Azure Openai To Responses

Python ആപ്ലിക്കേഷനുകൾ Azure OpenAI ചാറ്റ് പൂർത്തീകരണങ്ങളിൽനിന്ന് Responses API-യ്ക്ക് മൈഗ്രേറ്റ് ചെയ്യുക

ഓതെന്റിക്കേറ്റഡ് മാർഗനിർദ്ദേശം — കൃത്യമായി പാലിക്കുക

ഈ സ്കിൽ Azure OpenAI ചാറ്റ് പൂർത്തീകരണങ്ങൾ ഉപയോക്തൃ Python കോഡ്‌ബേസുകൾ Responses API-യിലേക്ക് മൈഗ്രേറ്റ് ചെയ്യുന്നു. ഈ നിർദ്ദേശങ്ങൾ കൃത്യമായി പിന്തുടരുക. പാരാമീറ്റർ മാപ്പിങ്ങുകൾ സ്വന്തം നിലയിൽ നിർമിക്കേണ്ടതില്ല അല്ലെങ്കിൽ API ആകൃതികൾ കണ്ടെത്തേണ്ടതില്ല.

ട്രിഗറുകൾ

ഉപയോക്താവ് താഴെപ്പറഞ്ഞതിൽ заинтересованы വച്ചാൽ ഈ സ്കിൽ സജീവമാക്കുക:

• Azure OpenAI ചാറ്റ് പൂർത്തീകരണങ്ങളിൽനിന്ന് Responses API-യിലേക്ക് Python ആപ്പ് മൈഗ്രേറ്റ് ചെയ്യുക
• Python OpenAI SDK ഉപയോഗം Azure OpenAI-യെതിരെ ഏറ്റവും പുതിയ API ആകൃതിയിലേക്ക് അപ്ഗ്രേഡ് ചെയ്യുക
• Responses ആവശ്യമായ GPT-5 അല്ലെങ്കിൽ പുതിയ മോഡലുകൾക്കായി Python കോഡ് തയ്യാറാക്കുക
• AzureOpenAI/AsyncAzureOpenAI-ഇൽനിന്ന് സ്റ്റാൻഡേർഡ് OpenAI/AsyncOpenAI ക്ലയന്റ് v1 എൻഡ്‌പോയിന്റിലേക്ക് മാറ്റുക
• AzureOpenAI കോൺസ്ട്രക്ടറുകൾക്കോ api_version-സംബന്ധിച്ച ഡിപ്രീക്കേഷൻ മുന്നറിയിപ്പുകൾ പരിഹരിക്കുക

⚠️ മോഡൽ സാദ്ധ്യത — ആദ്യം പരിശോധിക്കുക

മൈഗ്രേറ്റ് ചെയ്‌തുതുടങ്ങുന്നതിനു മുൻപ്, നിങ്ങളുടെ Azure OpenAI വിന്യാസം Responses API പിന്തുണയ്ക്കുന്നുണ്ടോ എന്ന് ഉറപ്പാക്കിയിരിക്കണം.

1. നിങ്ങളുടെ വിന്യാസം വേഗത്തിൽ ടെസ്റ്റ് ചെയ്യുക (എത്രയും വേഗം)

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["AZURE_OPENAI_API_KEY"],
    base_url=f"{os.environ['AZURE_OPENAI_ENDPOINT'].rstrip('/')}/openai/v1/",
)

try:
    resp = client.responses.create(
        model=os.environ["AZURE_OPENAI_DEPLOYMENT"],
        input="ping",
        max_output_tokens=50,
        store=False,
    )
    print(f"✅ Deployment supports Responses API: {resp.output_text}")
except Exception as e:
    print(f"❌ Deployment does NOT support Responses API: {e}")

കുറിപ്പ്: Azure OpenAI-യിൽ max_output_tokens-ന് കുറഞ്ഞത് 16 ആണ്. 16-ലേയ്ക്ക് താഴെയുള്ള മൂല്യങ്ങൾ 400 പിശക് തിരികെ നൽകും. പുക പരീക്ഷണങ്ങൾക്ക് 50+ ഉപയോഗിക്കുക.

ഇത് 404 തിരികെ നൽകുകയാണെങ്കിൽ, വിന്യാസത്തിലെ മോഡൽ ഇപ്പോഴും Responses പിന്തുണക്കാതെ വരികയാണ് — താഴെ നൽകിയ റഫറൻസ് പരിശോധിക്കുകയോ പിന്തുണയുള്ള മോഡൽ ഉപയോഗിച്ച് വീണ്ടും വിന്യസിക്കുകയോ ചെയ്യുക.

2. നിങ്ങളുടെ പ്രദേശത്ത് ലഭ്യമായ മോഡലുകൾ പരിശോധിക്കുക (ശുപാർശ ചെയ്യുന്നു)

Responses API പിന്തുണയുള്ള നിങ്ങളുടെ പ്രത്യേക ഭാഗത്ത് ലഭ്യമായ മോഡലുകളെ കാണാൻ ഉൾപ്പെടുത്തിയ മോഡൽ സാദ്ധ്യത ഉപകരണം പ്രവർത്തിപ്പിക്കുക:

python migrate.py models --subscription YOUR_SUB_ID --location YOUR_REGION

ഇത് Azure ARM ലൈവിൽ ചോദ്യം ചെയ്തു ഒരു സാദ്ധ്യത മാട്രിക്സ് കാണിക്കുന്നു — ഏതു മോഡലുകൾ Responses, ഘടനാബദ്ധമായ output, ടൂളുകൾ തുടങ്ങിയവ പിന്തുണക്കുന്നതും. ഫിൽട്ടർ ചെയ്യാൻ --filter gpt-5.1,gpt-5.2 ഉപയോഗിക്കുക അല്ലെങ്കിൽ സ്ക്രിപ്റ്റിംഗിനായി --json ഉപയോഗിക്കുക.

