JSON-Schema-Builder für LLM-Tool-Calling

JSON-Schema-Builder für LLM-Tool-Calling | Kostenloses Online-Tool | Elysia Tools

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

1Geben Sie Tool-Name, Tool-Beschreibung sowie die Parameterzeilen im Format 'Name | Typ | Status | Beschreibung' ein, wobei Unterobjekte per Einrückung strukturiert werden.
2Wählen Sie bei Bedarf den strengen Modus (Strict Mode) und das gewünschte tool_choice-Verhalten (Weglassen, Auto oder Erzwingen).
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.

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

Wobei dieses Tool hilft

Dieses Tool ausführen

Beispiele zu diesem Tool

Mit verwandten Tools und Themen fortfahren

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

Wichtige Fakten

Überblick

Wann verwenden

So funktioniert es

Anwendungsfälle

Beispiele

1. Wetter-Tool für Multi-Provider-Setup

2. Flugsuche mit verschachtelten Parametern

FAQ

Terraform-Plan-JSON-Beispiele

Chat-JSON-Beispiele

JSON-Beispiele

Rich-Text-JSON-Beispiele

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

ECharts-Theme-Token-Extraktor

Bild-Palette zu Design-Tokens

JSON-Pfad-Extraktor