Cara Integrasi OpenAI API di Aplikasi Laravel (Lengkap dengan Contoh)

Menambahkan fitur AI ke aplikasi Laravel tidak serumit yang dibayangkan. Tanpa training model sendiri, kamu bisa memakai OpenAI API untuk ringkasan teks, chatbot, klasifikasi, sampai generasi konten — semuanya lewat HTTP request biasa.

Persiapan: API Key

Daftar di platform.openai.com, buat API key baru, dan simpan di .env:

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_MODEL=gpt-4o-mini

Tambahkan ke config/services.php agar bisa diakses rapi dari kode:

'openai' => [
    'key'   => env('OPENAI_API_KEY'),
    'model' => env('OPENAI_MODEL', 'gpt-4o-mini'),
],

Peringatan keamanan: jangan pernah commit .env ke Git dan jangan expose API key ke frontend. Semua panggilan API harus lewat backend.

Membuat Service Class

Jangan panggil API langsung dari controller — bungkus dalam service agar mudah di-test dan diganti provider:

// app/Services/OpenAiService.php
namespace App\Services;

use Illuminate\Support\Facades\Http;

class OpenAiService
{
    public function chat(array $messages, array $options = []): string
    {
        $response = Http::withToken(config('services.openai.key'))
            ->timeout(60)
            ->post('https://api.openai.com/v1/chat/completions', [
                'model'       => $options['model'] ?? config('services.openai.model'),
                'messages'    => $messages,
                'temperature' => $options['temperature'] ?? 0.7,
                'max_tokens'  => $options['max_tokens'] ?? 500,
            ]);

        if ($response->failed()) {
            throw new \Exception('OpenAI API error: ' . $response->body());
        }

        return $response->json('choices.0.message.content');
    }

    public function summarize(string $text): string
    {
        return $this->chat([
            ['role' => 'system', 'content' => 'Kamu adalah peringkas teks. Jawab dalam Bahasa Indonesia yang ringkas dan jelas.'],
            ['role' => 'user', 'content' => "Ringkas teks berikut dalam 3 poin:\n\n{$text}"],
        ], ['max_tokens' => 300, 'temperature' => 0.3]);
    }
}

Perhatikan dua hal: temperature rendah (0.3) untuk tugas faktual seperti ringkasan agar output konsisten, dan max_tokens dibatasi agar biaya terkendali.

Memakai di Controller

// app/Http/Controllers/SummaryController.php
class SummaryController extends Controller
{
    public function __invoke(Request $request, OpenAiService $ai)
    {
        $validated = $request->validate([
            'text' => 'required|string|min:100|max:10000',
        ]);

        $summary = $ai->summarize($validated['text']);

        return response()->json(['summary' => $summary]);
    }
}

Laravel otomatis meng-inject OpenAiService lewat dependency injection. Route-nya:

Route::post('/api/summarize', SummaryController::class)
    ->middleware('auth:sanctum');

Menghemat Biaya dengan Caching

Panggilan AI berbayar per token. Kalau teks yang sama diringkas berulang kali, cache hasilnya:

public function summarize(string $text): string
{
    $key = 'summary:' . md5($text);

    return Cache::remember($key, now()->addDays(7), function () use ($text) {
        return $this->chat([...]);
    });
}

Satu baris Cache::remember bisa memangkas biaya API hingga 80% untuk konten yang sering diakses — misalnya ringkasan artikel populer di blog.

Menangani Error dengan Anggun

API eksternal bisa gagal: rate limit, timeout, atau key kedaluwarsa. Jangan biarkan user melihat error mentah:

try {
    $summary = $ai->summarize($text);
} catch (\Exception $e) {
    Log::error('AI summarize gagal', ['error' => $e->getMessage()]);
    return response()->json([
        'message' => 'Layanan AI sedang sibuk, coba lagi sebentar.',
    ], 503);
}

Untuk proses yang lama (lebih dari 30 detik), pindahkan ke queue job agar request HTTP tidak timeout — user dapat notifikasi saat hasilnya siap.

Prompt yang Baik = Output yang Baik

Kualitas output AI sangat ditentukan prompt. Tiga prinsip:

1. Spesifik. "Ringkas dalam 3 poin Bahasa Indonesia" jauh lebih baik dari "ringkas ini".
2. Beri peran. System prompt seperti "kamu adalah editor profesional" mengarahkan gaya bahasa.
3. Batasi format. Minta output JSON kalau hasilnya akan diproses kode — jauh lebih reliable daripada parsing teks bebas.

Langkah Selanjutnya

Setelah dasar ini jalan, kamu bisa bereksperimen: streaming response agar user melihat jawaban muncul kata per kata (pakai Server-Sent Events), function calling agar AI bisa memanggil fungsi di aplikasimu, atau RAG agar AI menjawab berdasarkan dokumen milikmu sendiri.

Integrasi AI bukan lagi fitur mewah — ini sudah jadi ekspektasi user. Mulai dari satu fitur kecil seperti ringkasan otomatis, dan kembangkan dari sana.