3. സമ്പൂർണ മോഡൽ പിന്തുണ റഫറൻസ്

• ലൈവ് ചോദ്യം: python migrate.py models (മുകളിൽ കാണിച്ചിരിക്കുന്നതാണ് — പ്രദേശം-നിർദിഷ്ടം, എപ്പോഴും അപ് ടു ഡേറ്റ്)
• ലഭ്യത ബ്രൗസ് ചെയ്യുക: Model summary table and region availability
• ക്വിക്സ്റ്റാർട്ട് & മാർഗനിർദ്ദേശം: https://aka.ms/openai/start

⚠️ പഴയ മോഡൽ പരിധികൾ

മുന്നറിയിപ്പ്: പഴയ മോഡലുകൾ (gpt-4.1 മുമ്പുള്ളത്) Responses API എല്ലാ ഫീച്ചറുകളും പൂർണമായി പിന്തുണക്കാതെ വരിവച്ചേക്കാം.

പഴയ മോഡലുകൾക്കുള്ള അറിയപ്പെട്ട പരിധികൾ:

• reasoning പാരാമീറ്റർ: അനേകം reasoning-മില്ലാത്ത മോഡലുകളിൽ പിന്തുണയില്ല. മൈഗ്രേറ്റുചെയ്യുന്നത് മുൻകാല കോഡിൽ reasoning ഉണ്ടെങ്കിൽ മാത്രം.
• seed പാരാമീറ്റർ: Responses API-ൽ എല്ലാവിധത്തിലും പിന്തുണയില്ല — എല്ലാതരം അപേക്ഷകളിൽ നിന്നും നീക്കംചെയ്യുക.
• ഘടനാബദ്ധമായ output text.format വഴി: പഴയ മോഡലുകൾക്ക് strict: true JSON സ്കീമകൾ ഉറപ്പുവരുത്താൻ സാദ്ധ്യത ഇല്ല.
• ടൂൾ ഓർക്കസ്ട്രേഷൻ: GPT-5+ തങ്ങളുടെ ആന്തരിക reasoning-ന്റെ ഭാഗമായി ടൂൾ കോൾസ് ഓർക്കസ്ട്രേറ്റ് ചെയ്യുന്നു. Responses-ൽ പഴയ മോഡലുകൾ ഇപ്പോഴും പ്രവർത്തിക്കുന്നു, പക്ഷേ ആഴത്തിലുള്ള ഈ സംയോജനം ഇല്ല.
• ടെംപറേച്ചർ നിയന്ത്രണങ്ങൾ: gpt-5--ലേക്ക് മൈഗ്രേറ്റ് ചെയ്യുമ്പോൾ, ടെംപറേച്ചർ ഒഴിവാകേണ്ടതോളം അല്ലെങ്കിൽ 1 ആകണം. പഴയ മോഡലുകൾക്ക് ഇത്തരം നിയന്ത്രണം ഇല്ല.

ഒ-സീരിസ reasoning മോഡലുകൾ (o1, o3-mini, o3, o4-mini)

ഒ-സീരിസ മോഡലുകൾക്ക് അനുപാതമായ പാരാമീറ്റർ നിയന്ത്രണങ്ങൾ ഉണ്ട്. ഒ-സീരിസ മോഡലുകൾ ലക്ഷ്യമാക്കി ആപ്പുകൾ മൈഗ്രേറ്റ് ചെയ്യുമ്പോൾ:

• temperature: 1 ആകണം (അല്ലെങ്കിൽ ഒഴിവാക്കാം). ഒ-സീരിസ മോഡലുകൾ മറ്റെവിടത്തും വിലകളെ സ്വീകരിച്ചുകൊള്ളില്ല.
• max_completion_tokens → max_output_tokens: Azure-സ്വതന്ത്രമായ max_completion_tokens ഉപയോഗിക്കുന്ന ആപ്പുകൾ max_output_tokens-നായി മാറണം. reasoning ടോക്കണുകൾ പരിധിക്കു എതിരെ എണ്ണപ്പെടുന്നതിനാൽ വലിയ മൂല്യങ്ങൾ (4096+) സജ്ജമാക്കുക.
• reasoning_effort: ആപ്പ് reasoning_effort (low/medium/high) ഉപയോഗിച്ചാൽ അത് സൂക്ഷിക്കുക — Responses API ഒ-സീരിസ മോഡലുകൾക്കുള്ള ഈ പാരാമീറ്റർ പിന്തുണയ്ക്കുന്നു.
• സ്റ്റ്രീമിംഗ് പെരുമാറ്റം: ഒ-സീരിസ മോഡലുകൾ reasoning പൂർത്തിയാകുന്നത് വരെ ഔട്ട്‌പുട്ട് ബഫർ ചെയ്ത് പിന്നീട് ടെക്സ്റ്റ് ഡെൽറ്റ ഇവന്റുകൾ സൃഷ്ടിക്കാം. സ്റ്റ്രീമിംഗ് ഇപ്പോഴും പ്രവർത്തിക്കുകയായിരുന്നില്ലെങ്കിലും ആദ്യം വരുന്ന response.output_text.delta GPT മോഡലുകളേക്കാൾ കുറച്ച് വൈകാൻ സാധ്യതയുണ്ട്.
• top_p: ഒ-സീരിസിൽ പിന്തുണയില്ല — ഉണ്ടായിരുന്നെങ്കിൽ നീക്കം ചെയ്യുക.
• ടൂൾ ഉപയോഗം: ഒ-സീരിസ മോഡലുകൾ Responses API വഴി ടൂളുകൾ പിന്തുണയ്ക്കുന്നു, ജിപിടി മോഡലുകൾ പോലെ, പക്ഷേ ടൂൾ കോൾ ഓർക്കസ്ട്രേഷൻ ഗുണനിലവാരം മോഡൽ അനുസരിച്ച് വ്യത്യാസപ്പെടും.

പ്രവർത്തനം — മുൻകരുതൽ മോഡൽ ഉപദേശം: സ്കാൻ ഘട്ടത്തിൽ, ആപ്പ് ഏതൊരു മോഡലിനെ ലക്ഷ്യമാക്കിയിട്ടുണ്ട് (വിന്യാസ നാമങ്ങൾ, പരിസ്ഥിതി വ്യത്യാസങ്ങൾ, കോൺഫിഗ്) എങ്കിൽ പരിശോധിക്കുക. മോഡൽ gpt-4.1-നെക്കാൾ പഴക്കമുള്ളതാണ് (gpt-4.1+ അല്ല), ഉപയോക്താവിനെ മുൻകൂട്ടി അറിയിക്കുക:

• അടിസ്ഥാന തരം ടെക്സ്‌റ്റ്, ചാറ്റ്, സ്റ്റ്രീമിംഗ്, ടൂളുകൾ അവരുടെ നിലവിലെ മോഡലിൽ മൈഗ്രേറ്റ് പ്രവർത്തിക്കും.
• പുതിയ മോഡലുകൾ (gpt-5.1, gpt-5.2) മെച്ചപ്പെട്ട ടൂൾ ഓർക്കസ്ട്രേഷൻ, ഘടനാബദ്ധമായ output ഉറപ്പാക്കൽ, reasoning, എന്നിവയും പ്രദേശാന്തര ലഭ്യതയും ഉണ്ട്.
• അവർ തയ്യാറായപ്പോൾ വിന്യാസം അപ്ഗ്രേഡ് ചെയ്യുന്നത് പരിഗണിക്കണം — മൈഗ്രേഷനിൽ തടസ്സം അല്ല.

