GPT 응답 데이터 처리

• 1. GPT API 응답 처리 전체 프로세스
• 2. GPT API 응답 구조 (기본 JSON 포맷)
• 3. 예제 코드
  • 3.1 GPT의 응답을 받아서 가공 및 출력하기 (JSON 응답 파싱)
  • 3.2 GPT 응답을 UI에 표시하기 (간단한 CLI 앱 형태)
  • 3.3 응답 데이터 가공하기
• 4. GPT 스트리밍 응답 처리 방법
  • 4.1 Python SDK 기반 스트리밍 예제
  • 4.2 스트리밍 주의사항

1. GPT API 응답 처리 전체 프로세스

[사용자 입력] → [API 요청 생성] → [OpenAI GPT 응답 수신(JSON)] → [JSON 파싱] → [데이터 가공] → [사용자에게 결과 표시]

2. GPT API 응답 구조 (기본 JSON 포맷)

• GPT API는 ChatCompletion.create() 요청 시 다음과 같은 JSON 응답을 반환함

{
    'id': 'chatcmpl-BeDrIlPrEggEbUUITmO6jbiwXd5dw', 
    'object': 'chat.completion', 
    'created': 1748926092, 
    'model': 'gpt-4-turbo-2024-04-09', 
    'choices': [
        {
            'index': 0, 
            'message': {
                'role': 'assistant', 
                'content': "신경망은 인간의 뇌에서 영감을 받은 인공지능의 한 형태입니다. ...", 
                'refusal': None, 
                'annotations': []
            }, 
            'logprobs': None, 
            'finish_reason': 'stop'
        }
    ], 
    'usage': {
        'prompt_tokens': 45, 
        'completion_tokens': 726, 
        'total_tokens': 771, 
        'prompt_tokens_details': {
            'cached_tokens': 0, 
            'audio_tokens': 0
        }, 
        'completion_tokens_details': {
            'reasoning_tokens': 0, 
            'audio_tokens': 0, 
            'accepted_prediction_tokens': 0, 
            'rejected_prediction_tokens': 0
        }
    }, 
    'service_tier': 'default', 
    'system_fingerprint': 'fp_de235176ee'
}

3. 예제 코드

3.1 GPT의 응답을 받아서 가공 및 출력하기 (JSON 응답 파싱)

• Style 1
  • 기존 방법
    • response_json = response.to_dict_recursive()
    • SDK 1.0 버전부터는 to_dict_recursive() 메서드가 존재하지 않음
  • 변경할 수 있는 방법
    • response_json = response.to_dict()

    • SDK 1.0 버전부터는 to_dict() 메서드를 사용

        from openai import OpenAI
      
        client = OpenAI()
      
        # 대화 메시지 정의
        messages = [
            {"role": "system", "content": "당신은 유능한 조언자입니다."},
            {"role": "user", "content": "파이썬으로 JSON 파싱하는 간단한 예제를 알려줘"}
        ]
      
        # 1. API 요청: GPT-4o 모델 호출
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            temperature=0.7,
            max_tokens=300
        )
      
        # 2. 응답 JSON 구조 확인
        response_json = response.to_dict()
      
        # 3. 응답 내용 추출
        gpt_reply = response_json['choices'][0]['message']['content']
      
        # 4. 사용자에게 가공된 결과 표시
        print("GPT 응답 결과:")
        print(gpt_reply)
      

• Style 2 (권장하는 방법)

  • OpenAI Python SDK v1.x부터 내부적으로 Pydantic v2를 기반으로 모든 응답 객체가 설계되었기 때문

      from openai import OpenAI
    
      client = OpenAI()
    
      # 대화 메시지 정의
      messages = [
          {"role": "system", "content": "당신은 유능한 조언자입니다."},
          {"role": "user", "content": "파이썬으로 JSON 파싱하는 간단한 예제를 알려줘"}
      ]
    
      # 1. API 요청: GPT-4o 모델 호출
      response = client.chat.completions.create(
          model="gpt-4o",
          messages=messages,
          temperature=0.7,
          max_tokens=300
      )
    
      # 2. 응답 JSON 구조 확인
      response_json = response.model_dump()
      # 또는 response_json = response.model_dump(mode="json")
    
      # 3. 응답 내용 추출
      gpt_reply = response_json['choices'][0]['message']['content']
    
      # 4. 사용자에게 가공된 결과 표시
      print("GPT 응답 결과:")
      print(gpt_reply)
    

• 비교: model_dump() vs to_dict()

