Python SDK로 스트림 소비
async for와 함께 OpenAI 비동기 클라이언트를 사용해 스트리밍 완성을 소비하고 전체 응답을 누적하며, 부분 출력을 잃지 않고 스트림 중간의 오류를 처리합니다.
Python SDK로 스트림 소비은(는) CoddyKit의 무료 AI Engineering Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Engineering Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Engineering Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
동기 스트리밍 클라이언트와 비동기 스트리밍 클라이언트
OpenAI Python SDK는 동기식 OpenAI 클라이언트와 비동기식 AsyncOpenAI 클라이언트를 모두 제공합니다. 명령줄 스크립트와 간단한 애플리케이션에서는 동기식 클라이언트를 사용하는 편이 더 쉽습니다. 웹 서버, API, 여러 동시 요청을 처리하는 애플리케이션에서는 비동기 클라이언트가 필수적입니다. 토큰을 기다리는 동안 이벤트 루프를 차단하지 않으므로 다른 요청을 동시에 처리할 수 있기 때문입니다.
# Synchronous client (simple scripts)
from openai import OpenAI
client = OpenAI()
# Asynchronous client (web servers, concurrent workloads)
from openai import AsyncOpenAI
async_client = AsyncOpenAI()
# The async client has the same API surface as the sync client
# but all methods are coroutines that must be awaitedAsyncOpenAI를 사용한 비동기 스트리밍
AsyncOpenAI 클라이언트를 사용하면 스트리밍 호출이 코루틴이 됩니다. 일반적인 for 루프 대신 async for를 사용하여 청크를 순회합니다. 이벤트 루프는 각 청크가 도착하는 사이에 다른 코루틴을 예약할 수 있으므로, LLM에서 다음 토큰을 기다리는 동안 서버가 다른 요청을 처리할 수 있습니다. 웹 환경에서 동기 스트리밍보다 뛰어난 핵심 장점이 바로 이것입니다.
import asyncio
from openai import AsyncOpenAI
async_client = AsyncOpenAI()
async def async_stream_completion(prompt: str) -> str:
stream = await async_client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
stream=True,
)
full_text = ''
async for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
print(delta, end='', flush=True)
full_text += delta
print()
return full_text
# Run the coroutine
asyncio.run(async_stream_completion('Explain what async/await does in Python'))stream 컨텍스트 관리자 사용
OpenAI SDK는 client.chat.completions.stream()을 통한 스트림 컨텍스트 관리자도 제공합니다. 이 방식은 컨텍스트를 벗어날 때 스트림을 자동으로 닫고, None이 아닌 텍스트 델타만 생성하는 stream.text_stream이나 수동으로 누적하지 않고 스트림 이후 사용량 통계를 얻는 stream.get_final_completion() 같은 편의 메서드를 제공합니다.
from openai import AsyncOpenAI
import asyncio
async def stream_with_context_manager(prompt: str):
async with async_client.chat.completions.stream(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
) as stream:
# text_stream filters None deltas automatically
async for text in stream.text_stream:
print(text, end='', flush=True)
# Access final completion after stream ends
completion = await stream.get_final_completion()
print(f'\nUsage: {completion.usage}')
return completion
asyncio.run(stream_with_context_manager('What are the benefits of async I/O?'))스트림 중간 오류를 적절하게 처리하기
스트리밍 중에는 어느 시점에서든 오류가 발생할 수 있습니다. 초기 연결 중일 수도 있고, 첫 번째 토큰 이후일 수도 있으며, 긴 응답이 거의 끝나갈 무렵일 수도 있습니다. 스트림 순회를 try/except 블록으로 감싸고 openai.APIConnectionError, openai.RateLimitError, openai.APIStatusError를 각각 처리하십시오. 각 오류에는 서로 다른 복구 전략(재시도, 백오프 또는 사용자 알림)이 필요하기 때문입니다.
import openai
async def resilient_stream(prompt: str):
try:
stream = await async_client.chat.completions.create(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
stream=True,
)
accumulated = ''
async for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
accumulated += delta
yield delta # async generator
except openai.RateLimitError:
yield '[Rate limit reached — please wait and retry]'
except openai.APIConnectionError:
yield '[Connection error — check your network]'
except openai.APIStatusError as e:
yield f'[API error {e.status_code}]'
except Exception as e:
yield f'[Unexpected error: {type(e).__name__}]'스트리밍을 위한 비동기 생성기
스트리밍에 가장 깔끔한 비동기 패턴은 토큰을 생성하는 비동기 생성기 함수입니다. 소비자는 async for로 이를 순회합니다. 이렇게 하면 스트리밍 로직과 출력을 사용하는 방식이 분리됩니다. 따라서 FastAPI 엔드포인트, WebSocket 처리기, 테스트가 서로의 존재를 알 필요 없이 동일한 생성기를 사용할 수 있습니다.