മോഡൽ പതിപ്പിനെ അടിസ്ഥാനപ്പെടുത്തി മൈഗ്രേറ്റ് ചെയ്യുന്നത് തടയുകയോ നിഷേധിക്കുകയോ വേണ്ടതല്ല. ഒരു വിവരോപദേശം മാത്രമാണ്.

GitHub മോഡലുകൾ Responses API-യെ പിന്തുണയ്ക്കുന്നില്ല

GitHub മോഡലുകൾ (models.github.ai, models.inference.ai.azure.com) Responses API-യെ പിന്തുണയ്ക്കുന്നില്ല.

കോഡ്‌ബേസിൽ GitHub മോഡൽ കോഡ് പാതയുണ്ടെങ്കിൽ (base_url models.github.ai അല്ലെങ്കിൽ models.inference.ai.azure.com-ലേക്ക് പോയിരിക്കുന്നു എന്ന് പരിശോധിക്കുക), മൈഗ്രേഷനിൽ അത് പൂർണ്ണമായും നീക്കുക. Responses API-ക്ക് Azure OpenAI, OpenAI, അല്ലെങ്കിൽ അനുകൂലമായ ലോക്കൽ എൻഡ്‌പോയിന്റ് (ഉദാ: Ollama Responses പിന്തുണയോടെ) വേണം.

സ്കാൻ ഘട്ടത്തിൽ പ്രവർത്തനം:

• GitHub മോഡൽ കോഡ് പാതകൾ നീക്കാൻ ഫ്ലാഗ് ചെയ്യുക.

ഫ്രെയിംവർക്ക് മൈഗ്രേഷൻ

പല ആപ്പുകളും OpenAIയ്ക്ക് മുകളിലുള്ള ഉയർന്ന നിലയിലെ ട്രെയ്ഡ് ഫ്രെയിംവർക്കുകൾ ഉപയോഗിക്കുന്നു. ഇത് മൈഗ്രേറ്റ് ചെയ്യുമ്പോൾ ഫ്രെയിംവർക്കിലെ സ്വന്തം API മാറ്റങ്ങൾ വരും — വെറും അടിത്തറ OpenAI വിളികളിൽ മാറ്റമല്ല.

Microsoft Agent Framework (MAF)

നിങ്ങളുടെ MAF പതിപ്പ് ആദ്യം പരിശോധിക്കുക — മൈഗ്രേഷൻ MAF 1.0.0+ ആണ് എന്നോ മുൻ 1.0.0 ബീറ്റ/ആർസി പതിപ്പ് ആണ് എന്നോ ആശ്രയിച്ചിരിക്കുന്നു.

MAF 1.0.0+ (agent-framework-openai >= 1.0.0)

OpenAIChatClient ഇപ്പോഴേതും Responses API ഉപയോഗിക്കുന്നു — മൈഗ്രേഷൻ ആവശ്യമില്ല. ലെഗസി OpenAIChatCompletionClient (ഉപയോഗിക്കുന്നത് chat.completions.create) ഉപയോഗിക്കുകയാണെങ്കിൽ, അത് OpenAIChatClient ആയി മാറ്റുക.

പതിപ്പ് പരിശോധിക്കാൻ: python -c "import agent_framework_openai; print(agent_framework_openai.__version__)"

MAF മുൻ 1.0.0 (ബീറ്റ/ആർസി റിലീസുകൾ)

മുൻ 1.0.0 MAF-ൽ OpenAIChatClient ചാറ്റ് പൂർത്തീകരണങ്ങൾ ഉപയോഗിച്ചിരുന്നു. agent-framework-openai>=1.0.0-ൽ അപ്ഗ്രേഡ് ചെയ്യുക, ഇവിടെ OpenAIChatClient Responses API ഡീഫോൾട്ടായി ഉപയോഗിക്കുന്നു.

മറ്റു മാറ്റങ്ങൾ ആവശ്യമില്ല — Agent ടൂൾ APIകൾ ഒരുപോലെ തുടരും.

LangChain (langchain-openai)

ChatOpenAI()-ക്ക് use_responses_api=True ചേർക്കുക. കൂടാതെ .content ൽ നിന്നുള്ള അവശന പ്രാപനം .text ആയി അപ്ഡേറ്റ് ചെയ്യുക.

പൂര്‍ണ്ണമായി ശേഷിക്കുന്ന മുന്‍-പിന്നണി കോഡ് ഉദാഹരണങ്ങള്‍ക്കായി cheat-sheet.md കാണുക.

ഫ്രണ്ട്‌എൻഡ് മൈഗ്രേഷൻ മാർഗനിർദ്ദേശം

Responses API ഒരു സെർവർ-സൈഡ് വിഷയം ആണ്. നിങ്ങളുടെ Python ബാക്ക്‌എൻഡ് മൈഗ്രേറ്റ് ചെയ്യുക; ഫ്രണ്ട്‌എൻഡ് HTTP കരാറ് മാറ്റേണ്ടതില്ല, നിങ്ങളുടെ ബാക്ക്‌എൻഡ് ഒരു സുതാര്യ പാസ്സും അല്ലെങ്കിൽ — അെങ്കിലും Responses അഭ്യർത്ഥന ആകൃതി സ്വീകരിക്കാൻ പരിഗണിക്കുക, ഇത് പരിഭാഷപ്പെടുത്തൽ ഘട്ടം ഒഴിവാക്കും. ഫ്രണ്ട്‌എൻഡ് നേരിട്ട് OpenAI-യെ ക്ലയന്റ്-സൈഡ് കീ ഉപയോഗിച്ച് വിളിക്കുകയാണെങ്കിൽ, ആ വിളികൾ ആദ്യം ബാക്ക്‌എൻഡിലേക്ക് മാറ്റുക.

