Skip to Content
DocumentaçãoGuiasStreaming

Resposta em streaming

O streaming permite receber a saída do modelo em tempo real durante a geração, melhorando a experiência do usuário e a percepção de velocidade.

Como funciona

O OfoxAI implementa streaming através do protocolo Server-Sent Events (SSE):

  1. O cliente define stream: true na requisição
  2. O servidor retorna fragmentos de conteúdo gerado (chunks) progressivamente
  3. Cada chunk é enviado via SSE com o prefixo data:
  4. Ao final da geração, é enviado data: [DONE]

Streaming com protocolo OpenAI

Terminal
curl https://api.ofox.ai/v1/chat/completions \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -H "Content-Type: application/json" \
  -N \
  -d '{
    "model": "openai/gpt-4o",
    "messages": [{"role": "user", "content": "Escreva um poema sobre programação"}],
    "stream": true
  }'

Streaming com protocolo Anthropic

stream_anthropic.py
import anthropic
 
client = anthropic.Anthropic(
    base_url="https://api.ofox.ai/anthropic",
    api_key="<Sua OFOXAI_API_KEY>"
)
 
with client.messages.stream(
    model="anthropic/claude-sonnet-4.5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Escreva um poema sobre programação"}]
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)

Streaming + Function Calling

O streaming também suporta Function Calling. O modelo primeiro transmite a requisição de chamada de ferramenta, você a processa e depois continua o diálogo:

stream_with_tools.py
stream = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Como está o tempo em Pequim hoje?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Obter o clima de uma cidade específica",
            "parameters": {
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "Nome da cidade"}
                },
                "required": ["city"]
            }
        }
    }],
    stream=True
)
 
for chunk in stream:
    delta = chunk.choices[0].delta
    if delta.tool_calls:
        # Processar chamada de ferramenta
        print(f"Chamada de ferramenta: {delta.tool_calls[0].function}")
    elif delta.content:
        print(delta.content, end="", flush=True)

Tratamento de erros e reconexão

Conexões de streaming podem ser interrompidas por problemas de rede. Implemente uma lógica de reconexão.

stream_retry.py
import time
 
def stream_with_retry(client, max_retries=3, **kwargs):
    for attempt in range(max_retries):
        try:
            stream = client.chat.completions.create(stream=True, **kwargs)
            for chunk in stream:
                yield chunk
            return  # Concluído com sucesso
        except Exception as e:
            if attempt < max_retries - 1:
                wait = 2 ** attempt  # Backoff exponencial
                print(f"\nConexão interrompida, reconectando em {wait}s...")
                time.sleep(wait)
            else:
                raise e

Boas práticas

  1. Sempre configurar timeout — Evitar espera indefinida
  2. Tratar chunks incompletos — Alguns chunks podem não conter content
  3. Implementar mecanismo de reconexão — Com backoff exponencial
  4. Usar flush no frontend — Garantir que o conteúdo seja exibido imediatamente
Last updated on
Catálogo de modelosFunction Calling