from typing import AsyncGenerator
async def token_stream(
messages: list[dict],
model: str = 'gpt-4o-mini',
) -> AsyncGenerator[str, None]:
stream = await async_client.chat.completions.create(
model=model,
messages=messages,
stream=True,
)
async for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
yield delta
# Consumer 1: print to terminal
async def print_stream(messages):
async for token in token_stream(messages):
print(token, end='', flush=True)
# Consumer 2: collect to string
async def collect_stream(messages) -> str:
return ''.join([t async for t in token_stream(messages)])동시 스트리밍 요청
비동기 스트리밍의 주요 이점은 하나의 프로세스 안에서 여러 스트림을 동시에 실행할 수 있다는 것입니다. asyncio.gather를 사용하면 여러 LLM 스트리밍 요청을 동시에 시작하고 토큰이 도착하는 대로 처리할 수 있습니다. 이는 여러 프롬프트 변형을 비교하거나 하위 작업을 병렬로 실행하려는 팬아웃 패턴에 유용합니다.
import asyncio
async def run_parallel_streams(queries: list[str]) -> list[str]:
async def collect(query):
messages = [{'role': 'user', 'content': query}]
return ''.join([t async for t in token_stream(messages)])
results = await asyncio.gather(*[collect(q) for q in queries])
return results
queries = [
'What is RAG?',
'What is a vector database?',
'What is BM25?',
]
async def main():
answers = await run_parallel_streams(queries)
for q, a in zip(queries, answers):
print(f'Q: {q}\nA: {a[:100]}\n')
asyncio.run(main())시간 초과와 취소
장시간 실행되는 스트림에는 무기한 차단을 방지하기 위한 시간 초과가 있어야 합니다. asyncio.wait_for를 사용하여 코루틴 수준의 시간 초과를 적용하거나, httpx.Timeout을 사용하여 HTTP 클라이언트 수준에서 연결 및 읽기 시간 초과를 설정하십시오. 두 방식 모두 멈춘 스트림이 요청을 무기한 점유하지 않도록 합니다. 사용자가 연결을 끊으면 GPU 연산을 낭비하지 않도록 항상 스트림을 명시적으로 취소하십시오.
import asyncio
async def stream_with_timeout(messages, timeout_seconds: float = 30.0):
try:
async with asyncio.timeout(timeout_seconds):
stream = await async_client.chat.completions.create(
model='gpt-4o-mini',
messages=messages,
stream=True,
timeout=timeout_seconds, # HTTP-level timeout
)
async for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
yield delta
except asyncio.TimeoutError:
yield '\n[Stream timed out after {:.0f}s]'.format(timeout_seconds)부분 줄 버퍼링
완전한 줄을 처리하는 클라이언트(예: 마크다운을 렌더링하는 CLI)로 스트리밍할 때는 줄 바꿈이나 문장 경계가 나타날 때까지 토큰을 버퍼링한 후 전달하는 것이 좋습니다. 이렇게 하면 불완전한 문장이 깜박이며 렌더링되는 현상을 방지할 수 있습니다. 토큰을 버퍼에 누적하고, 문장을 끝내는 구두점이나 줄 바꿈 문자를 감지하면 버퍼를 소비자에게 비운 다음, 스트림이 끝날 때 남은 버퍼도 항상 비우십시오.
async def buffered_line_stream(messages):
buffer = ''
flush_on = {'.', '!', '?', '\n'}
async for token in token_stream(messages):
buffer += token
if any(c in buffer for c in flush_on):
# Find the last sentence-ending position
for i, c in enumerate(reversed(buffer)):
if c in flush_on:
split_pos = len(buffer) - i
yield buffer[:split_pos]
buffer = buffer[split_pos:]
break
if buffer: # flush remainder
yield buffer프로덕션에서 스트림 지연 시간 기록하기
프로덕션에서는 모니터링을 위해 모든 스트림을 계측하여 TTFT와 전체 생성 시간을 기록하십시오. 이러한 지표를 시계열 데이터베이스에 저장하고, TTFT가 SLA 임계값을 초과하면 알림을 보내십시오(대화형 애플리케이션에서는 일반적으로 1~2초입니다). TTFT 급증을 프롬프트 길이, 모델 부하, 시간대와 연관 지어 지연 시간 저하의 근본 원인을 찾아내십시오.