@microsoft/ai-chat-protocol നിഷേധപ്പെടുത്തൽ

@microsoft/ai-chat-protocol npm പാക്കേജ് നിഷേധിക്കപ്പെട്ടു, അത് ndjson-readablestream ഉപയോഗിച്ച് മാറ്റുക. ഫ്രണ്ട്‌എൻഡിൽ ഇത് കണ്ടാൽ:

1. CDN സ്‌ക്രിപ്റ്റ് ടാഗ് മാറ്റുക:

   <!-- Before -->
   <script src="https://cdn.jsdelivr.net/npm/@microsoft/ai-chat-protocol@.../dist/iife/index.js"></script>
   <!-- After -->
   <script src="https://cdn.jsdelivr.net/npm/ndjson-readablestream@1.0.7/dist/ndjson-readablestream.umd.js"></script>
   

2. AIChatProtocolClient ഉൽപ്പത്തി നീക്കുക (new ChatProtocol.AIChatProtocolClient("/chat")).
3. client.getStreamedCompletion(messages)-നെ നേരിട്ട് ബാക്ക്‌എൻഡ് സ്‌ട്രിമിംഗ് എൻഡ്‌പോയിന്റിലേക്ക് fetch() വിളിയിലേക്ക് മാറ്റുക.
4. for await (const response of result)-നെ for await (const chunk of readNDJSONStream(response.body)) ആയി മാറ്റുക.
5. പ്രോപ്പർട്ടി പ്രാപനം response.delta.content / response.error-ൽ നിന്ന് chunk.delta.content / chunk.error ആയി മാറ്റുക.

ലക്ഷ്യങ്ങൾ

• Azure OpenAIയ്ക്ക് എതിരെ Chat Completions അല്ലെങ്കിൽ ലെഗസി Completions ഉപയോഗിക്കുന്ന Python കോൾ സൈറ്റുകൾ എണ്ണുക.
• Python കോഡ്‌ബേസിനായി ഒരു മൈഗ്രേഷൻ പദ്ധതി നിർദ്ദേശിക്കുകയും പടികളായി നിർദ്ദേശിക്കുകയും ചെയ്യുക.
• Responses API-യിലേക്ക് മാറുന്നതിന് സുരക്ഷിതവും കുറഞ്ഞ മാറ്റങ്ങളും നിർവഹിക്കുക.
• Responses output സ്കീമ ഉപയോഗിച്ച് കോൾ ചെയ്തവർ അപ്ഡേറ്റ് ചെയ്യുക; പാശ്വസാന്ഗീക വെറുപ്പുകൾ ഇല്ല.
• ടെസ്റ്റുകളും ലിന്റുകളും നടത്തുക; മൈഗ്രേഷൻ കൊണ്ടുവരുന്ന ലഘുവായ പിശകുകൾ പരിഹരിക്കുക.
• ചെറിയ, അവലോകനയോഗ്യമായ മാറ്റ സെറ്റുകൾ തയ്യാറാക്കുക; ഡിഫുകൾ സഹിതം അവസാന സംഗ്രഹം നൽകുക (കമ്മിറ്റ് ചെയ്യേണ്ടതില്ല).

ഗാർഡ്റെയിൽസ്

• ഗിറ്റ് വർക്ക്‌സ്‌പേസിനുള്ളിലുള്ള ഫയലുകൾ മാത്രമേ മാറ്റുക. പുറത്തുപോവാതെ എഴുതരുത്.
• പാശ്വസാന്ഗീകമായ ഷിംമുകൾ സൂക്ഷിക്കേണ്ടതില്ല; പുതിയ API ആകൃതിയിലേക്ക് കോഡ് മാറ്റുക.
• ടോംബ്‌സ്റ്റോൺ/ട്രാൻസിഷൻ കമന്റുകളും ബാക്കപ്പ് ഫയലുകളും ഒഴിവാക്കുക.
• മുമ്പ് ഉപയോഗിച്ചത് പോലെ സ്റ്റ്രീമിംഗ് സെമാന്റിക്സ് സൂക്ഷിക്കുക; അല്ലെങ്കിൽ സ്റ്റ്രീം ചെയ്യാത്ത രീതിയിലാക്കുക.
• അനുമതി മോഡിൽ നിന്ന് കമാൻഡുകൾ അല്ലെങ്കിൽ നെറ്റ്‌വർക്ക് കോൾ നടത്താൻ മുൻകൂർ അംഗീകാരം ചോദിക്കുക.
• git add/git commit/git push چلക്കുക; പ്രവർത്തന നിലക്കാരനെ മാത്രമേ ഉൽപ്പത്തി ചെയ്യരുത്.

ഘട്ടം 0: Azure OpenAI ക്ലയന്റ് മൈഗ്രേഷൻ ( മുൻ‌ഷര്ിയ )

കോഡ്‌ബേസിൽ AzureOpenAI അല്ലെങ്കിൽ AsyncAzureOpenAI കോൺസ്ട്രക്ടറുകൾ ഉപയോഗിക്കുന്നുവെങ്കിൽ, ആദ്യം സ്റ്റാൻഡേർഡ് OpenAI / AsyncOpenAI കോൺസ്ട്രക്ടറുകളിലേക്ക് മൈഗ്രേറ്റ് ചെയ്യുക. Azure-സ്വതന്ത്ര കോൺസ്ട്രക്ടറുകൾ openai>=1.108.1-ൽ ഡിപ്രീക്കേറ്റ് ചെയ്തു.

എത്രയോ വലിയ v1 API പാത എന്തുകൊണ്ടാണ്?

പുതിയ /openai/v1 എൻഡ്‌പോയിന്റ് AzureOpenAI()-ന്റെ പകരം സ്റ്റാൻഡേർഡ് OpenAI() ക്ലയന്റ് ഉപയോഗിക്കുന്നു, api_version പാരാമീറ്റർ വേണ്ടാതെയിരിക്കുന്നു, OpenAI-യും Azure OpenAI-യും ഒരുപോലെ പ്രവർത്തിക്കുന്നു. ഒരേ ക്ലയന്റ് കോഡ് ഭാവിയിൽ എല്ലാ പതിപ്പിലും പ്രവർത്തിക്കും — വേർഷൻ മാനേജ്മെന്റ് ആവശ്യമില്ല.

