OpenAPI in Tools umwandeln
OpenAPI in Tools umwandeln: Aus einer OpenAPI- oder Swagger-Beschreibung entstehen Tool-Definitionen für Function Calling bei OpenAI, Anthropic oder MCP.
| Auswahl | Tool-Name | Methode | Pfad | Beschreibung |
|---|
Alles läuft in Ihrem Browser. Eingaben verlassen Ihr Gerät nicht.
Aus einer REST-API Werkzeuge für Sprachmodelle machen
Mit diesem Werkzeug können Sie OpenAPI in Tools umwandeln. Eine OpenAPI-Beschreibung (früher Swagger) legt für jede Operation einer REST-API fest, welche Parameter sie erwartet. Für Function Calling braucht ein Sprachmodell dieselbe Information in anderer Form: einen Namen, eine Beschreibung und ein JSON Schema der Argumente. Das Werkzeug macht aus jeder Operation eine Tool-Definition, nimmt dafür die operationId als Namen und fasst Pfad-, Query- und optional Header-Parameter sowie den JSON-Body zu einem Objekt zusammen. Damit wird aus einer Swagger-Datei eine Swagger in Tool-Definition Übersetzung ohne Handarbeit.
Ausgegeben wird je nach Wahl das OpenAI-Format mit parameters, das Anthropic-Format mit input_schema oder eine Tool-Liste für einen MCP-Server mit inputSchema. Lokale Verweise wie #/components/schemas/Kunde werden aufgelöst, Pflichtparameter landen in required. So entsteht OpenAPI zu Function Calling in wenigen Sekunden. Die Tabelle zeigt, welche Methode und welcher Pfad hinter jedem Tool stehen; Ihre Anwendung braucht diese Zuordnung, denn wer Tools aus API erzeugen lässt, muss den Aufruf des Modells anschließend in eine echte HTTP-Anfrage übersetzen.
Prüfen Sie die Beschreibungen: Sie sind das, was das Modell über ein Tool weiß. Kurze Zusammenfassungen wie „Get user“ reichen oft nicht; gute Tool-Beschreibungen sagen, wann das Tool passt und was es zurückgibt. Geben Sie außerdem nur Operationen frei, die der Agent wirklich braucht, vor allem bei schreibenden Methoden wie POST, PUT und DELETE. YAML-Dateien wandeln Sie vorher mit YAML in JSON um; einzelne Tools baut der Function-Calling-Generator.
Anleitung: OpenAPI in Tools umwandeln in 4 Schritten
- Die OpenAPI-Datei im JSON-Format in das Feld „OpenAPI (JSON)“ einfügen oder „Beispiel“ wählen.
- Unter „Ausgabeformat“ OpenAI, Anthropic oder MCP auswählen.
- Festlegen, ob Header-Parameter übernommen und Body-Felder flach eingefügt werden sollen.
- In der Tabelle nicht benötigte Operationen abwählen und das Ergebnis kopieren.
Typische Anwendungsfälle
- Einem Agenten eine interne REST-API zugänglich machen, ohne jede Tool-Definition von Hand zu schreiben.
- Einen MCP-Server für eine bestehende API vorbereiten und die Tool-Liste als Ausgangspunkt nutzen.
- Prüfen, ob die Beschreibungen in der API-Dokumentation für ein Sprachmodell verständlich genug sind.
- Nur die lesenden Operationen (GET) als Tools freigeben und schreibende bewusst weglassen.
Häufige Fragen
Welche OpenAPI-Versionen werden unterstützt?
OpenAPI 3.0 und 3.1 im JSON-Format. Swagger 2.0 wird in den Grundzügen gelesen (Parameter mit in: body), komplexe Fälle sollten Sie vorher auf OpenAPI 3 umstellen.
Was passiert mit $ref-Verweisen?
Verweise innerhalb der Datei auf components oder definitions werden eingesetzt. Verweise auf andere Dateien oder URLs werden nicht geladen und erscheinen als Hinweis.
Wie gehe ich mit Namenskonflikten bei flachen Body-Feldern um?
Heißt ein Body-Feld genauso wie ein Pfad- oder Query-Parameter, erhält es das Präfix body_. Mit der Einstellung „Als Feld body“ vermeiden Sie das ganz.
Ruft das Werkzeug die API auf?
Nein. Es liest nur die Beschreibung und erzeugt Text. Ihre Anwendung führt die Aufrufe später selbst aus.
Kann ich auch YAML einfügen?
Das Werkzeug liest JSON. Eine YAML-Datei wandeln Sie vorher mit dem Werkzeug YAML in JSON um und fügen das Ergebnis hier ein.
Wie werden Tool-Namen gebildet?
Aus der operationId, sonst aus Methode und Pfad, etwa get_users_id. Unerlaubte Zeichen werden durch Unterstriche ersetzt und der Name auf 64 Zeichen gekürzt.
Zum Weiterlesen
- 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.
- 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.
- 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.
Das könnte auch helfen
JSON formatierenneu
JSON formatieren, prüfen und minifizieren, mit Fehlerstelle und Tokenzahl.
ÖffnenJSON reparierenneu
Kaputtes JSON aus KI-Antworten reparieren: Codeblöcke, Kommas, Anführungszeichen.
ÖffnenBatch-Datei-Generatorneu
Aus einer Vorlage und einer Liste viele Prompts erzeugen, als JSONL für die Batch-APIs.
ÖffnenAPI-Anfrage-Generatorneu
Fertige cURL-Anfragen für die APIs von OpenAI, Anthropic und Google erzeugen.
ÖffnenPrompt-Injection-Prüferneu
Fremde Texte vor der KI-Verarbeitung auf versteckte Anweisungen und Tricks prüfen.
ÖffnenJSON-Schema-Generator
Aus einem JSON-Beispiel ein JSON Schema für strukturierte Ausgaben von KI-Modellen erzeugen.
Öffnen