Elysia Tools

Durchsuche Tools, Beispiele, visuelle Erklärungen und Themenguides an einem klaren Ort.

Beliebte Kategorien

Themen

Sprache
ZHESPTRUFRDEEN

Elysia Tools

Mobile Navigation

AI Tools

JSON-Schema-Builder für LLM-Tool-Calling

· Zuletzt aktualisiert：2026-08-28

Definiere ein LLM-Tool einmal und erzeuge validierte Function-Calling-Payloads für OpenAI, Anthropic und Gemini.

Einzelheiten

Wobei dieses Tool hilft

DSL mit einem Parameter pro Zeile rein, drei fertige Payloads zum Einfügen raus — plus Validierungstabelle, die die Schema-Unterschiede, die 400-Fehler verursachen, vor dem Release abfängt.

Ausführung

Dieses Tool ausführen

Fülle das Formular aus, starte das Tool und prüfe das Ergebnis an einem Ort.

Beispiele

Beispiele zu diesem Tool

Verwandt

Mit verwandten Tools und Themen fortfahren

Verfasst vom Elysia Tools Team

Leitfaden zur Tool-Nutzung

Erfahren Sie, wann dieses Tool passt, was es unterstützt und wie Nutzer es anwenden.

Wichtige Fakten

Kategorie
AI Tools
Eingabetypen
text, textarea, checkbox, select
Ausgabetyp
html
Sample-Abdeckung
4
API bereit
Ja

Überblick

Der JSON-Schema-Builder für LLM-Tool-Calling wandelt eine kompakte Ein-Zeilen-DSL für Funktionsparameter direkt in validierte Tool-Payloads für OpenAI, Anthropic und Google Gemini um. Das Tool verhindert typische 400-Fehler durch automatische Anpassung an herstellerspezifische Schema-Vorgaben, einschließlich Strict-Mode-Regeln und Typ-Mappings.

Wann verwenden

  • Wenn Sie LLM-Agenten entwickeln und dieselbe Funktionsdefinition für mehrere Anbieter wie OpenAI, Anthropic und Gemini bereitstellen müssen.
  • Wenn Sie komplexe Parameterstrukturen mit Enums, Arrays oder verschachtelten Objekten schnell und fehlerfrei als JSON-Schema modellieren wollen.
  • Wenn API-Aufrufe aufgrund fehlerhafter Strict-Mode-Konfigurationen oder inkompatibler Schema-Eigenschaften wie additionalProperties abgewiesen werden.

So funktioniert es

  1. 1Geben Sie Tool-Name, Tool-Beschreibung sowie die Parameterzeilen im Format 'Name | Typ | Status | Beschreibung' ein, wobei Unterobjekte per Einrückung strukturiert werden.
  2. 2Wählen Sie bei Bedarf den strengen Modus (Strict Mode) und das gewünschte tool_choice-Verhalten (Weglassen, Auto oder Erzwingen).
  3. 3Das Tool generiert simultan die passenden Payloads für OpenAI (tools/strict), Anthropic (input_schema) und Gemini (functionDeclarations) zusammen mit einer Validierungstabelle.

Anwendungsfälle

  • Erstellung von Tool- und Funktionsdefinitionen für Multi-Provider-LLM-Pipelines und KI-Agenten.
  • Konvertierung manueller Funktionsbeschreibungen in strikt typisierte Schemas für OpenAI Structured Outputs.
  • Schnelles Prototyping von MCP-kompatiblen Werkzeugen und API-Schnittstellen für Sprachmodelle.

Beispiele

1. Wetter-Tool für Multi-Provider-Setup

KI-Entwickler

Hintergrund

Ein Entwickler baut einen Chatbot, der wahlweise über OpenAI GPT-4o oder Anthropic Claude aufgerufen wird und Wetterdaten abrufen soll.

Aufgabe

Unterschiedliche JSON-Schema-Vorgaben bei OpenAI und Anthropic führen bei manueller Pflege zu Schemafehlern.