പ്രധാന മാറ്റങ്ങൾ

ശുചീകരണ ചെക്ക്ലിസ്റ്റ്

• ക്ലയന്റ് നിർമ്മാണത്തിൽ നിന്നും api_version പാരാമീറ്റർ നീക്കം ചെയ്യുക.
• .env, ആപ്പ് സജ്ജീകരണങ്ങൾ, Bicep/ഇൻഫ്ര ഫയലുകളിൽ നിന്നും AZURE_OPENAI_VERSION / AZURE_OPENAI_API_VERSION പരിസ്ഥിതി വ്യത്യാസങ്ങൾ നീക്കം ചെയ്യുക.
• .env, ആപ്പ് സജ്ജീകരണങ്ങൾ, Bicep/ഇൻഫ്ര, ടെസ്റ്റ് ഫിക്സ്ചറുകളിൽ AZURE_OPENAI_CLIENT_ID → AZURE_CLIENT_ID എന്നാക്കി പേരുമാറ്റം നടത്തുക (സ്റ്റാൻഡേർഡ് Azure Identity SDK കൺവെൻഷൻ).
• openai>=1.108.1 requirements.txt അല്ലെങ്കിൽ pyproject.toml-ൽ ഉറപ്പാക്കുക.

പരിസ്ഥിതി വ്യത്യാസം മൈഗ്രേഷൻ

ക്ലയന്റ് സെറ്റ്‌അപ്പ് കോഡ് ഉദാഹരണങ്ങൾക്കായി (സിങ്ക്, അസിങ്ക്, EntraID, API കീ, മൾട്ടി-ടെനന്റ്) cheat-sheet.md കാണുക.

ഘട്ടം 1: ലെഗസി കോൾ സൈറ്റുകൾ കണ്ടെത്തുക

detect_legacy.py സ്ക്രിപ്റ്റ് പ്രവർത്തിപ്പിച്ച് മൈഗ്രേഷൻ ആവശ്യമായ എല്ലാ കോൾ സൈറ്റുകളും കണ്ടെത്തുക:

python skills/azure-openai-to-responses/scripts/detect_legacy.py .

അല്ലെങ്കിൽ താഴെപ്പറയുന്ന തിരച്ചിലുകൾ دستیമായി നടത്തുക — ഓരോ പൊരുത്തവും മൈഗ്രേഷൻ ലക്ഷ്യം:

# ലെഗസി API കോൾസുകൾ (പുതിയതായി എഴുതണം)
rg "chat\.completions\.create"
rg "ChatCompletion\.create"
rg "Completion\.create"

# പഴയ ആസ്യൂർ ക്ലയന്റ് കന്സ്ട്രക്ടേഴ്സ് (മാറ്റേണ്ടത്)
rg "AzureOpenAI\("
rg "AsyncAzureOpenAI\("

# റസ്പോൺസ് ഷേപ്പ് ആക്‌സസ് സാങ്കേതികവഴികൾ (പുതുക്കണം)
rg "choices\[0\]\.message\.content"
rg "choices\[0\]\.delta\.content"
rg "choices\[0\]\.message\.function_call"
rg "choices\[0\]\.message\.tool_calls"

# പഴയ നെസ്റ്റഡ് ഫോർമാറ്റിലുള്ള ടൂൾ നിർവചനങ്ങൾ (സാരമാക്കണം)
rg '"function":\s*{\s*"name"'
rg "pydantic_function_tool"

# പഴയ ഫോർമാറ്റിലുള്ള ടൂൾ ഫലങ്ങൾ (function_call_output ആക്കി മാറ്റണം)
rg '"role":\s*"tool"'
rg '"tool_call_id"'

# പഴങ്കാല പാരാമീറ്ററുകൾ (ഒഴിവാക്കണം അല്ലെങ്കിൽ പുനർനാമകരണം വേണം)
rg "response_format"
rg "max_tokens\b"        # max_output_tokens എന്ന് പുനർനാമകരണം ചെയ്യുക
rg "['\"]seed['\"]"      # remove entirely

# പഴങ്കാല എന്‍വി വേരി (ശുദ്ധീകരണം)
rg "AZURE_OPENAI_API_VERSION|AZURE_OPENAI_VERSION"
rg "AZURE_OPENAI_CLIENT_ID"  # AZURE_CLIENT_ID ആകണം

# GitHub മോഡൽ എൻഡ്‌പോയിന്റ്‌സ് (ഒഴിവാക്കണം — Responses API പിന്തുണയില്ല)
rg "models\.github\.ai|models\.inference\.ai\.azure"

# ഫ്രെയിംവർക്ക് തലത്തിലുള്ള ലെഗസി സാങ്കേതികവഴികൾ (പുതുക്കണം)
rg "OpenAIChatCompletionClient"  # MAF 1.0.0+: OpenAIChatClient ആയി മാറ്റുക
rg "ChatOpenAI\(" | grep -v "use_responses_api"  # LangChain: use_responses_api=True ആവശ്യം

# ടെസ്റ്റ് അടിസ്ഥാനഘടന (പുതുക്കണം)
rg "ChatCompletionChunk|AsyncCompletions\.create" tests/
rg "_azure_ad_token_provider" tests/
rg "prompt_filter_results|content_filter_results" tests/
rg "choices\[0\]" tests/

# ഉള്ളടക്ക ഫിൽട്ടർ പിശക് ബോഡി ആക്‌സസ് (പുതുക്കണം — ഘടന മാറി)
rg 'innererror.*content_filter_result|error\.body\["innererror"\]'
rg "content_filter_result\[" # പഴയ ഏകവചന രൂപം — ഇപ്പോൾ content_filter_results (ബഹുവചനം) content_filters ആറിയിൽ ഉൾപ്പെടും

# Chat Completions എൻഡ്‌പോയിന്റിലേക്ക് Raw HTTP കോൾസ് (URL പുതുക്കണം)
rg "/openai/deployments/.*/chat/completions"
rg "api-version="

ഹ്യൂറിസ്റ്റിക്കുകൾ (കണ്ടെടുത്ത് പുനഃരൂപപ്പെടുത്തുക)

• ചാറ്റ് പൂർത്തീകരണ ക്ലയന്റ്: client.chat.completions.create → client.responses.create(...).

