Tokenlabor

Agent-Verlauf anzeigen

Agent-Verlauf anzeigen: Das Werkzeug zeigt Tool-Aufrufe und Ergebnisse aus dem messages-Verlauf eines KI-Agenten als Zeitleiste, mit Fehlern und Schleifen.

–

 

Zeitleiste
Auffälligkeiten
    Tools im Überblick
    ToolAufrufeFehlerohne Ergebnis

    Alles läuft in Ihrem Browser. Eingaben verlassen Ihr Gerät nicht.

    Schritte eines Agenten nachvollziehen

    Mit diesem Werkzeug können Sie den Agent-Verlauf anzeigen, also die Abfolge aus Nutzeranfrage, Denkschritten, Tool-Aufrufen und Ergebnissen, die ein KI-Agent beim Lösen einer Aufgabe erzeugt. In der API steht dieser Tool-Call-Verlauf als lange Liste von Nachrichten, in der Aufrufe und Ergebnisse nur über IDs zusammenhängen. Das Werkzeug ordnet jedem Aufruf sein Ergebnis zu und stellt alles als Zeitleiste dar: Wer hat was getan, welches Werkzeug wurde mit welchen Argumenten aufgerufen und was kam zurück. So lassen sich Tool-Aufrufe visualisieren, ohne JSON zu lesen.

    Erkannt werden die Formate von OpenAI Chat Completions (tool_calls und Nachrichten mit Rolle tool), der Responses API (function_call und function_call_output) und von Anthropic (tool_use und tool_result). Unter „Auffälligkeiten“ meldet das Werkzeug Aufrufe ohne Ergebnis, Ergebnisse ohne Aufruf, Fehler (etwa is_error bei Anthropic oder Fehlertexte im Ergebnis) und wiederholte Aufrufe mit identischen Argumenten, ein typisches Zeichen für eine Schleife. Das hilft beim Agenten debuggen und dabei, einen Agent-Trace für einen Fehlerbericht aufzubereiten.

    Grenzen: Das Werkzeug kennt keine Zeitstempel, die Zeitleiste zeigt die Reihenfolge der Nachrichten. Ob ein Tool-Ergebnis fachlich richtig war, kann es nicht beurteilen. Einzelne Aufrufe gegen ihr Schema prüfen Sie mit Tool-Call prüfen, den Verlauf als lesbaren Text erzeugen Sie mit Chat-Verlauf formatieren, und was ein Agent kostet, zeigt der KI-Agent-Kostenrechner.

    Anleitung: Agent-Verlauf anzeigen in 4 Schritten

    1. Den Verlauf als JSON in das Feld „Verlauf (JSON)“ einfügen: messages von OpenAI oder Anthropic oder die Items der Responses API.
    2. Mit „Beispiel“ einen kleinen Verlauf mit zwei Tools und einem Fehler laden.
    3. Die Zeitleiste von oben nach unten lesen; Fehler und Wiederholungen sind markiert.
    4. Unter „Auffälligkeiten“ prüfen, ob Tool-Aufrufe ohne Ergebnis oder doppelte Aufrufe vorkommen, und die Zusammenfassung kopieren.

    Typische Anwendungsfälle

    • Nachvollziehen, warum ein Agent eine Aufgabe in zwanzig statt fünf Schritten erledigt hat.
    • Endlosschleifen finden, in denen der Agent dasselbe Werkzeug mit denselben Argumenten aufruft.
    • Für einen Fehlerbericht zeigen, welches Tool-Ergebnis den Agenten in die falsche Richtung geführt hat.
    • Die Häufigkeit einzelner Werkzeuge in Testläufen vergleichen.
    Fragen

    Häufige Fragen

    Was zählt als Wiederholung?

    Zwei Aufrufe desselben Tools mit exakt denselben Argumenten. Die Argumente werden dafür mit sortierten Schlüsseln verglichen, Leerzeichen spielen keine Rolle.

    Woran erkennt das Werkzeug Fehler im Ergebnis?

    Am Feld is_error bei Anthropic und an Ergebnissen, die mit Wörtern wie Error, Fehler oder Exception beginnen oder ein Feld error enthalten. Das ist eine Heuristik.

    Kann ich die Antwort eines Agenten-Frameworks einfügen?

    Ja, wenn sie die Nachrichten in einem der genannten Formate enthält, etwa unter messages, input oder output. Eigene Formate von Frameworks werden nicht erkannt.

    Werden die Daten übertragen?

    Nein. Die Auswertung läuft vollständig im Browser.

    Woran erkennt das Werkzeug zusammengehörige Aufrufe und Ergebnisse?

    An der ID: tool_call_id bei OpenAI Chat Completions, tool_use_id bei Anthropic und call_id bei der Responses API. Ergebnisse ohne passenden Aufruf werden als verwaist gemeldet.

    Werden Denkschritte angezeigt?

    Blöcke vom Typ thinking (Anthropic) und reasoning (Responses API) erscheinen als eigene Schritte, soweit der Verlauf sie im Klartext enthält. Verschlüsselte Inhalte werden nur als Hinweis gezeigt.

    Ratgeber

    Zum Weiterlesen

    Alle Artikel
    1. RAG einfach erklärt: KI mit eigenen Dokumenten nutzenRAG einfach erklärt: wie Retrieval-Augmented Generation funktioniert, wofür man Embeddings und Vektordatenbanken braucht und was ein RAG-System kostet.
    2. Structured Outputs: Zuverlässig JSON von KI-ModellenStructured Outputs erklärt: Wie Sie mit JSON-Schema garantiert gültiges JSON von OpenAI, Claude und Gemini bekommen, statt kaputte Antworten nachträglich zu reparieren.
    3. Prompt Injection: Wie Angriffe auf KI-Systeme funktionierenPrompt Injection erklärt: wie versteckte Anweisungen in E-Mails, Dokumenten und Websites KI-Assistenten und Agenten manipulieren und welche Schutzmaßnahmen wirken.
    Weitere Werkzeuge

    Das könnte auch helfen

    Alle 558 Werkzeuge

    JSON formatierenneu

    JSON formatieren, prüfen und minifizieren, mit Fehlerstelle und Tokenzahl.

    Öffnen

    JSON reparierenneu

    Kaputtes JSON aus KI-Antworten reparieren: Codeblöcke, Kommas, Anführungszeichen.

    Öffnen

    Batch-Datei-Generatorneu

    Aus einer Vorlage und einer Liste viele Prompts erzeugen, als JSONL für die Batch-APIs.

    Öffnen

    API-Anfrage-Generatorneu

    Fertige cURL-Anfragen für die APIs von OpenAI, Anthropic und Google erzeugen.

    Öffnen

    Prompt-Injection-Prüferneu

    Fremde Texte vor der KI-Verarbeitung auf versteckte Anweisungen und Tricks prüfen.

    Öffnen

    JSON-Schema-Generator

    Aus einem JSON-Beispiel ein JSON Schema für strukturierte Ausgaben von KI-Modellen erzeugen.

    Öffnen