Tu primera llamada a OpenAI API con Python

Conectar OpenAI API con Python de forma segura es el primer paso para construir cualquier aplicación con inteligencia artificial. Aquí aprenderás a montar el entorno, instalar el SDK, configurar tu API key con variables de entorno y ejecutar tu primera llamada usando la Responses API. Es ideal para desarrolladores que empiezan a integrar modelos de OpenAI en sus proyectos.

La meta es clara: avanzar rápido y dejar todo el setup listo de una sola vez. Al terminar, tendrás OpenAI respondiendo desde Python con una llamada real y hasta el conteo de tokens consumidos.

Cómo organizo la estructura del proyecto antes de empezar

Antes de escribir código, conviene tener la carpeta del curso lista. En el editor ya existe una carpeta con un plan, un README y el archivo .gitignore que ignora carpetas innecesarias [00:38].

La idea es crear dos carpetas paralelas para trabajar el mismo contenido en dos lenguajes:

• Una carpeta Python para las clases en Python.
• Una carpeta TypeScript para las equivalencias en TypeScript.
• Un archivo principal main.py dentro de Python, donde vivirá la conexión.

Con esa base ya podemos escribir el código que nos conecta a la API de OpenAI.

Qué necesito importar para conectarme a la API

El archivo main.py arranca con tres importaciones que hacen todo el trabajo pesado [01:27]. Cada una cumple una función distinta y complementaria.

• El módulo os del sistema operativo, para leer las variables de entorno.
• La librería dotenv (usando .env), para interactuar con esas variables.
• El SDK openai, que provee la empresa para conectarnos a sus APIs.

Después llamas a la función load_dotenv() para cargar las variables de entorno que estén en la misma carpeta. Así el proyecto sabe dónde buscar tus credenciales sin exponerlas en el código.

¿Por qué usar variables de entorno para la API key? Porque separan tus credenciales del código. Guardas la clave en un archivo aparte como .env.local y evitas subirla por error a un repositorio público, lo que protege tu cuenta y tu presupuesto.

Por qué elegir un archivo .env.local

El archivo de variables se llama .env.local, aunque también podría llamarse solo .env [02:05]. La ventaja del sufijo .local es práctica: te permite saber que esas variables son para tu entorno local.

Así puedes tener unas credenciales en desarrollo y usar otras distintas cuando despliegas a producción. La estructura es sencilla: por ahora solo defines la variable OPENAI_API_KEY.

Cómo creo el cliente y ejecuto la primera llamada

Con las variables cargadas, creas tu cliente de OpenAI. Ese cliente usa la librería y recibe como parámetro la API key, que lee desde el sistema operativo con el nombre OPENAI_API_KEY [02:48].

La primera llamada usa la Responses API y se define así:

python response = client.responses.create( model="...", input="Generar una idea corta para una campaña de lanzamiento" )

Solo necesitas dos parámetros para recibir una respuesta:

• model: el modelo que vas a utilizar. En la documentación de OpenAI encuentras todos los modelos disponibles junto con sus costos y tokens.
• input: la instrucción que le das al modelo, en este caso una idea de prueba.

Con esos dos datos ya es más que suficiente para obtener un resultado.

¿Qué es output_text en la respuesta de OpenAI? Es el parámetro que devuelve únicamente el texto de la respuesta. En vez de imprimir todo el objeto response, usas response.output_text para leer solo el contenido generado.

Para monitorear tu consumo, también imprimes response.usage, otro parámetro que entrega la API con el detalle de tokens gastados. Ese dato es oro para calcular cuánto te cuesta cada llamada.

Qué pasa al ejecutar el código sin instalar los módulos

Si corres python main.py de una vez, aparece una falla: los módulos no están instalados todavía [04:00]. Es un error esperado.

La solución está en el README del repositorio, que incluye el comando de instalación. Después de instalar y volver a ejecutar, aparece otro error también esperado: no hay una API key configurada en las variables de entorno.

Ese segundo error es la señal de que ya solo falta generar la clave.

Cómo genero mi API key en la plataforma de OpenAI

Para crear la credencial vas al sitio de openai.com y buscas el enlace a la plataforma de API [04:40]. Si no tienes cuenta, primero te registras.

Dentro del menú, sigues estos pasos:

1. Entra al apartado API keys, donde ves las claves que ya tengas generadas.
2. Haz clic en generar una nueva secret key y asígnale un nombre, por ejemplo curso OpenAI API.
3. Deja el proyecto como default y define los permisos.

Aquí puedes restringir la clave para que use solo ciertos modelos o sea solo de lectura. En la demostración se dejan los permisos abiertos, pero limitarlos es una buena práctica de seguridad.

Creas la key, la copias y la pegas en .env.local, reemplazando el texto placeholder tu API key por la clave real. Guardas y vuelves a la terminal.

Cómo interpreto la respuesta y el conteo de tokens

Al ejecutar de nuevo python main.py, el script se conecta a la API y procesa la respuesta [06:10]. La idea corta que devuelve el modelo es concreta: lanzar una campaña de cinco días con piezas que revelan solo una parte del producto cada día.

Lo interesante viene al final, en el detalle del uso de tokens:

• Los input tokens fueron 18.
• No hubo tokens cacheados.
• Los output tokens de salida fueron 95.
• El total sumó 113 tokens.

Ese desglose te sirve para estimar el costo promedio de cada llamada antes de escalar tu aplicación. Con esto, la conexión con OpenAI queda funcionando desde Python de forma segura y estable.

¿Ya intentaste tu primera llamada? Cuéntame en los comentarios qué idea corta te devolvió el modelo.