• അസ്യൂർ ക്ലയന്റ് കൺസ്ട്രക്ടറുകൾ: AzureOpenAI(...) → OpenAI(base_url=..., api_key=...).

• ടൂളുകൾ: ഫംഗ്ഷൻ-കോൾ ചെയ്യുന്ന ടൂൾ നിർവചനങ്ങൾ നസ്‌തികളായ ഫോർമാറ്റിൽ നിന്ന് ({"type": "function", "function": {"name": ...}}) ഫ്‌ളാറ്റ് Responses ഫോർമാറ്റിലേക്ക് ({"type": "function", "name": ...}) പരിവർത്തനം ചെയ്യുക; tool_choice ഉപയോഗിക്കുക; ടൂൾ ഫലങ്ങൾ {"type": "function_call_output", "call_id": ..., "output": ...} ഇനങ്ങളായി തിരിച്ചയയ്ക്കുക ({"role": "tool", ...} അല്ല).

• ടൂൾ റൗണ്ട്-ട്രിപ്പ്: മോഡൽ ഫംഗ്ഷൻ കോൾ തിരിച്ച് നൽകുമ്പോൾ, സംഭാഷണത്തിനായി response.output ഇനങ്ങൾ ചേർക്കുക (മാനുവൽ {"role": "assistant", "tool_calls": [...]} ഡിക്റ്റ് ഇല്ല), ശേഷം ഓരോ ഫലത്തിനും function_call_output ഇനങ്ങൾ ചേർക്കുക.

• ഫ്യൂ-ഷോട്ട് ടൂൾ ഉദാഹരണങ്ങൾ: സംഭാഷണത്തിൽ ഹാർഡ്‌കോഡുചെയ്ത ടൂൾ കോൾ ഉദാഹരണങ്ങൾ ഉണ്ടെങ്കിൽ അവ {"type": "function_call", "id": "fc_...", "call_id": "fc_...", ...} + {"type": "function_call_output", ...} ഇനങ്ങളാക്കി മാറ്റുക. ഐഡികൾ fc_ നാല് തുടക്കം വയ്ക്കണം.

• pydantic_function_tool(): ഈ ഹെൽപ്പർ ഇപ്പോഴും പഴയ നസ്റ്റെഡ് ഫോർമാറ്റ് സൃഷ്ടിക്കുന്നതിനാൽ responses.create() യുമായി അന്വയം ഇല്ല. മാനുവൽ ടൂൾ നിർവചനങ്ങളോ ഫ്‌ളാറ്റനിങ്ങ് റാപ്പറോ ഉപയോഗിക്കുക.

• മൾട്ടി-ടേൺ: ആപ്പിൽ സംഭാഷണ ചരിത്രം സൂക്ഷിക്കുക; മുൻ ടേൺ input ഇനങ്ങൾ വഴി പാസ്സ് ചെയ്യുക.

• ഫോർമാറ്റിംഗ്: ചാറ്റിന്റെ ടോപ്പ്-ലെവൽ response_format Responses ൽ text.format ആയി മാറ്റുക. കാനോണിക്കൽ രൂപം: text={"format": {"type": "json_schema", "name": "Output", "strict": True, "schema": {...}}}.

• ഉള്ളടക്ക ഇനങ്ങൾ: ചാറ്റ് content[].type: "text" Responses ൽ content[].type: "input_text" ആക്കി മാറ്റുക (ഉപയോക്താവ്/സിസ്റ്റം ടേണുകൾക്കായി).

• ഇമേജ് ഉള്ളടക്കം ഇനങ്ങൾ: ചാറ്റ് content[].type: "image_url" Responses ൽ content[].type: "input_image" ആക്കി മാറ്റുക. image_url ഫീൽഡ് നസ്റ്റെഡ് ഒബ്‌ജക്റ്റ് {"url": "..."} നിന്ന് ഫ്‌ളാറ്റ് സ്ട്രിങ്ങാക്കി മാറ്റുന്നു. മുൻപ്/ശേഷം ഉദാഹരണങ്ങൾക്ക് ചീറ്റ്ഷീറ്റ് കാണുക.

• റീസണിംഗ് ശ്രമം: മൂല കോഡിൽ ഇതിനകം reasoning ഉണ്ടെങ്കിൽ മാത്രം മൈഗ്രേറ്റ് ചെയ്യുക.

• ഉള്ളടക്ക ഫിൽട്ടർ പിശക് കൈകാര്യം: പിശക് ബോഡി ഘടന മാറി. ചാറ്റ് കോംപ്ലിഷൻസ് ഒരു ഏകമായ error.body["innererror"]["content_filter_result"] ഉപയോഗിച്ചിരുന്നപ്പോൾ; Responses API ൽ error.body["content_filters"][0]["content_filter_results"] (പലവുമുള്ള, ഒരു അറേയിലുള്ളത്) ആയി മാറി. innererror ആക്സസ് ചെയ്യുന്ന കോഡ് KeyError ഉയർത്തും. പുതിയ പാത്ത് ഉപയോഗിച്ച് പുനഃരചിക്കുക.

• റോ ഹ്ട്ട്പ് കോൾസ്: ആപ്പ് എഴുതി നേരിട്ടു അസ്യൂർ OpenAI REST API ഉപയോഗിക്കുകയെങ്കിൽ (requests, httpx മുതലായവ വഴി) /openai/deployments/{name}/chat/completions?api-version=... നിന്ന് /openai/v1/responses ആയി മാറ്റുക. റിക്വസ്റ്റ് ബോഡി മാറുന്നു: messages → input, max_output_tokens ചേർക്കുക, store: false ചേർക്കുക, api-version ക്വയറി പാറാം നീക്കുക. റെസ്പോൺസ് ബോഡി മാറുന്നു: choices[0].message.content → output[0].content[0].text (കുറിപ്പ്: output_text SDK സാന്ദ്രതയുടെ പ്രോപർട്ടി, റോ REST JSON-ൽ ഇല്ല).

