OpenAPI zu KI-Function-Calling

Was ist ein OpenAPI-zu-KI-Function-Calling-Konverter?

Ein OpenAPI-zu-KI-Function-Calling-Konverter wandelt Ihre bestehenden REST-API-Spezifikationen in die strukturierten Tool-Definitionen um, die große Sprachmodelle für Function Calling benötigen. Wenn Sie eine OpenAPI-Spezifikation (Swagger) haben, die Ihre API-Endpunkte beschreibt, extrahiert dieses Werkzeug die relevanten Informationen — Operationsnamen, Beschreibungen, Parameter und Request-Body-Schemas — und formatiert sie in die JSON-Struktur um, die KI-Anbieter wie OpenAI, Anthropic und Google benötigen.

Function Calling (auch als Tool Use bekannt) ist eine der leistungsstärksten Funktionen moderner KI-Modelle. Es ermöglicht Modellen, externe Funktionen mit strukturierten Argumenten aufzurufen, wodurch KI-Agenten mit APIs, Datenbanken und externen Diensten interagieren können. Allerdings ist das manuelle Schreiben von Tool-Definitionen mühsam und fehleranfällig — besonders wenn Sie bereits eine vollständige API-Spezifikation haben, die dieselben Informationen im OpenAPI-Format beschreibt.

Unser kostenloser Konverter eliminiert diese doppelte Arbeit. Fügen Sie Ihre OpenAPI-Spezifikation ein, wählen Sie die zu konvertierenden Endpunkte aus und erhalten Sie korrekt formatierte Funktionsdefinitionen für jeden KI-Anbieter. Die gesamte Verarbeitung findet in Ihrem Browser statt — Ihre API-Spezifikation verlässt niemals Ihren Rechner.

So verwenden Sie diesen Konverter

Die Konvertierung Ihrer OpenAPI-Spezifikation zu Funktionsdefinitionen ist unkompliziert:

1. OpenAPI-Spezifikation einfügen — Kopieren Sie Ihre OpenAPI 3.x- oder Swagger 2.0-Spezifikation im JSON- oder YAML-Format. Das Werkzeug akzeptiert vollständige Spezifikationen oder Teilspezifikationen, die nur die benötigten Pfade und Komponenten enthalten.
2. Endpunkte zur Konvertierung auswählen — Das Werkzeug listet alle gefundenen Endpunkte mit ihren HTTP-Methoden, Pfaden und Beschreibungen auf. Wählen Sie die aus, die Sie als KI-aufrufbare Funktionen bereitstellen möchten. Nicht jeder Endpunkt eignet sich für Function Calling — konzentrieren Sie sich auf Endpunkte mit klaren Zwecken und gut definierten Parametern.
3. Zielformat wählen — Wählen Sie OpenAI, Anthropic, Google Gemini oder alle drei. Jeder Anbieter hat leicht unterschiedliche Formatanforderungen, die der Konverter automatisch berücksichtigt.
4. Prüfen und anpassen — Die generierten Definitionen enthalten Funktionsnamen, die von der operationId oder dem Pfad abgeleitet sind, Beschreibungen aus der Spec-Zusammenfassung und Parameterschemas aus Request-Body und Query-Parametern. Überprüfen und passen Sie die Beschreibungen für optimales Modellverständnis an.
5. Kopieren und integrieren — Kopieren Sie das generierte JSON und fügen Sie es in Ihren KI-Integrationscode ein. Die Ausgabe ist direkt mit dem SDK oder der API jedes Anbieters verwendbar.

OpenAPI-zu-Function-Calling-Zuordnung verstehen

Die Konvertierung von OpenAPI zu Funktionsdefinitionen erfordert mehrere wichtige Zuordnungsentscheidungen:

Funktionsbenennung

Der Funktionsname wird aus dem Feld `operationId` Ihrer OpenAPI-Spezifikation abgeleitet. Wenn keine operationId vorhanden ist, generiert das Werkzeug einen Namen aus HTTP-Methode und Pfad (z. B. wird `GET /users/{id}` zu `get_user_by_id`). Gute operationIds in Ihrer Spezifikation führen zu besseren Funktionsnamen, die Modelle verstehen können.