Verwendung

Tragen Sie 'get_weather' als Tool-Name ein, verfassen Sie die Beschreibung und fügen Sie DSL-Zeilen für Stadt, Einheit und Vorhersagetage ein.

toolName: get_weather
paramsInput:
city | string | required | City name, e.g. "Paris"
units | enum<celsius,fahrenheit> | optional | Temperature unit for the report
forecast_days | integer | optional | Days of forecast to include (1-7)
strictMode: true
toolChoice: auto

Ergebnis

Erzeugt fertige, validierte Tool-Payloads für OpenAI und Anthropic mit gesetztem Strict-Mode und passender tool_choice-Konfiguration.

2. Flugsuche mit verschachtelten Parametern

Backend-Ingenieur

Hintergrund

Eine Buchungsplattform integriert einen Gemini- und OpenAI-Assistenten zur automatisierten Flugrecherche.

Aufgabe

Verschachtelte Passagier-Arrays und Flughafen-Objekte erfordern komplexe Typ-Deklarationen und strikte Validierungsregeln.

FAQ

Wie werden verschachtelte Objekte in der DSL definiert?

Verschachtelte Felder werden durch Einrückung unterhalb eines Parameters mit dem Typ 'object' oder 'array<object>' deklariert.

Was bewirkt der strenge Modus (Strict Mode)?

Er erzwingt herstellerspezifische Vorgaben für strukturierte Ausgaben, etwa additionalProperties: false und die Aufnahme aller Felder in required bei OpenAI.

Welche Typen unterstützt die DSL?

Unterstützt werden Basistypen wie string, number, integer, boolean sowie komplexe Typen wie enum<val1,val2>, object, array<typ> und array<object>.

Wie unterscheidet sich die Ausgabe für Gemini von OpenAI und Anthropic?

Gemini nutzt functionDeclarations mit Typen in Großbuchstaben (z. B. OBJECT, STRING), ergänzt propertyOrdering und entfernt nicht unterstützte Schema-Attribute.

Kann der generierte JSON-Code direkt in API-Requests eingefügt werden?

Ja, die Payloads sind exakt nach den Spezifikationen der jeweiligen API formatiert und können direkt kopiert werden.

Start
Werkzeuge3197
Beispiele593
Visualisierungen461
Dateibetrachter103
Themen229
Schlagwörter333
Bilder, Audio & Video655

Werkzeuge für Bild-, Audio- und Videobearbeitung, Konvertierung und Optimierung

Mathe, Datum & Finanzen644

Rechner, Zahlenwerkzeuge, Datumslogik, Statistik und Finanztools

Design & Farbe296

Werkzeuge für Farben, Layouts, Grafiken, visuelle Gestaltung und Designhilfen

Text & Schreiben209

Werkzeuge für Schreiben, Bereinigung, Formatierung, Extraktion und Textanalyse

Entwicklung & Web193

Entwicklerwerkzeuge, Netzwerk-Utilities, Web-Debugging und Automatisierungshelfer

Konvertierung & Kodierung175

Werkzeuge für Format-, Datei-, Archiv-, Einheiten- und Kodierungskonvertierung

UI-Screenshot strukturieren, prüfen und an die Entwicklung übergeben
Klavierskizze erstellen, MIDI prüfen und Hördemo übergeben
Retro-Spieltexturen prüfen und Ressourcen übergeben
Screenshot-Anleitungen prüfen und Schulungsunterlagen übergeben
Responsive Seitenänderungen prüfen und Bildnachweise übergeben

© 2026 Elysia Tools. Alle Rechte vorbehalten.

DokumentationTarifeÜber unsNutzungsbedingungenDatenschutzerklärungCookiesKontakt
Entwicklung

Terraform-Plan-JSON-Beispiele

Terraform-Plan-JSON-Dateien fuer Abhaengigkeitsvisualisierung und Change-Review, passend zu terraform show -json

Datenformate

Chat-JSON-Beispiele

JSON-Beispiele für Chat-Transkripte mit mehreren Rollen

Datenformate

JSON-Beispiele

JSON (JavaScript Object Notation)-Formatbeispiele von einfachen bis komplexen Strukturen

Datenformate

Rich-Text-JSON-Beispiele

JSON-Beispiele für Rich-Text-Editoren (TipTap, Quill, Slate)

AI Tools

HN-Erwähnungen: Lob, Kritik und Leseabsicht

Prüfen Sie die Haltung zu Büchern oder Entitäten aus JSON oder CSV. Trennen Sie Lob, Kritik, Leseabsicht und neutrale Erwähnungen vor der Empfehlungszählung.

