5. Endpoints und Codebeispiele

Stand: 18. August 2026

Responses und Chat Completions

Responses API

Für neue Integrationen mit Reasoning-Modellen, Tool-Calling und mehrstufigen Workflows wird die Responses API empfohlen. Das Modell muss für den API-Key freigeschaltet sein.

POST https://api.logicc.cloud/v1/responses

{
  "model": "gpt-5-mini",
  "input": "Fasse die wichtigsten Punkte dieses Textes zusammen.",
  "max_output_tokens": 800
}

Parameter wie reasoning, reasoning_effort, tools, temperature und Token-Limits sind modell- und endpointabhängig. Für Tool-Calling mit GPT-5.6 sollte die Responses API verwendet werden, wenn Chat Completions die gewünschte Kombination nicht unterstützt.

Chat Completions

POST https://api.logicc.cloud/v1/chat/completions

• model (string, erforderlich: Ja): Modell-ID aus GET /v1/models. Nur freigeschaltete Modelle sind nutzbar.
• messages (array, erforderlich: Ja): Konversationsverlauf im OpenAI-Format mit role und content.
• temperature (number, erforderlich: Nein): Modellabhängig. Nicht jedes Reasoning-Modell unterstützt diesen Parameter.
• max_completion_tokens (integer, erforderlich: Nein): Maximale Anzahl der Output-Tokens bei Chat Completions, sofern vom Modell unterstützt.
• reasoning_effort (string, erforderlich: Nein): Modellabhängige Reasoning-Stufe. Bei Tool-Calling kann die Responses API erforderlich sein.
• stream (boolean, erforderlich: Nein): Wenn true, werden Antwort-Tokens als Server-Sent Events gestreamt.
• tools (array, erforderlich: Nein): Tool-Definitionen, sofern das gewählte Modell Tool-Calling unterstützt.
• tool_choice (string/object, erforderlich: Nein): Optionale Steuerung, ob und welches Tool aufgerufen werden soll.

{
  "model": "gpt-5-mini",
  "messages": [
    {"role": "system", "content": "Du bist ein hilfreicher Assistent."},
    {"role": "user", "content": "Erkläre den Unterschied zwischen REST und GraphQL."}
  ],
  "temperature": 0.2
}

Function- und Tool-Calling kann über Chat Completions genutzt werden, sofern das gewählte Modell und die verwendeten Parameter diese Kombination unterstützen. Für neue Reasoning- und Tool-Workflows ist die Responses API die bevorzugte Schnittstelle.

Embeddings

POST https://api.logicc.cloud/v1/embeddings

• model (string, erforderlich: Ja): Freigeschaltete Embedding-Modell-ID aus GET /v1/models.
• input (string/array, erforderlich: Ja): Text oder Liste von Texten, für die Embeddings erzeugt werden sollen.

Audio-Transkription

Audioaufnahmen können über den OpenAI-kompatiblen Transkriptions-Endpunkt in Text umgewandelt werden. Der Request verwendet multipart/form-data. Das Modell muss für den verwendeten API-Key freigeschaltet sein.

curl "https://api.logicc.cloud/v1/audio/transcriptions" \
  -H "Authorization: Bearer $LOGICC_API_KEY" \
  -F "model=gpt-4o-transcribe" \
  -F "[email protected]"

recording.mp3 bezeichnet eine lokale Audiodatei. Das im Beispiel verwendete Modell wird über Azure bereitgestellt und kann damit im §-203-Rahmen genutzt werden, sofern es für den API-Key freigeschaltet ist. Bifrost unterstützt bei Transkriptionen gängige Audioformate, darunter MP3, MP4, MPEG, MPGA, M4A, WAV und WebM. Die Standardantwort enthält den transkribierten Text. Je nach freigeschaltetem Modell können zusätzliche Parameter wie language, prompt oder response_format unterstützt werden.

Antwort-Objekt

• id (string): Eindeutige ID der Anfrage.
• object (string): Objekttyp, typischerweise chat.completion.
• created (integer): Unix-Zeitstempel der Antworterstellung.
• model (string): Tatsächlich verwendetes Modell.
• choices (array): Liste der Antwortoptionen.
• choices[].message (object): Antwortnachricht mit role und content, bei Bedarf mit tool_calls.
• choices[].finish_reason (string): Grund für das Ende, zum Beispiel stop, length oder tool_calls.
• usage (object): Token-Nutzung mit prompt_tokens, completion_tokens und total_tokens.

Code-Beispiele

cURL

curl -X POST "https://api.logicc.cloud/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer DEIN_LOGICC_API_SCHLUESSEL" \
  -d '{
    "model": "gpt-5-mini",
    "messages": [
      {"role": "user", "content": "Hallo Logicc API"}
    ]
  }'

Python mit OpenAI SDK

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["LOGICC_API_KEY"],
    base_url="https://api.logicc.cloud/v1",
    max_retries=3,
    timeout=60.0,
)

response = client.responses.create(
    model="gpt-5-mini",
    input="Schreibe eine kurze Zusammenfassung.",
    max_output_tokens=800,
)
print(response.output_text)

Installation: pip install openai

Node.js mit OpenAI SDK und Streaming

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.LOGICC_API_KEY,
  baseURL: "https://api.logicc.cloud/v1",
  maxRetries: 3,
  timeout: 60000
});

const stream = await client.responses.create({
  model: "gpt-5-mini",
  input: "Wie funktioniert ein neuronales Netz?",
  stream: true
});

for await (const event of stream) {
  if (event.type === "response.output_text.delta") {
    process.stdout.write(event.delta);
  }
}

Installation: npm install openai

Für produktive Integrationen sollten Timeouts, begrenzte Retries mit exponentiellem Backoff und eine Behandlung für 429- sowie 5xx-Antworten vorgesehen werden. Wiederholen Sie Requests nicht unbegrenzt.