Parameter-Extraktion

Parameter werden aus drei Quellen gesammelt: Pfadparameter (z. B. `/users/{id}`), Query-Parameter und das Request-Body-Schema. Alle werden in ein einzelnes flaches Parameterobjekt für die Funktionsdefinition zusammengeführt, da KI-Function-Calling nicht zwischen Parameterstandorten unterscheidet. Erforderliche Pfadparameter werden automatisch im generierten Schema als required markiert.

Schema-Auflösung

OpenAPI-Spezifikationen verwenden häufig `$ref`, um auf gemeinsame Schema-Definitionen im Components-Abschnitt zu verweisen. KI-Function-Calling-Formate unterstützen keine Referenzen — alle Schemas müssen eigenständig sein. Der Konverter löst alle Referenzen auf, indem er das referenzierte Schema inline einbettet und verschachtelte Referenzen rekursiv behandelt. Zirkuläre Referenzen werden erkannt und mit einer Tiefenbegrenzung aufgelöst, um unendliche Expansion zu verhindern.

Beschreibungsverbesserung

Gute Funktionsbeschreibungen sind entscheidend, damit KI-Modelle verstehen, wann und wie jede Funktion aufgerufen werden soll. Der Konverter verwendet die OpenAPI-Felder `summary` und `description` und kombiniert sie zu einer klaren, prägnanten Beschreibung. Parameterbeschreibungen aus der Spezifikation werden beibehalten, um dem Modell zu helfen, korrekte Argumentwerte zu generieren.

Gängige Muster und Best Practices

Bei der Konvertierung von OpenAPI-Spezifikationen zu Function-Calling-Definitionen liefern diese Muster die besten Ergebnisse:

• Endpunkte strategisch auswählen — Nicht jeder API-Endpunkt sollte eine Funktion sein. Konzentrieren Sie sich auf Endpunkte, die unterschiedliche, nützliche Aktionen repräsentieren. Vermeiden Sie die Bereitstellung von Low-Level-CRUD-Operationen, wenn höherwertige Geschäftsoperationen verfügbar sind.
• Aussagekräftige operationIds verwenden — operationIds wie `searchProducts` erzeugen bessere Funktionsnamen als automatisch generierte wie `get_api_v1_products`.
• Klare Beschreibungen schreiben — Das Modell stützt sich stark auf Funktions- und Parameterbeschreibungen, um zu entscheiden, welche Funktion aufgerufen und welche Argumente übergeben werden sollen. Vage Beschreibungen führen zu fehlerhaften Funktionsaufrufen.
• Komplexe Schemas vereinfachen — Wenn Ihr Request-Body mehr als 20 Felder mit tiefer Verschachtelung hat, erwägen Sie, eine vereinfachte Version mit nur den am häufigsten verwendeten Feldern bereitzustellen. Komplexe Schemas verwirren Modelle und führen zu Fehlern.
• Mit echten Prompts testen — Testen Sie nach der Generierung der Funktionsdefinitionen mit tatsächlichen Benutzer-Prompts, ob das Modell die richtige Funktion auswählt und gültige Argumente generiert.

Häufig gestellte Fragen

Verwandte Werkzeuge

Entdecken Sie weitere Werkzeuge für den Aufbau von KI-Function-Calling-Integrationen:

• Tool-/Funktionsdefinitions-Linter — Ihre generierten Funktionsdefinitionen auf Fehler und Kompatibilität validieren
• JSON-Schema-Generator für KI — JSON-Schemas aus Beispieldaten für Funktionsparameter generieren
• Prompt-Format-Konverter — Prompts zwischen OpenAI-, Anthropic- und Google-Formaten konvertieren