Werkzeugnutzung

Strukturierte Schnittstelle, über die die KI externe Funktionen und APIs aufruft

Führt LLM-generierten Code sicher in isolierten Umgebungen für Berechnungen und Datenverarbeitung aus

Standardisiertes Protokoll zum Teilen von Kontext und Fähigkeiten zwischen KI-Modellen und Tools

Stellt dem Agenten eine einzige, einheitliche Tool-Schnittstelle bereit, während eine interne Control Plane jede Anfrage an das passende Tool, den passenden Dienst oder das passende Modell im Hintergrund weiterleitet. Der Agent-Prompt bleibt stabil, während sich der Tool-Katalog weiterentwickelt, und Authentifizierung, Richtlinien, Ratenbegrenzung und Observability werden an einer einzigen Stelle durchgesetzt.

Agenten bedienen grafische Benutzeroberflächen (Desktop, Browser oder Mobilgerät) wie ein Mensch, indem sie Screenshots lesen und Maus- und Tastaturaktionen ausführen, anstatt APIs aufzurufen. Die zentrale Herausforderung ist das GUI-Grounding: eine Absicht auf exakte Pixelkoordinaten auf dem Bildschirm abzubilden. Der Agent durchläuft eine Schleife aus Screenshot, Schlussfolgern, Handeln und Beobachten, bis die Aufgabe abgeschlossen ist.

Fähigkeiten, die als eigenständige Ordner verpackt sind. Jeder Skill ist eine SKILL.md-Datei mit YAML-Frontmatter (Name und Beschreibung) sowie optionalen Skripten und Ressourcen. Agenten entdecken Skills anhand ihrer Metadaten und laden sie über drei Ebenen der progressiven Offenlegung: Name und Beschreibung lesen, um die Relevanz einzuschätzen, nach der Aktivierung die vollständige SKILL.md laden und anschließend die mitgelieferten Skripte und Ressourcen bei Bedarf ausführen. So bleibt der Kontext klein, während viele Fähigkeiten verfügbar gemacht werden, und das Format ist ein offener, herstellerübergreifend übernommener Standard.

Wenn ein Agent auf Hunderte oder Tausende von Tools oder MCP-Servern zugreifen kann, ist es teuer, jedes Schema in den Prompt zu laden, und es beeinträchtigt die Auswahlgenauigkeit. Tool Retrieval indiziert die Tool-Definitionen und ruft für jede Anfrage nur die semantisch relevanten ab (Embedding-Suche, aktive Discovery und Reranking), bevor das Modell auswählt. RAG-MCP berichtet, dass die Genauigkeit der Tool-Auswahl von etwa 13 Prozent auf 43 Prozent steigt, während die Prompt-Tokens um mehr als die Hälfte reduziert werden.

Garantiert durch eingeschränktes Decoding, dass die Modellausgabe einem Schema entspricht. Ein JSON Schema, ein regulärer Ausdruck oder eine Grammatik wird zu einem endlichen Automaten kompiliert, und bei jedem Decoding-Schritt werden die Tokens, die das Schema verletzen würden, ausmaskiert, sodass nur gültige Fortsetzungen gesampelt werden können. Im strikten Modus macht dies fehlerhaftes JSON und ungültige Tool-Argumente unmöglich. Die Funktion ist nativ bei OpenAI, Google und Anthropic sowie in offenen Bibliotheken wie Outlines und vLLM verfügbar.

Anstatt pro Zug einen einzelnen JSON-Tool-Aufruf auszugeben, besteht der Aktionsraum des Agenten aus ausführbarem Code, der Tools mit Schleifen, Bedingungen und Variablen orchestriert. Ein einzelner Codeblock kann viele Tools aufrufen, je nach Ergebnis verzweigen und Zwischendaten in der Laufzeitumgebung behalten, anstatt jedes Ergebnis durch das Kontextfenster zurückzugeben. Anthropic berichtet bei einigen Multi-Tool-Workflows von einer Token-Reduktion von rund 98 Prozent, wenn Tools per MCP aus dem Code aufgerufen werden.

Ein dediziertes, wirkungsloses „think“-Tool (Anthropic), das im Tool-Schema des Agenten deklariert wird und das das Modell mitten in der Trajektorie aufruft, um zwischen einem Tool-Ergebnis und der nächsten Aktion strukturiertes Schlussfolgern einzufügen. Der Aufruf hat keinen externen Effekt und liefert nichts Nützliches zurück: Er gibt dem Modell lediglich einen Checkpoint, um innerhalb einer langen Tool-Aufruf-Kette vor dem Handeln die Richtlinien erneut zu lesen, Einschränkungen zu prüfen und zu planen. Anthropic berichtet von einer relativen Verbesserung von 54 % bei der pass^1-airline-Metrik von tau-bench (0.570 gegenüber einem Basiswert von 0.370), wenn das Tool mit einem Prompt kombiniert wird, der zeigt, wie man es verwendet. Zu unterscheiden von `metacognitive-monitoring`: Dieser Eintrag bezeichnet die allgemeine Fähigkeit, das eigene Schlussfolgern zu überwachen, während das Think Tool ein konkreter Mechanismus auf Tool-Schema-Ebene dafür ist, getrennt vom erweiterten oder zur Inferenzzeit stattfindenden Denken vor der ersten Antwort.

Ein einzelner, kontrollierter MCP-Einstiegspunkt, der als Reverse-Proxy vor vielen Backend-MCP-Servern steht und deren Tools zu einer einzigen kuratierten, verwalteten Tool-Oberfläche zusammenführt, mit der sich der Agent verbindet. Jeder Tool-Aufruf läuft über das Gateway, das eine zentrale Authentifizierung erzwingt, eine Tool-spezifische Autorisierung, welche die Identität des Aufrufers von den Berechtigungen des nachgelagerten Servers trennt, Richtlinienprüfungen, Ratenbegrenzung, Audit-Logging und Telemetrie. Das verwandelt einen wuchernden Haufen unabhängig bereitgestellter Server in einen einzigen kontrollierten Integrationsvertrag, sodass Tools kuratiert, versioniert und widerrufen werden können, ohne jeden einzelnen Agenten anzufassen. Abzugrenzen von `control-plane`: Die Control Plane ist das allgemeine Muster, eine einzige Schnittstelle bereitzustellen und intern an ein beliebiges Tool, einen Dienst oder ein Modell weiterzuleiten, während das MCP-Gateway die MCP-ökosystemspezifische Umsetzung ist, die sich auf die Föderation vieler MCP-Server und die Governance der gemeinsam genutzten Tool-Zugriffsoberfläche konzentriert.