlar acciones.

Ejercicio de adopción

Como propuesta del Atlas, comenzar con extracción de datos sintéticos hacia un schema pequeño y una aceptación explícita. Incluir entradas sin información suficiente, ambiguas y fuera de dominio. Comprobar tanto campos como comportamiento ante refusals o respuestas incompletas, sin mezclar todos los casos en un único resultado booleano.

Después, evaluar una función sin efectos externos, por ejemplo una consulta contra un fixture local. Separar errores de transporte, validación de argumentos, autorización y errores del negocio. evaluation-datasets proporciona criterios para construir casos y ai-evaluation-fundamentals ayuda a comparar revisiones.

Este ejercicio es documental: no se ejecutaron llamadas, no se crearon claves ni se instalaron SDKs en el Atlas. Los ejemplos no prescriben un modelo concreto.

Operación y límites comerciales

Antes de una integración real, revisar autenticación, tratamiento y retención de datos, regiones admitidas, límites y condiciones vigentes para la cuenta y los endpoints utilizados. Mantener las credenciales bajo controles apropiados y evitar copiarlas a prompts, repositorios o logs.

La aplicación necesita decisiones sobre timeouts, reintentos, telemetría y presupuestos. ai-llm-observability, inference-cost y ai-cost-attribution-and-budgets ofrecen el encuadre general; un límite de tasa no implica un tope monetario estricto. Esta nota no fija precios ni asume que una suscripción a otro producto habilite cualquier uso de API. ai-technology-catalog reúne el contexto de adopción y las notas relacionadas.