【Python】ChatGPT APIを使ってターミナルで会話する(gpt-3.5-turbo)

こんにちは。ナミレリです。みなさん、MacでPythonは使っていますか？

ついに3月1日（米国時間）に、OpenAIから「ChatGPT」のAPIがリリースされました。これによりAPIを通じて「ChatGPT」（gpt-3.5-turbo）にアクセスして会話することができます。ワクワクしますね。

リリースされたモデルはgpt-3.5-turboという名称でこれまでの「ChatGPT」で利用されているモデルと同じです。

また、12月以降「ChatGPT」の90%のコスト削減に成功しているとのことです。価格は1,000トークンあたり0.002ドル（約0.26円）で、既存のGPT-3.5モデルよりも10倍安いようです。これまた素晴らしい。

参考

Introducing ChatGPT and Whisper APIs

openai.com

参考

Just a moment…

platform.openai.com

早速、Pythonで使ってみたいと思います。

この記事はこんな人にオススメ

ChatGPTのAPIを試したい方
ChatGPTとターミナルで会話したい方
ターミナルが大好きな方
何事もCLI派な方
とにかくCLI派な方

この記事のMac環境

M2 MacBook Air 13.6 インチ
M1 Max MacBook Pro 14インチ
macOS Ventura 13.2.1
pyenv 2.3.13
miniforge3-22.9.0-3（Python 3.10.8）

Parallels 19 for Macの無料トライアルもありますので、ぜひダウンロードして試してみてください。M1/M2/M3のMac上で快適にMacやUbuntu、Windowsが動作します。

NEW Parallels Desktop 19 for Mac

Parallels Desktop 19 for Macは、M1/M2/M3のMac上で快適にMacやUbuntu、Windowsが動作します。

14日間の無料トライアルもありますので、ぜひダウンロードして試してみてください。

Parallels Desktop 19 公式サイト

関連

【初心者向け】Parallels Desktop 19 for Macの特徴とエディションの比較

ChatGPT API公開の主なポイント/

ざっくりChatGPT API公開の要点を記載します。

ChatGPTがAPI経由で利用てきるようになったこと
公開されたモデルであるgpt-3.5-turboはChatGPTで使用されているモデルと同じ
gpt-3.5-turbo-0301モデルも公開された（少なくとも6/1まではサポートされる）
（gpt-3.5-turbo-0301は3/1時点のスナップショットで更新されないモデル）
価格は1,000トークンあたり0.002ドル（既存のGPT-3.5モデルよりも10倍安い）
APIを通じて送信されたデータはオプトインしない限り利用されない
APIを通じて送信されたデータは、最大30日間、乱用および誤用の監視目的で保持され、その後削除される

参考

Introducing ChatGPT and Whisper APIs：https://openai.com/blog/introducing-chatgpt-and-whisper-apis

API data usage policies：https://platform.openai.com/docs/data-usage-policies

Models：https://platform.openai.com/docs/models/gpt-3-5

OpenAIのPython libraryをインストールする

では早速やってみましょう。

まずはPython用のOpenAI APIクライアントライブラリをインストールします。

下のようにpipで簡単にインストールできます。OpenAI APIのライブラリと依存関係で必要なライブラリもインストールされます。


pip install openai

すでにインストールされている方は、アップグレードしてください。

2023年3月2日現在のバージョンは0.27.0です。


pip install -U openai
Successfully installed openai-0.27.0

pip showで情報を見ておきます。


pip show openai
Name: openai
Version: 0.27.0
Summary: Python client library for the OpenAI API
Home-page: https://github.com/openai/openai-python
Author: OpenAI
Author-email: support@openai.com
License:
Location: /Users/u/.pyenv/versions/miniforge3-22.9.0-3/lib/python3.10/site-packages
Requires: aiohttp, requests, tqdm
Required-by:

APIキーを環境変数に設定する

取得したAPIキーは、他の人と共有したりPythonコード(ブラウザ、アプリ等)で公開してしまうのはNGです。漏洩のリスクを軽減するために環境変数に設定しておきます。ここではOPENAI_API_KEYという環境変数に設定します。

YOUR_API_KEYの部分に実際に取得したAPIキーを置き換えてください。


export OPENAI_API_KEY="YOUR_API_KEY"

.zshrcに設定しておくことも可能ですが漏洩には十分に注意する必要があります。

APIキーはここから取得します。https://platform.openai.com/account/api-keys

PythonからChatGPT APIを使う

それでは、下のようにPythonを通じてターミナルからChatGPT APIgpt-3.5-turboを使えるようにしてみます。

その前にまず、知っておくべき基本的なChatGPT APIの使い方を紹介します。

ChatGPT APIの使い方

text-davinci-003とは異なり、下のようにオブジェクトを生成します。

詳しくはhttps://platform.openai.com/docs/guides/chat/introductionを参照してください。


import openai

openai.ChatCompletion.create(
  model="gpt-3.5-turbo",
  messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Who won the world series in 2020?"},
        {"role": "assistant", "content": "The Los Angeles Dodgers won the World Series in 2020."},
        {"role": "user", "content": "Where was it played?"}
    ]
)

messages配列に、辞書形式でrole、contentを入れていきます。roleはsystem、user、assistantの3つのどれかを入れ、contentは会話のテキストです。