AI Tools

MCP-Server-Vertragstester (stdio- + WebSocket-Transport · JSON-Schema-2020-12-Validierung)

Protokollgrundlage (Initialize-Ära, 2024-11-05 … 2025-11-25): Die initialize-Anfrage trägt protocolVersion, Client-Capabilities und clientInfo; der Server antwortet mit serverInfo + capabilities; danach muss der Client die notifications/initialized-Meldung senden. Der offizielle stdio-Transport ist zeilenumbruch-getrenntes JSON-RPC (keine eingebetteten Umbrüche, Logs auf stderr, stdout nur MCP-Nachrichten); WebSocket ist ein Custom-Transport (§ Custom Transports): eine JSON-RPC-Nachricht pro Textframe. Jedes Werkzeug-Schema muss an der Wurzel type:object haben; dieser Tester kompiliert jedes inputSchema mit Ajv 2020-12. sampling ist eine Server→Client-Anfrage: deklariert der Client die Capability, darf der Server sampling/createMessage (messages[] + maxTokens) senden, was der Tester beantwortet und prüft. Die Revision 2026-07-28 definiert einen Stateless-Kern (Server initiieren keine Anfragen mehr); dieser Tester zielt auf die klassische Initialize-Ära und weist dies im Bericht aus. Der Standardmodus verifiziert einen vollständig konformen eingebetteten Referenzserver über zwei Transporte (In-Process-stdio-Strompaar + echtes TCP-WebSocket auf 127.0.0.1) — deterministisch und offline.

Design

ECharts-Theme-Token-Extraktor

Extrahiert Design-Tokens — Farben, Zahlen, Schriftgrößen und Strings — aus einem ECharts-Theme-JSON und exportiert sie direkt in Ihr Design-System. Fügen Sie ein Theme-Objekt ein (das per echarts.init(dom, themeName) registriert wird) und das Werkzeug durchläuft jedes Leaf, taggt jede Farbe (optional Named/rgb → hex normalisiert), jeden Abstand, jede Schriftgröße und jeden String und gibt saubere CSS-Variablen, ein Tailwind theme.extend, ein Style Dictionary tokens.json oder SCSS-Variablen aus. Überbrückt die Lücke zwischen einem ECharts-Visualisierungs-Theme und Figma/CSS/Tailwind-Design-Tokens, ohne jeden Wert von Hand zu kopieren.

Design

Bild-Palette zu Design-Tokens

Extrahiert dominante Farben per k-Means und exportiert sie als CSS-/SCSS-Variablen, Tailwind-Config oder JSON-Tokens mit Namen und Farbskala

Verwendung

Geben Sie die Flugsuchparameter mit eingerückten Untereigenschaften für Startflughafen und Passagierdetails in das Parameterfeld ein.

toolName: search_flights
paramsInput:
origin | object | required | Departure airport
  code | string | required | IATA airport code, e.g. "AMS"
  city | string | optional | City name for disambiguation
destination_airport | string | required | IATA code of the arrival airport
date | string | required | Departure date in YYYY-MM-DD format
airlines | array<string> | optional | Restrict to these airline codes
passengers | array<object> | optional | One entry per traveler
  type | enum<adult,child,infant> | required | Passenger type
  seat_preference | enum<window,aisle,middle> | optional | Preferred seat
strictMode: true
toolChoice: omit

Ergebnis

Liefert fehlerfreie Schemas mit Union-Null-Typen für OpenAI und Großbuchstaben-Typdeklarationen inklusive propertyOrdering für Gemini.