Gängige Tool-Sets (Web, Taschenrechner, RAG)
Die Einstiegsausstattung: im Web suchen, rechnen und Ihre Wissensdatenbank abfragen – deckt 80 % der Demos ab.
Gängige Tool-Sets (Web, Taschenrechner, RAG) ist eine kostenlose AI Agents-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Agents-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Teile dieser Lektion wurden noch nicht übersetzt und werden auf Englisch angezeigt.
Das Starter-Toolkit
Drei Tools decken 80 % der Agenten-Demos ab:
- web_search – das öffentliche Web durchsuchen
- calculator – mathematische Ausdrücke auswerten
- retrieve – die interne Wissensdatenbank durchsuchen (RAG)
Tool 1: Websuche
Verwenden Sie die Tavily-, Serper- oder Brave-Search-API:
import requests
def web_search(query: str, k: int = 5):
r = requests.post('https://api.tavily.com/search',
json={'api_key': TAVILY_KEY, 'query': query, 'max_results': k})
results = r.json()['results']
return [
{'title': r['title'], 'url': r['url'], 'snippet': r['content'][:300]}
for r in results
]Web Search Tool Schema
schema_search = {'type': 'function', 'function': {
'name': 'web_search',
'description': 'Search the public web. Use for current events or facts after the knowledge cutoff.',
'parameters': {'type': 'object', 'properties': {
'query': {'type': 'string', 'description': 'What to search for'},
'k': {'type': 'integer', 'default': 5}
}, 'required': ['query']}
}}
import json
print(json.dumps(schema_search, indent=2))
Tool 2: Taschenrechner
Modelle können im Kopf nicht zuverlässig rechnen. Ein Taschenrechner-Tool behebt die meisten Rechenfehler:
import math
ALLOWED = {k: getattr(math, k) for k in ['sqrt','log','exp','sin','cos','tan','pi','e']}
def calculator(expression: str) -> str:
try:
return str(eval(expression, {'__builtins__': {}}, ALLOWED))
except Exception as e:
return f'Error: {e}'
print(calculator('sqrt(16) + 2'))
Calculator Tool Schema
schema_calc = {'type': 'function', 'function': {
'name': 'calculator',
'description': 'Evaluate a math expression like 2 + 3 * sqrt(16). Use for any arithmetic.',
'parameters': {'type': 'object', 'properties': {
'expression': {'type': 'string'}
}, 'required': ['expression']}
}}
import json
print(json.dumps(schema_calc, indent=2))
Tool 3: RAG / Knowledge Retrieval
from langchain_openai import OpenAIEmbeddings
from langchain_community.vectorstores import Chroma
store = Chroma(persist_directory='./db', embedding_function=OpenAIEmbeddings())
def retrieve(query: str, k: int = 4):
docs = store.similarity_search(query, k=k)
return [{'text': d.page_content, 'source': d.metadata.get('source')} for d in docs]Retrieve Tool Schema
schema_retrieve = {'type': 'function', 'function': {
'name': 'retrieve',
'description': 'Search the internal knowledge base for company-specific information (policies, docs, history).',
'parameters': {'type': 'object', 'properties': {
'query': {'type': 'string'},
'k': {'type': 'integer', 'default': 4}
}, 'required': ['query']}
}}
import json
print(json.dumps(schema_retrieve, indent=2))
Tool 4: Code-Interpreter (Bonus)
Für Datenaufgaben stellen Sie dem Agenten eine Python-Sandbox zur Verfügung:
def run_python(code: str) -> str:
# Use a sandboxed environment (E2B, Firecracker, gVisor)
return sandbox.run(code).stdoutTool 5: HTTP-Abruf (Bonus)
Zum Abrufen bestimmter URLs, nachdem web_search einen vielversprechenden Link zurückgegeben hat:
def fetch_url(url: str) -> str:
r = requests.get(url, timeout=10)
return BeautifulSoup(r.text, 'html.parser').get_text()[:5000]Tipps für Tool-Beschreibungen
- Geben Sie an, WANN das Tool verwendet werden soll, nicht nur, was es tut
- Nennen Sie typische Ein- und Ausgaben
- Weisen Sie auf Einschränkungen hin („funktioniert nur für englischen Text“, „Timeout nach 5 Sekunden“)
Überschneidungen zwischen Tools vermeiden
Zwei Tools mit ähnlichen Aufgaben verwirren das Modell. Wenn search_web und retrieve beide „suchen“, erklären Sie in den Beschreibungen, wann welches Tool verwendet werden soll.
Tool-Nutzung evaluieren
Erstellen Sie einen kleinen Testsatz mit 50 Fragen: Für jede gibt es ein „richtiges“ Tool, das aufgerufen werden soll. Führen Sie Ihren Agenten aus und messen Sie, wie oft er das richtige Tool auswählt. Eine äußerst aussagekräftige Kennzahl.
Verborgene Tools
Manche Tools sind nützlich, aber nicht immer relevant – zeigen Sie sie nur bei Bedarf. Zum Beispiel refund_order nur dann, wenn der Benutzer authentifiziert ist und nach einer Rückerstattung fragt.
Die beste Möglichkeit, die Auswahl zu verbessern
Ihr Agent wählt zu oft das falsche Tool. Was ist die einfachste Lösung?
Zusammenfassung
Das Starter-Toolkit: web_search, calculator, retrieve. Bauen Sie es, evaluieren Sie es und verbessern Sie die Beschreibungen iterativ. Damit decken Sie die meisten frühen Anwendungsfälle für Agenten ab.
Häufig gestellte Fragen
Ist die Lektion „Gängige Tool-Sets (Web, Taschenrechner, RAG)“ kostenlos?
Ja — der vollständige Text von „Gängige Tool-Sets (Web, Taschenrechner, RAG)“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Agents-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Agents-Kurs umfasst insgesamt 4 Lektionen.
Was lerne ich in „Gängige Tool-Sets (Web, Taschenrechner, RAG)“?
Die Einstiegsausstattung: im Web suchen, rechnen und Ihre Wissensdatenbank abfragen – deckt 80 % der Demos ab. Du übst AI Agents mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.
Brauche ich Erfahrung, um AI Agents zu starten?
Keine Vorkenntnisse erforderlich. AI Agents auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.
Wie lange dauert die Lektion „Gängige Tool-Sets (Web, Taschenrechner, RAG)“?
Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.
Kann ich in dieser AI Agents-Lektion Code schreiben und ausführen?
Ja. Jede AI Agents-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.
Alle Lektionen in diesem Kurs
- ReAct: Muster aus Schlussfolgern und Handeln
- ReAct von Grund auf implementieren
- Gängige Tool-Sets (Web, Taschenrechner, RAG)
- Tool-Fehler erkennen und beheben