Open Responses API を使用してモデルにクエリを実行する

この記事では、 Open Responses API を使用して基礎モデルにクエリを実行する方法について説明し、その際に考慮するプロバイダー固有の動作について説明します。

Open Responses API は、応答スタイルの要求形式のオープンなマルチプロバイダー実装です。 inputではなくmessagesフィールドを使用し、構造化されたoutput配列を返します。 要求本文の /serving-endpoints/open-responses フィールドにモデル サービス エンドポイント名を指定して、model パスに要求を送信します。

クエリの例

次の例では、Open Responses API を使用して基礎モデル エンドポイントにクエリを実行します。

curl \
  -u token:$DATABRICKS_TOKEN \
  -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "model": "databricks-claude-sonnet-4-5",
    "input": [
      {
        "role": "user",
        "content": "What is a mixture of experts model?"
      }
    ],
    "max_output_tokens": 256
  }' \
  https://<workspace_host>.databricks.com/serving-endpoints/open-responses

応答は、response配列を持つoutput オブジェクトです。 ストリーミング要求 (stream: true) の場合、応答は各イベントが応答チャンクである text/event-stream です。

プロバイダー固有の動作

Databricks は、Open Responses 要求を各プロバイダーのネイティブ形式に変換します。 ほとんどの要求の動作は一貫していますが、次のプロバイダー固有の違いが適用されます。

すべてのプロバイダー

• 会話はステートレスです。 previous_response_id とサーバー側の会話ストレージはサポートされていません。 各ターンの [ input ] フィールドに完全な会話を送信します。
• OpenAI 固有の一部のフィールドは受け入れられますが、 OpenAI 以外のプロバイダーでは無視されます。 移植性のために、 user、 safety_identifier、 metadata、 truncation などのフィールドが応答で返されますが、プロバイダーの動作は変更されません。

Databricks でホストされる (オープンソース) モデル

• 機能のサポートはモデルごとに行われます。 関数呼び出し、推論、構造化出力、およびイメージ入力は、モデルごとに有効になります。 モデルがサポートしていない機能を使用する要求は、エラーを返します。 たとえば、推論をサポートするモデルでは、イメージ入力がサポートされない場合があります。
• 画像入力は URL またはデータ URI である必要があります。 image_url URL またはhttps URI として、data:を介して画像を提供します。 ファイル参照 (file_id) とドキュメント入力 (input_file) はサポートされていません。

アントロピック クロード モデル

• 温度は 0 から 2 のスケールを使用します。 Claude はネイティブの 0 から 1 の範囲を使用するため、Databricks は値を半分にすることで値を再スケーリングします。temperature: 1.0 は 0.5のように動作します。
• 推論は複数のターンにまたがって往復します。 モデルが複数ターンの会話の中でそれまでの思考内容を踏まえて推論できるようにするには、返された reasoning 項目を、encrypted_content を変更せずに、次回のリクエストの input に送り返してください。 クエリ推論モデルを参照してください。
• 画像とドキュメントの入力は base64 データ URI である必要があります。 base64 image_url URI としてdata:を介して画像を提供し、base64 file_data URI としてdata:を介してドキュメントを提供します。 https URL と file_id 参照はサポートされていません。
• 構造化された出力には制約があります。 text.format 型 json_schema はサポートされていますが、 json_object はサポートされておらず、エラーを返します。 構造化された出力をストリーミングや推論と組み合わせることはできません。また、使用するときに特定のツールに tool_choice をピン留めすることはできません。 Azure Databricks の 構造化出力を参照してください。
• 推論トークン は、個別に報告されるのではなく、 usage.output_tokens に含まれます。

Google Gemini モデル

• 温度は 0 から 2 のスケールを使用します。 Gemini はネイティブの 0 から 1 の範囲を使用するため、Databricks は値を半分にして再スケーリングします。temperature: 1.0 は 0.5のように動作します。
• 推論は複数のターンにまたがって往復します。 モデルが複数ターンの会話の中でそれまでの思考内容を踏まえて推論できるようにするには、返された reasoning 項目を、encrypted_content を変更せずに、次回のリクエストの input に送り返してください。 クエリ推論モデルを参照してください。
• 画像入力は、 https URL と base64 データ URI の両方を受け入れます。
• 推論トークン は、 usage.output_tokens_details.reasoning_tokensで報告されます。

次の例では、ツールの結果を返すときに function_call 項目 ( encrypted_content) を保持します。

{
  "model": "databricks-gemini-2-5-pro",
  "input": [
    { "role": "user", "content": "What's the weather in San Francisco?" },
    {
      "type": "function_call",
      "call_id": "call_abc123",
      "name": "get_weather",
      "arguments": "{\"city\": \"San Francisco\"}",
      "encrypted_content": "<opaque-provider-signature>"
    },
    {
      "type": "function_call_output",
      "call_id": "call_abc123",
      "output": "{\"temp_f\": 64}"
    }
  ]
}

Tools

Open Responses API では、プロバイダー間で functionタイプのツールがサポートされています。 詳細とサポートされているモデルについては、「Azure Databricksでの関数呼び出し」を参照してください。 Web 検索の組み込みツールについては、Azure Databricksの Web 検索を参照してください。

その他の組み込みツールとカスタム ツールの種類 ( custom、 apply_patch、 image_generation、 mcpなど) は、 OpenAI Responses API でのみ使用できます。

サポートされているモデル

Open Responses API は、Anthropic Claude、Google Gemini、Databricks でホストされるオープン モデルなど、Databricks の基礎モデル全体で使用でき、サポートは今後も新しいモデルまで拡張されます。 使用可能なモデルの現在の一覧については、「 基盤モデルの種類」を参照してください。

関数呼び出し、推論、構造化出力、画像入力などの機能のサポートは、基になるモデルによって異なります。 プロバイダー固有の動作を参照してください。

サポートされている入力の種類

入力のサポートは、モデルとプロバイダーによって異なります。 テキスト入力はすべてのモデルでサポートされています。 画像入力については、プロバイダー 固有の動作 のプロバイダーごとの注意事項と、 Query Vision モデルの形式とサイズの要件を参照してください。 モデルごとの入力の種類については、 Foundation Model API で使用できる Databricks でホストされる基盤モデルに関するページを参照してください。

その他のリソース

• OpenAI Responses API を使用したクエリ
• チャット モデルのクエリを実行する
• Azure Databricksでの関数呼び出し
• Azure Databricksでの Web 検索
• Azure Databricksでの構造化された出力
• Databricks Foundation Model API