import time
from dataclasses import dataclass
@dataclass
class StreamMetrics:
prompt_chars: int
ttft_ms: float
total_ms: float
token_count: int
async def instrumented_stream(messages) -> tuple[str, StreamMetrics]:
t_start = time.perf_counter()
t_first = None
token_count = 0
full_text = ''
stream = await async_client.chat.completions.create(
model='gpt-4o-mini', messages=messages, stream=True
)
async for chunk in stream:
delta = chunk.choices[0].delta.content
if delta:
if t_first is None:
t_first = time.perf_counter()
token_count += 1
full_text += delta
t_end = time.perf_counter()
prompt_len = sum(len(m.get('content', '')) for m in messages)
metrics = StreamMetrics(
prompt_chars=prompt_len,
ttft_ms=(t_first - t_start) * 1000 if t_first else 0,
total_ms=(t_end - t_start) * 1000,
token_count=token_count,
)
return full_text, metrics비동기 스트리밍 코드 테스트하기
비동기 스트리밍을 테스트하려면 특별한 주의가 필요합니다. pytest-asyncio를 사용하여 비동기 테스트 함수를 실행하고, 단위 테스트에서 실제 API 호출을 피하도록 OpenAI 클라이언트를 모의 객체로 대체하십시오. 구성 가능한 지연 시간과 함께 미리 정의된 청크를 생성하는 가짜 스트림을 만들어 정상적인 토큰 처리 경로와 오류 처리 경로를 모두 API 사용량을 소모하지 않고 테스트하십시오.
# pip install pytest pytest-asyncio
import pytest
from unittest.mock import AsyncMock, MagicMock
async def fake_stream(tokens: list[str]):
for token in tokens:
chunk = MagicMock()
chunk.choices[0].delta.content = token
yield chunk
@pytest.mark.asyncio
async def test_stream_accumulates_correctly(monkeypatch):
mock_create = AsyncMock(return_value=fake_stream(['Hello', ', ', 'world', '!']))
monkeypatch.setattr(async_client.chat.completions, 'create', mock_create)
result = await collect_stream([{'role': 'user', 'content': 'Hi'}])
assert result == 'Hello, world!'SDK 도우미: stream.text와 stream.final_message
OpenAI Python SDK의 스트림 컨텍스트 관리자는 수동 누적을 대신할 수 있는 도우미 속성을 제공합니다. stream.text_stream은 None이 아닌 콘텐츠 문자열만 생성하는 비동기 반복자입니다. 스트림이 완료된 후 await stream.get_final_message()는 전체 텍스트와 사용량 데이터가 포함된 완전한 ChatCompletionMessage를 반환합니다. 이러한 도우미는 반복적인 코드를 줄이고 빈 델타와 같은 예외적인 경우를 자동으로 처리합니다.
async def clean_streaming_example(prompt: str):
async with async_client.chat.completions.stream(
model='gpt-4o-mini',
messages=[{'role': 'user', 'content': prompt}],
) as stream:
# Iterate only over text tokens, None deltas filtered automatically
async for text in stream.text_stream:
print(text, end='', flush=True)
# After context exit, get accumulated result
final = await stream.get_final_completion()
return final.choices[0].message.content빠른 확인
이 레슨에서 배운 OpenAI Python SDK의 비동기 스트리밍에 대한 이해도를 확인해 보십시오.
레슨 요약
이 레슨에서는 다음을 배웠습니다. AsyncOpenAI는 서버가 동시 요청을 처리할 수 있도록 비차단 스트리밍을 지원하고, 비동기 생성기는 스트리밍 토큰을 하위 소비자에게 전달하는 가장 깔끔한 패턴이며, asyncio.wait_for와 timeout 매개변수는 무기한 멈춘 스트림이 서버를 차단하지 않도록 합니다. 스트림 컨텍스트 관리자는 text_stream과 get_final_completion 같은 편의 도우미를 제공합니다. 다음으로 FastAPI와 Server-Sent Events를 통해 브라우저 클라이언트에 LLM 스트리밍을 노출하겠습니다.
자주 묻는 질문
“Python SDK로 스트림 소비” 강의는 무료인가요?
네 — “Python SDK로 스트림 소비” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Engineering Academy 강의 전체를 잠금 해제할 수 있습니다. AI Engineering Academy 강의에는 총 4개의 강의가 포함되어 있습니다.
“Python SDK로 스트림 소비”에서 뭘 배우나요?
async for와 함께 OpenAI 비동기 클라이언트를 사용해 스트리밍 완성을 소비하고 전체 응답을 누적하며, 부분 출력을 잃지 않고 스트림 중간의 오류를 처리합니다. 브라우저에서 직접 실행하는 실습 코드로 AI Engineering Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
AI Engineering Academy을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 AI Engineering Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.
“Python SDK로 스트림 소비” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 AI Engineering Academy 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 AI Engineering Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.
이 강의의 모든 강의
- 토큰 스트리밍 이해
- Python SDK로 스트림 소비
- Server-Sent Events를 사용한 FastAPI 스트리밍
- 스트리밍 응답에서 도구 호출 처리