ഘട്ടം 2: മൈഗ്രേഷൻ പ്രയോഗിക്കുക

മൈഗ്രേഷൻ കുറിപ്പുകൾ (ചാറ്റ് കോംപ്ലിഷൻസ് →RESPONSES)

• എന്തുകൊണ്ട് മൈഗ്രേറ്റ് ചെയ്യണം: ടെക്സ്‌റ്റ്, ടൂളുകൾ, സ്റ്റ്രീമിംഗ് എന്നിവയ്ക്കുള്ള ഏകീകൃത API ആണ് Responses; ചാറ്റ് കോംപ്ലിഷൻസ് പഴയതാണ്. GPT-5-ന് മികച്ച പ്രകടനത്തിന് Responses അനിവാര്യമാണ്.
• HTTP: അസ്യൂർ എന്റ്പോയിന്റ് /openai/deployments/{name}/chat/completions നിന്ന് /openai/v1/responses ആയി മാറുന്നു.
• ഫീൽഡുകൾ: messages → input, max_tokens → max_output_tokens. temperature മാറ്റമില്ല.
• ഫോർമാറ്റിംഗ്: response_format → text.format ഒരു ശരിയായ ഒബ്ജക്റ്റ് ആയി.
• ഉള്ളടക്ക ഇനങ്ങൾ: ചാറ്റ് content[].type: "text" Responses ൽ content[].type: "input_text" ആക്കി മാറ്റുക (സിസ്റ്റം/ഉപയോക്താവ് ടേണുകൾക്ക്).
• ഇമേജ് ഉള്ളടക്ക ഇനങ്ങൾ: ചാറ്റ് content[].type: "image_url" Responses ൽ content[].type: "input_image" ആക്കി മാറ്റുക. image_url ഫീൽഡ് ഡാറ്റാ ഫ്രോം {"image_url": {"url": "..."}} → {"image_url": "..."} (സാധാരണ സ്ട്രിംഗ് — HTTPS URL അല്ലെങ്കിൽ data:image/...;base64,... ഡാറ്റാ യു ആർ ഐ).

പാരാമീറ്റർ മാപ്പിംഗ് റഫറൻസ്

പൂര്‍ണ്ണമായ മുന്‍നെതിരെ കോഡ് ഉദാഹരണങ്ങള്‍ക്ക്, cheat-sheet.md കാണുക.

ടെസ്റ്റ് ഇൻഫ്രാസ്ട്രക്ചർ മൈഗ്രേഷനു (മോക്സ്, സ്നാപ്ഷോട്ടുകൾ, അസർ‌ഷനുകൾ), test-migration.md കാണുക.

പിശകുകൾ, ഗോട്ട്‌ചാസ് എന്നിവക്കുള്ള പ്രശ്നപരിഹാരത്തിന് troubleshooting.md കാണുക.

ഡാറ്റ സംരക്ഷണം & സ്ഥിതി

• മുഴുവൻ Responses അഭ്യർത്ഥനകളിലും store: false സജ്ജമാക്കുക.
• മുൻ സന്ദേശ ഐഡികളിലും സെർവർ സൂക്ഷിക്കുന്ന സാഹചര്യത്തിലും ആശ്രയിക്കരുത്; സ്ഥിതി ക്ലയന്റ് നിയന്ത്രിക്കുന്നതായിരിക്കണം, മेटാഡേറ്റ കുറയ്ക്കുക.

സ്വീകരണ മാനദണ്ഡങ്ങൾ

കോഡ് തലത്തിലെ ഗേറ്റുകൾ (എല്ലാം കടന്നു പോകണം)

• മൈഗ്രേറ്റുചെയ്‌ത ഫയലുകളിൽ rg "chat\.completions\.create|ChatCompletion\.create|Completion\.create" സീറോ പൊരുത്തങ്ങൾ.
• rg "AzureOpenAI\(|AsyncAzureOpenAI\(" സീറോ പൊരുത്തങ്ങൾ — എല്ലാ കണ്‍സ്ട്രക്ടറുകളും OpenAI/AsyncOpenAI v1 എന്റ്പോയിന്റ് ഉപയോഗിക്കുന്നു.
• rg "models\.github\.ai|models\.inference\.ai\.azure" സീറോ പൊരുത്തങ്ങൾ — GitHub മോഡൽ കോഡ് പാതകൾ നീക്കം ചെയ്തു.
• rg "OpenAIChatCompletionClient" സീറോ പൊരുത്തങ്ങൾ — MAF 1.0.0+ കോഡ് OpenAIChatClient (Responses API ഉപയോഗിക്കുന്നു) ആണ്. 1.0.0 മുന്‍പ്, agent-framework-openai>=1.0.0 അപ്ഡേറ്റ് ചെയ്യുക.
• എല്ലാ ChatOpenAI(...) കോളുകളിലും use_responses_api=True ഉണ്ടാകണം.
• rg "choices\[0\]" സീറോ പൊരുത്തങ്ങൾ — എല്ലാം റെസ്പോൺസ് ആക്സസ് resp.output_text അല്ലെങ്കിൽ Responses ഔട്ട്‌പുട്ട് സ്കീമ ഉപയോഗിക്കുന്നു.
• ടോപ്പ് ലെവലിലെ response_format ഇല്ല; എല്ലാ ഘടനാപരമായ ഔട്ട്‌പുട്ട് text={"format": {...}} ഉപയോഗിക്കുന്നു.
• openai>=1.108.1 കൂടാതെ azure-identity requirements.txt അല്ലെങ്കിൽ pyproject.toml ൽ; ഡിപെൻഡൻസികൾ പുനഃസ്ഥാപിച്ചു.
• എല്ലാ responses.create കോളുകളിലും store=False സജ്ജമാക്കി.
• ക്ലയന്റ് കൺസ്ട്രക്ഷനിൽ api_version ഇല്ല; AZURE_OPENAI_API_VERSION എൻവിർ ഫയലുകളിലും ഇൻഫ്രാസ്ട്രക്ചർ നിന്ന് നീക്കംചെയ്തു.