  항목	model_dump()	to_dict()
  지원 여부	공식 지원 (Pydantic v2)	OpenAI SDK에서는 비공식 / 제거됨
  재귀 변환	기본적으로 재귀적 (nested dict 포함)	SDK v0.x 한정 사용 가능했으나, v1.x부터 제거됨
  SDK 버전	v1.0 이상	v1.x에서는 없음
  기반	pydantic.BaseModel	(이전 SDK 자체 구현)

3.2 GPT 응답을 UI에 표시하기 (간단한 CLI 앱 형태)

from openai import OpenAI

client = OpenAI()

def gpt_chat(prompt_text):
    messages = [
        {"role": "system", "content": "당신은 유능한 조언자입니다."},
        {"role": "user", "content": prompt_text}
    ]

    response = client.chat.completions.create(
        model="gpt-4o",
        messages=messages,
        temperature=0.7,
        max_tokens=300
    )

    reply = response.choices[0].message.content
    return reply.strip()

# 사용자 입력 받고 결과 보여주기
if __name__ == "__main__":
    user_input = input("질문을 입력하세요: ")
    result = gpt_chat(user_input)
    print("\nGPT의 응답:")
    print(result)

3.3 응답 데이터 가공하기

• OpenAI GPT를 호출하여 프로그래밍 언어 추천 목록을 생성하고, 그 응답을 파싱해 리스트로 출력하는 예제
  • 예를 들어, GPT가 표 형식 또는 항목 목록으로 응답한 경우, 이를 가공하여 보기 좋게 출력할 수 있음
  • 내용
    • GPT에게 “프로그래밍 입문자에게 추천할 언어 3가지 알려줘” 요청
    • 응답: “1. 파이썬\n2. 자바스크립트\n3. 자바”

    • 응답 파싱 → 리스트 출력

        from openai import OpenAI
        import re
      
        # OpenAI 클라이언트 설정
        client = OpenAI()  # 또는 환경변수 사용
      
        # GPT에 보낼 메시지
        messages = [
            {"role": "user", "content": "프로그래밍 입문자에게 추천할 언어 3가지를 알려줘. 번호 매겨서 알려줘."}
        ]
      
        # GPT 호출
        response = client.chat.completions.create(
            model="gpt-4o",
            messages=messages,
            temperature=0.7,
            max_tokens=300
        )
      
        # 응답 텍스트 추출
        gpt_output = response.choices[0].message.content
        print("GPT 응답 원본:\n", gpt_output)
      
        # 응답 파싱 함수 (숫자/알파벳/기호 등 처리)
        def parse_list_response(text):
            lines = text.strip().splitlines()
            items = []
            for line in lines:
                match = re.match(r"[\s]*[\d\w][\.\)\s-]+(.*)", line)
                if match:
                    items.append(match.group(1).strip())
                else:
                    items.append(line.strip())
            return items
      
        # 파싱 및 출력
        parsed = parse_list_response(gpt_output)
      
        print("\n추천 언어 목록:")
        for i, item in enumerate(parsed, start=1):
            print(f"{i}. {item}")
      

4. GPT 스트리밍 응답 처리 방법

스트리밍(streaming): GPT 응답을 조각 단위로 실시간으로 받아올 수 있는 기능 (예: 실시간 채팅)

4.1 Python SDK 기반 스트리밍 예제

from openai import OpenAI

# OpenAI 클라이언트 초기화 (환경변수 또는 직접 키 입력)
client = OpenAI()

# 스트리밍 요청
stream = client.chat.completions.create(
    model="gpt-4o",  # 또는 "gpt-3.5-turbo"
    messages=[
        {"role": "user", "content": "이 답변을 스트리밍으로 출력해줘"}
    ],
    stream=True
)

# 스트리밍 응답 출력
for chunk in stream:
    content = chunk.choices[0].delta.content
    if content:
        print(content, end='', flush=True)

• stream=True: 스트리밍 응답을 활성화
• 결과가 천천히 출력되며 자연스럽게 “타이핑되듯” 보임

4.2 스트리밍 주의사항

• OpenAI 라이브러리는 기본적으로 SSE (Server-Sent Events)를 사용

• 스트리밍은 응답이 완전히 끝나기 전까지 일부 파라미터를 반환하지 않음 (예: 토큰 수)

• 참고: 응답 파싱 팁

  • OpenAI 응답에서 원하는 텍스트는 다음 위치에 있음

      response['choices'][0]['message']['content']
    

  • 스트리밍 응답은 텍스트를 조각조각 보내므로 위 방식이 아니라 각 조각에서 delta.content 를 누적해서 출력해야 함