🛠️ mcAI auf die Response API migriert – ohne den laufenden Betrieb zu stören

Heute haben wir einen wichtigen Meilenstein erreicht: mcAI wurde übergreifend auf die OpenAI Response API migriert, während der bestehende Betrieb mit OpenAI Chat/Competition und Ollama parallel weiterhin möglich bleibt. Genau darin lag die eigentliche Herausforderung – nicht in der reinen API-Umstellung, sondern darin, ein hochsensibles, bereits produktiv genutztes System zu modernisieren, ohne Abläufe, Integrationen oder laufende Dialogpfade zu destabilisieren.

Besonders wichtig war, dass der Übergang kontrolliert, rückwärtskompatibel und für den Betrieb unsichtbar ist. 

Die größte Herausforderung: neue API, alter Betrieb

Die Umstellung auf die Response API klingt auf dem Papier einfach. In der Praxis ist sie jedoch ein Eingriff in das Herzstück des Systems: Antwortformat, Extraktion, Tool-Verhalten, Fehlerbilder, Kontextverarbeitung und Fallback-Logik. Bei mcAI kam hinzu, dass das System bereits zahlreiche Funktionen miteinander verzahnt: Ollama, KB-Suche, RAG, Webkontext, Personas, Follow-up-Actions und verschiedene Modellpfade.

Deshalb bestand die Aufgabe nicht darin, “einfach umzustellen”, sondern beide Welten gleichzeitig zu unterstützen. Genau dafür wurde ein Dispatcher in mcOpenAiApi implementiert.

Der Dispatcher in @mcOpenAiApi

Der Dispatcher übernimmt die zentrale Entscheidung, welcher OpenAI-Endpunkt für welchen Anwendungsfall verwendet wird. Statt die bestehende Architektur zu brechen, kapselt er die Auswahl sauber ab. So kann mcAI je nach Modell, Feature und Anfrage entweder über die klassische Chat/Competition-Route, Ollama oder über die neue Response API arbeiten.

Das Ergebnis: Der laufende Betrieb wurde nicht gestört. Bestehende Funktionen blieben stabil, während neue Modelle und neue Response-Mechaniken bereits integriert werden konnten. Besonders wichtig war dabei, dass die Antwortauswertung robust bleibt – denn die Response API liefert Strukturen, die sich vom bisherigen Format unterscheiden können. Diese Unterschiede wurden im Parsing sauber abgefangen.

@mcBot parallelbetriebfähig gemacht

Auch mcBot musste für den Parallelbetrieb vorbereitet werden. Dort ist die eigentliche Orchestrierung verankert: Kontextaufbau, KB-Matching, RAG, manuelle Kontextinjektion, Meta-Queries, Prompt-Zusammenbau und die finale Antwortgenerierung. Eine Migration an dieser Stelle muss sehr vorsichtig erfolgen, weil jede kleine Änderung unerwartete Nebenwirkungen haben kann.

Deshalb wurde die Logik so angepasst, dass mcAI weiterhin sauber mit den bestehenden Antwortpfaden arbeiten kann, während die neue API im Hintergrund bereits nutzbar ist. Besonders hilfreich war dabei die robuste Extraktion der Antworttexte aus unterschiedlichen Response-Strukturen. So bleibt das System auch dann stabil, wenn OpenAI je nach Modell und Modus unterschiedliche Payloads zurückliefert.

Die technischen Hürden – und wie wir sie gelöst haben

• Unterschiedliche Antwortformate: gelöst durch eine robuste Extraktionslogik, die sowohl alte als auch neue Strukturen versteht.
• Parallelbetrieb ohne Ausfallrisiko: gelöst durch einen Dispatcher, der API-Pfade kontrolliert auswählt.
• Empfindliche bestehende Logik: gelöst durch minimale Eingriffe an kritischen Stellen und saubere Kapselung.
• Komplexe Feature-Verkettung: gelöst durch klare Trennung von Kontext, Prompting, Tooling und Antwortverarbeitung.

Genau diese Disziplin war entscheidend. In einem System wie mcAI darf Modernisierung nicht wie ein Umbau wirken, sondern wie ein präzise geführter Austausch im laufenden Betrieb.

Zukunftssicher in Rekordzeit

Besonders erfreulich: In den letzten Tagen haben wir zusätzlich gpt-image-2 und gpt-5.5 erfolgreich in mcAI integriert. Außerdem wurde das Websearch-Tool-Modul für die neuen Modelle vorbereitet. Modelle, die bisher als Endpoints für Websearch fungiert haben, werden bei OpenAI schrittweise deprecated. Mit dieser Anpassung haben wir mcAI sehr schnell auf die neuen Anforderungen ausgerichtet und das System zukunftssicher gemacht.

Unterm Strich ist genau das gelungen, was bei einer anspruchsvollen Plattform dieser Art zählt: Modernisierung ohne Betriebsunterbrechung, Parallelbetrieb ohne Reibungsverluste und Integration neuer OpenAI-Modelle ohne organisatorischen oder technischen Stillstand.

FAQ

Was war der Hauptgrund für die Migration von mcAI zur OpenAI Response API?

Welche Rolle spielt der Dispatcher in mcOpenAiApi?

Wie wurde die Antwortauswertung bei unterschiedlichen Response‑Formaten sichergestellt?

Welche neuen Modelle wurden kürzlich in mcAI integriert?

H.M.