OpenAI API gebruiken in je applicatie

Wat is de OpenAI API precies?

De OpenAI API is een webservice die je programmatisch toegang geeft tot taalmodellen zoals GPT-4o, GPT-4o mini en o1. In plaats van via de ChatGPT-interface te typen, stuur je een gestructureerd verzoek vanuit je eigen code en verwerk je het antwoord direct in je applicatie. Dit maakt het mogelijk om AI-functies in te bouwen in een klantenportaal, een interne tool, een chatbot of een geautomatiseerd verwerkingsproces.

De communicatie verloopt via HTTPS en JSON. Je stuurt een messages-array mee met de gesprekshistorie, kiest een model en ontvangt een JSON-antwoord terug. Er zijn ook gespecialiseerde endpoints voor embeddings, spraak-naar-tekst en afbeeldingen.

Authenticatie: de API key

Toegang werkt via een API-sleutel: een lange reeks tekens die je aanmaakt in het OpenAI-dashboard. Je stuurt die sleutel mee als HTTP-header bij elk verzoek:

Authorization: Bearer sk-...

Bewaar de sleutel nooit in je broncode of versiebeheersysteem. Gebruik omgevingsvariabelen of een secrets-manager. OpenAI biedt ook projectsleutels en organisatielagen voor teams die meerdere applicaties beheiden.

Endpoints en wat ze doen

Het meest gebruikte endpoint is /v1/chat/completions. Je stuurt een lijst berichten mee (systeem, gebruiker, assistent) en krijgt een nieuwe assistentreactie terug. Zo kun je meerondelige gesprekken opbouwen of enkelvoudige taken uitvoeren zoals samenvatten, vertalen of extraheren.

Het /v1/embeddings-endpoint zet tekst om naar een vector: een rij getallen die de betekenis van de tekst representeert. Dit is de basis voor zoekfuncties en RAG-systemen. Meer daarover lees je in wat is retrieval-augmented generation.

Tokens en kosten begrijpen

Kosten worden berekend per token, niet per verzoek. Invoer en uitvoer worden apart geteld en afzonderlijk geprijsd. GPT-4o mini kost significant minder dan GPT-4o, maar levert voor de meeste taken vergelijkbare kwaliteit.

Praktische vuistregels:

• 1.000 woorden tekst is circa 1.300 invoer-tokens
• Houd de systeemprompt zo beknopt mogelijk om vaste kosten laag te houden
• Cache herhaalde prompts met de prefix-caching-functie van OpenAI om kosten te halveren bij identieke contexten

Als je met AI in je applicatie werkt, loont het om te beginnen met het goedkoopste model en alleen op te schalen naar een zwaarder model als de kwaliteit tegenvalt. Dit staat ook centraal in starten met AI in je organisatie.

Integratie in je applicatie

De officiële Python- en Node.js-bibliotheken nemen het HTTP-verkeer voor je over. Een minimaal Python-voorbeeld ziet er zo uit:

from openai import OpenAI

client = OpenAI()
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": "Vat dit samen: ..."}]
)
print(response.choices[0].message.content)

Voor low-code omgevingen kun je de API aanspreken via n8n of Make. In n8n koppelen met een AI-model lees je hoe je dat zonder code opzet.

Rate limits en foutafhandeling

OpenAI hanteert limieten op het aantal verzoeken en tokens per minuut. Bij overschrijding krijg je een 429 Too Many Requests-fout. Bouw altijd een retry-logica in: wacht na een fout een paar seconden en probeer opnieuw, met een maximum aantal pogingen. Gebruik ook streaming voor lange antwoorden, zodat gebruikers de output al zien terwijl het model nog genereert in plaats van een lange laadtijd te zien.

Onze tip: Begin altijd met gpt-4o-mini en meet of de kwaliteit voldoende is voor jouw use case. Verander pas naar een zwaarder model als je meetbare kwaliteitsproblemen ziet. Het scheelt al snel 80 tot 90 procent op je maandelijkse API-kosten.