API活用入門（コードからChatGPTを呼ぶ）

このモジュールで学ぶこと

• OpenAI APIキーの取得と保管
• Python から ChatGPT を呼ぶ最小コード
• モデル選択・パラメータ（temperature・reasoning_effort）の使い分け
• ストリーミング応答
• 業務自動化への組み込み観点

学習目標

• 自分のPCから Python で ChatGPT を呼べる
• temperature・reasoning_effort を業務目的に応じて設定できる
• APIキーを 安全に保管 できる
• 業務でAPIを使うべきか判断できる

目次

• セクション1: APIを使うべきか
• セクション2: APIキーの取得
• セクション3: 最小サンプルコード
• セクション4: 主要パラメータ
• セクション5: ストリーミング応答
• セクション6: コスト管理
• まとめ

セクション1: APIを使うべきか

ChatGPT（Web UI）と OpenAI API は別物だ。APIを使うべき場面 を最初に整理する。

APIを使うべき場面

• 同じ処理を 1日何百回・何千回 実行する
• 出力をシステムに自動連携する
• 自社の業務システムに組み込む
• 自社サービスの中でAI機能を提供する

Web UI で十分な場面

• 個人の対話的な利用
• 1日数回〜数十回の手作業
• 試行錯誤しながらの設計検討

「APIを使った方がカッコいい」「自動化すれば速い」だけで判断しない。 回数と再現性 で判断する。

セクション2: APIキーの取得

手順

1. https://platform.openai.com にログイン
2. 左メニュー「API keys」
3. 「Create new secret key」をクリック
4. キーをコピー（この画面でしか全文表示されない）
5. パスワードマネージャー等に安全に保管

APIキーの保管原則

• コードに直書きしない
• 環境変数（.env ファイル）に保管
• リポジトリにコミットしない（.gitignore に .env を追加）
• 共有が必要な場合はチーム用シークレット管理サービスを使う

漏洩したらすぐ無効化

万一キーが漏洩したら、すぐに platform.openai.com で Revoke（無効化）し、新しいキーを発行する。漏洩キーが第三者に使われると 自分のアカウントで課金 されてしまうので、対応は秒単位で動く。

セクション3: 最小サンプルコード

Python で ChatGPT を呼ぶ最小コードを示す。

環境準備

pip install openai python-dotenv

.env ファイル

OPENAI_API_KEY=sk-...your_key_here...

main.py

import os
from dotenv import load_dotenv
from openai import OpenAI

load_dotenv()

client = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))

response = client.chat.completions.create(
    model="gpt-5-main",
    messages=[
        {"role": "system", "content": "あなたは丁寧な日本語のビジネスアシスタントです。"},
        {"role": "user", "content": "ChatGPT API入門という記事のタイトル候補を3つ提案してください。"},
    ],
)

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

実行

python main.py

これが基本形だ。messages の配列に system / user / assistant ロールでメッセージを積み重ねるのが対話の表現方法である。

セクション4: 主要パラメータ

model

呼び出すモデル名。2026-05時点で利用可能な代表モデル:

• gpt-5-main — 高速応答（Fast系）
• gpt-5-thinking — 推論（Thinking系）
• gpt-5-thinking-nano — API向け軽量推論

出典: Wikipedia "GPT-5" Architecture & Model Variants（取得日: 2026-05-20・URL: https://en.wikipedia.org/wiki/GPT-5 ）

※ 利用可能なモデル名は公式の最新仕様で都度確認すること。本コースの記載は2026-05-20時点のものだ。

temperature

応答のランダム性を制御するパラメータ（多くの実装で0-2の範囲で受け付ける）。

「業務で再現性が欲しい」場面は 0.2-0.3 にする。「発想を広げたい」場面は 0.8 以上にする。

reasoning_effort（GPT-5系）

GPT-5系で推論の強度を調整するパラメータ。

出典: Wikipedia "GPT-5"（取得日: 2026-05-20・URL: https://en.wikipedia.org/wiki/GPT-5 ）

複雑な意思決定は high、定型タスクは low か minimal で十分なケースが多い。

max_tokens

応答の最大長を指定するパラメータ。長すぎる応答を防ぐためにも、業務スクリプトでは明示することを勧める。

セクション5: ストリーミング応答

長い応答を待たずに 少しずつ表示 したい場合、ストリーミングを使う。

stream = client.chat.completions.create(
    model="gpt-5-main",
    messages=[
        {"role": "user", "content": "桜の歴史について500字で書いてください。"},
    ],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

業務システムに組み込むときに、ユーザーが応答を待つUIで体感速度を上げられる。

セクション6: コスト管理

APIは 使った分だけ課金 される。業務で使うときはコスト感を必ず把握する。

課金の構造

• 入力トークン（プロンプト）
• 出力トークン（応答）

の合計に対して、モデルごとに単価が設定されている。Thinking 系は通常 Fast 系より高い。

正確な単価は OpenAI 公式の料金ページで都度確認すること（仕様変更が頻繁にあるため）。

コスト管理の習慣

1. 開発中は 安いモデル（mini / nano）で試す
2. 本番でも、用途に応じて 適切なモデル を選ぶ
3. 無限ループでAPIを呼び出すバグに注意（実装ミスで数万円〜数十万円の課金事故が起こり得る）
4. プラットフォーム側で 月次の上限金額（Hard limit）を設定

開発中の事故防止

• ローカルでスクリプトを実行する前に 入力件数を限定 する（最初は5件など）
• ループ内で time.sleep() を入れて連続リクエストを抑制する
• エラー時に リトライを無限に繰り返さない 実装にする

まとめ

• API利用は 回数と再現性 で判断する
• APIキーは環境変数に保管し、コードに直書きしない
• 最小サンプルは messages 配列 + model 指定で動く
• temperature で再現性と創造性を調整
• reasoning_effort で推論の強度を調整
• ストリーミングで体感速度を上げる
• コスト管理は 安いモデルから試す・上限金額設定・連続リクエスト抑制 が基本

次のモジュールでは、業務利用で必須となる安全・著作権・社内ガイドラインを扱う。