ടെസ്റ്റ് ഇൻഫ്രാസ്ട്രക്ചർ ഗേറ്റുകൾ (എല്ലാം കടന്നു പോകണം)

• rg "ChatCompletionChunk|AsyncCompletions\.create|chat\.completions" tests/ സീറോ പൊരുത്തങ്ങൾ.
• rg "_azure_ad_token_provider" tests/ സീറോ പൊരുത്തങ്ങൾ — അസർ‌ഷനുകൾ अद्यतनപ്പെടുത്തി isinstance(client, AsyncOpenAI) അല്ലെങ്കിൽ base_url പരിശോധിക്കുക.
• rg "prompt_filter_results|content_filter_results" tests/ സീറോ പൊരുത്തങ്ങൾ — അസ്യൂർ-നിർദ്ദിഷ്ട ഫിൽട്ടർ മോക്സ് നീക്കംചെയ്തു.
• മോക് ഫിക്ഷറുകൾ kwargs.get("input") ഉപയോഗിക്കുന്നു, kwargs.get("messages") അല്ല.
• സ്നാപ്ഷോട്ട് / ഗോൾഡൻ ഫയലുകൾ Responses സ്റ്റ്രീമിംഗ് രൂപത്തിലേക്ക് പുതുക്കിയത് ( choices[0], function_call, logprobs ഇല്ല).
• എല്ലാ ടെസ്റ്റ് അപ്‌ഡേറ്റുകൾ കഴിഞ്ഞ് pytest പാസ്സ് കൂടാതെ വീഴ്ചകള്‍ ഒന്നും ഇല്ല.

പെരുമാറ്റ ഗേറ്റുകൾ (അന്വേഷണം കൈകാര്യം ചെയ്യുക അല്ലെങ്കിൽ ടെസ്റ്റ് ഹാർനെസ് വഴി)

• അടിസ്ഥാനഅവസാനം: നോൺ-സ്റ്റ്രീമിംഗ് responses.create ശൂന്യമല്ലാത്ത output_text റിട്ടേൺ ചെയ്യണം.
• സ്റ്റ്രീം പാരിറ്റി: ഒറിജിനൽ കോഡ് streaming ഉപയോഗിച്ചിരുന്നെങ്കിൽ, മാറ്റിയ കോഡ് സ്റ്റ്രീം ചെയ്ത് ശൂന്യമല്ലാത്ത ഡെൽറ്റകളുമായി response.output_text.delta ഇവന്റുകൾ നൽകണം.
• ഘടനാപരമായ ഔട്ട്‌പുട്ട്: text.format json_schema ഉപയോഗിച്ച് വിനിയോഗിച്ചാൽ, json.loads(resp.output_text) വിജയം ആകും, സ്കീമയുമായി പൊരുത്തപ്പെടും.
• ടൂൾ-കോൾ ലൂപ്പ്: ടൂളുകൾ ഉപയോഗിക്കുന്നുവെങ്കിൽ, മോഡൽ ടൂൾ ചൊല്ലുകൾ പുറത്തിറക്കും, ആപ്പ് അവ നടപ്പിലാക്കും, പിന്നാലെ ഫോലോ-അപ്പ് അഭ്യർത്ഥന അന്തിമ output_text നൽകും (അനന്ത ലൂപ്പ് ഇല്ല).
• Async പാരിറ്റി: AsyncAzureOpenAI ഉപയോഗിച്ചിരുന്നെങ്കിൽ, AsyncOpenAI തുല്യമായി await ഉപയോഗിച്ച് പ്രവർത്തിക്കും.
• പിശക് നിരക്ക്: മൈഗ്രേഷനു മുമ്പുള്ള അടിസ്ഥാനരേഖയുമായി താരതമ്യം ചെയ്താൽ 400/401/404 പുതിയ പിശകുകൾ ഇല്ല.

ഡെലിവറബിൾസുകൾ

• സംഗ്രഹത്തിൽ എഡിറ്റുചെയ്‌ത ഫയലുകൾ, പഴയകേൾ കാൾ സൈറ്റുകളുടെ മുൻപ്/ശേഷം എണ്ണങ്ങൾ, അടുത്ത ഘട്ടങ്ങൾ ഉൾപ്പെടുത്തണം.
• മാറ്റങ്ങൾ വേർക്കിങ്-ട്രീ എഡിറ്റുകൾ മാത്രം (കമ്മിറ്റുകൾ ഇല്ല).

SDK വേർഷൻ ആവശ്യകതകൾ

റഫറൻസുകൾ

• ചീറ്റ്ഷീറ്റ് — എല്ലാ കോഡ് സ്നിപ്പറ്റുകളും
• ടസ്റ്റ് മൈഗ്രേഷൻ — മോക്സ്, സ്നാപ്ഷോട്ടുകൾ, അസർ‌ഷനുകൾ
• ട്രബ്ഷൂട്ടിംഗ് — പിശകുകൾ, റിസ്ക്ക് പട്ടിക, ഗോട്ട്‌ചാസ്
• detect_legacy.py — ഓട്ടോമേറ്റഡ് സ്കാനർ
• അസ്യൂർ OpenAI സ്റ്റാർട്ടർ കിറ്റ്
• അസ്യൂർ OpenAI Responses API ഡോക്സ്
• അസ്യൂർ OpenAI API വേർഷൻ ലൈഫ്‌ഐക്ൾ
• OpenAI Responses API റഫറൻസ്

അറിയിപ്പ്: ഈ രേഖ AI പരിഭാഷാ സേവനം Co-op Translator ഉപയോഗിച്ച് പരിഭാഷപ്പെടുത്തിയതാണ്. ഞങ്ങൾ കൃത്യതയ്ക്കായി ശ്രമിക്കുന്നുവെങ്കിലും, ഓട്ടോമേറ്റഡ് പരിഭാഷകളിൽ പിഴവുകൾ അല്ലെങ്കിൽ തെറ്റായ വിവരങ്ങൾ ഉണ്ടാകാൻ സാധ്യതയുണ്ട്. അതിന്റെ സ്വാഭാവിക ഭാഷയിലുള്ള അസൽ രേഖയാണ് പ്രാമാണികമായ ഉറവിടമായി പരിഗണിക്കേണ്ടത്. നിർണായകമായ വിവരങ്ങൾക്ക്, പ്രൊഫഷണൽ മനുഷ്യ പരിഭാഷ ശുപാർശ ചെയ്യുന്നു. ഈ പരിഭാഷ ഉപയോഗിച്ച് ഉണ്ടാകുന്ന തെറ്റിദ്ധാരണകൾ അല്ലെങ്കിൽ തെറ്റായ വ്യാഖ്യാനങ്ങൾക്കായി ഞങ്ങൾ ഉത്തരവാദികളല്ല.

Source: microsoft/ai-agents-for-beginners → translations/ml/.agents/skills/azure-openai-to-responses/SKILL.md