3つのroleの意味を下の表に記載します。

role	説明
`system`	最初にChatGPTに指示する役割
`user`	ユーザーの会話（質問や指示など）
`assistant`	ChatGPTの会話（返答）

最初にsystemを用いてChatGPTに役割を設定し、userとassistantは交互に更新していきます。

ChatGPT APIのレスポンス

ChatGPT APIからのレスポンスは下のようになります。assistantの返答の確認は、
response[‘choices’][0][‘message’][‘content’]です。


{
 'id': 'chatcmpl-6p9XYPYSTTRi0xEviKjjilqrWU2Ve',
 'object': 'chat.completion',
 'created': 1677649420,
 'model': 'gpt-3.5-turbo',
 'usage': {'prompt_tokens': 56, 'completion_tokens': 31, 'total_tokens': 87},
 'choices': [
   {
    'message': {
      'role': 'assistant',
      'content': 'The 2020 World Series was played in Arlington, Texas at the Globe Life Field, which was the new home stadium for the Texas Rangers.'},
    'finish_reason': 'stop',
    'index': 0
   }
  ]
}

Pythonのサンプルコード（ChatGPT API）

それでは公式のhttps://platform.openai.com/docs/guides/chat/introductionを参考に早速プログラムを書いていきます。全体は下のようなPythonプログラムになります。一つ一つ説明していきます。


import openai
import os
import readline

openai.api_key = os.getenv("OPENAI_API_KEY")
chat_log = [{"role": "system", "content": "あなたは世界でもっとも優れたAIです。"}]

blue= '\033[34m'
green= '\033[32m'
red = '\033[31m'
bold = '\033[1m'
reset = '\033[0m'

while True:
    prompt = input(bold+blue+"Enter a prompt (or 'q'): "+reset+'\n')
    
    if prompt.lower() == 'q':
        break
    
    chat_log.append({"role": "user", "content": prompt})
    response = openai.ChatCompletion.create(
        model = "gpt-3.5-turbo",
        temperature = 0.0,
        messages= chat_log
    )

    messages = response["choices"][0]["message"]["content"]
    total_tokens = response["usage"]["total_tokens"]

    print(bold+green+messages+reset, end = "\n")
    print("Total Tokens: "+bold+red+str(total_tokens)+reset)
    
    if total_tokens > 4000:
        chat_log.pop(1)

サンプルコードの説明

ほぼ公式通りではありますが、カラー設定など少し手を加えているので説明します。

STEP
ライブラリのインポート
```
import os
import openai
import readline
```
pipでインストールしたOpenAIのライブラリと環境変数に設定したAPIキーを読むためにosライブラリをインポートします。readlineはinput()で日本語がずれないようにします。
STEP
APIキーの設定とモデルの指定
```
openai.api_key = os.getenv("OPENAI_API_KEY")
chat_log = [{"role": "system", "content": "あなたは世界でもっとも優れたAIです。"}]
```
環境変数OPENAI_API_KEYを読み、roleのsystemで動作を設定する初期設定を入力しておきます。それを今回はchat_logという配列にします。

os.getenvについては下の記事がぜひご覧ください。

関連
【Python】python-dotenvの使い方（環境変数をコードに直接書かない方法）
STEP
文字カラーの設定
```
blue= '\033[34m'
green= '\033[32m'
bold = '\033[1m'
reset = '\033[0m'
```
色を付けて見やすくするためにANSI color codeを設定しています。

STEP

プロンプトの入力


while True:
    prompt = input(bold+blue+"Enter a prompt (or 'q'): "+reset+'\n')
    if prompt.lower() == 'q':
        break

qが入力されるまで繰り返し、qが入力されたらwhileを抜けて終了します。

STEP
OpenAIのAPIにリクエストし、レスポンスを受け取る
ChatGPT APIではChatCompletionというオブジェクトを使います。会話の履歴を用いてスムーズに会話するために、配列chat_logに会話履歴をappnedします。
```
    chat_log.append({"role": "user", "content": prompt})
    response = openai.ChatCompletion.create(
        model = "gpt-3.5-turbo",
        temperature = 0.0,
        messages= chat_log
    )
```
STEP
ChatGPT API（gpt-3.5-turbo）のレスポンスを出力
```
    messages = response["choices"][0]["message"]["content"]
    total_tokens = response["usage"]["total_tokens"]

    print(bold+green+messages+reset, end = "\n")
    print("Total Tokens: "+bold+red+str(total_tokens)+reset)
```
太文字緑色でChatGPT API（gpt-3.5-turbo）の回答を出力しています。また、トークン数も表示するようにしました。

total_tokensは入力トークンと出力トークンの合計です
STEP
一定のトークン数を超えたら会話履歴を削除する
下の例では、4,000トークンを超えた場合に会話履歴のchat_logから要素を削除します。
```
    if total_tokens > 4000:
        chat_log.pop(1)
```
STEP
サンプルプログラムの保存
ファイルを保存して、aliasで今回はchatgptに設定します。
```
vi ~/.zshrc
alias chatgpt='python /PATH/TO/PROG/sample_python.py'
```
STEP
会話履歴を考慮して、会話できているか確認してみます。

下の例は日本の人口について会話していますが、しっかり履歴が考慮されています。