Loading...
    0
    • Entwicklerhandbuch
    • API-Referenz
    • MCP
    • Ressourcen
    • Versionshinweise
    Search...
    ⌘K
    Erste Schritte
    Einführung in ClaudeSchnellstart
    Modelle & Preise
    ModellübersichtEin Modell wählenWas ist neu in Claude 4.5Migration zu Claude 4.5ModellabschreibungenPreisgestaltung
    Mit Claude entwickeln
    FunktionsübersichtArbeiten mit der Messages APIKontextfensterBest Practices für Prompting
    Funktionen
    Prompt-CachingKontextbearbeitungErweitertes DenkenStreaming-NachrichtenBatch-VerarbeitungZitateMehrsprachige UnterstützungToken-ZählungEmbeddingsVisionPDF-UnterstützungFiles APISuchergebnisseStrukturierte AusgabenGoogle Sheets Add-on
    Werkzeuge
    ÜbersichtWie man Tool-Nutzung implementiertToken-effiziente WerkzeugnutzungFeinkörniges Tool-StreamingBash-ToolCode-AusführungstoolComputer-Use-ToolText-Editor-ToolWeb-Abruf-ToolWeb-SuchwerkzeugMemory-Tool
    Agent-Fähigkeiten
    ÜbersichtErste Schritte mit Agent Skills in der APIBest Practices für die Skill-ErstellungSkills verwenden
    Agent SDK
    ÜbersichtTypeScript SDKPython SDK
    Leitfäden
    Streaming-EingabeBerechtigungen verwaltenSession-VerwaltungStrukturierte Ausgaben im SDKHosting des Agent SDKSystem-Prompts modifizierenMCP im SDKBenutzerdefinierte ToolsSubagenten im SDKSlash-Befehle im SDKAgent Skills im SDKKosten und Nutzung verfolgenTodo-ListenPlugins im SDK
    MCP in der API
    MCP-ConnectorRemote MCP-Server
    Claude auf Drittanbieter-Plattformen
    Amazon BedrockMicrosoft FoundryVertex AI
    Prompt-Engineering
    ÜbersichtPrompt-GeneratorPrompt-Vorlagen verwendenPrompt-VerbessererSei klar und direktBeispiele verwenden (Multishot-Prompting) um Claudes Verhalten zu steuernClaude denken lassen (CoT)XML-Tags verwendenClaude eine Rolle geben (System-Prompts)Vorausfüllen von Claudes AntwortKomplexe Prompts verkettenTipps für langen KontextTipps für erweiterte Denkprozesse
    Testen & bewerten
    Erfolgskriterien definierenTestfälle entwickelnVerwendung des Evaluierungs-ToolsLatenz reduzieren
    Schutzmaßnahmen verstärken
    Halluzinationen reduzierenAusgabekonsistenz erhöhenJailbreaks abwehrenhandle-streaming-refusalsPrompt-Leaks reduzierenClaude im Charakter halten
    Verwaltung und Überwachung
    Admin API ÜbersichtNutzungs- und Kosten-APIClaude Code Analytics API
    Console
    Leitfäden

    Strukturierte Ausgaben im SDK

    Erhalten Sie validierte JSON-Ergebnisse aus Agent-Workflows

    Erhalten Sie strukturierte, validierte JSON aus Agent-Workflows. Das Agent SDK unterstützt strukturierte Ausgaben durch JSON-Schemas und stellt sicher, dass Ihre Agenten Daten genau in dem Format zurückgeben, das Sie benötigen.

    Wann strukturierte Ausgaben verwendet werden sollten

    Verwenden Sie strukturierte Ausgaben, wenn Sie validiertes JSON benötigen, nachdem ein Agent einen mehrstufigen Workflow mit Tools abgeschlossen hat (Dateisuchen, Befehlsausführung, Webrecherche usw.).

    Für einzelne API-Aufrufe ohne Tool-Nutzung siehe API Strukturierte Ausgaben.

    Warum strukturierte Ausgaben verwenden

    Strukturierte Ausgaben bieten zuverlässige, typsichere Integration mit Ihren Anwendungen:

    • Validierte Struktur: Erhalten Sie immer gültiges JSON, das Ihrem Schema entspricht
    • Vereinfachte Integration: Kein Parsing- oder Validierungscode erforderlich
    • Typsicherheit: Verwenden Sie mit TypeScript- oder Python-Typhinweisen für End-to-End-Sicherheit
    • Saubere Trennung: Definieren Sie Ausgabeanforderungen separat von Aufgabenanweisungen
    • Tool-Autonomie: Agent wählt aus, welche Tools verwendet werden, während das Ausgabeformat garantiert wird

    Wie strukturierte Ausgaben funktionieren

    1. 1

      Definieren Sie Ihr JSON-Schema

      Erstellen Sie ein JSON-Schema, das die Struktur beschreibt, die der Agent zurückgeben soll. Das Schema verwendet das Standard-JSON-Schema-Format.

    2. 2

      Fügen Sie den outputFormat-Parameter hinzu

      Fügen Sie den outputFormat-Parameter in Ihre Query-Optionen mit type: "json_schema" und Ihrer Schemadefinition ein.

    3. 3

      Führen Sie Ihre Query aus

      Der Agent verwendet alle Tools, die er benötigt, um die Aufgabe abzuschließen (Dateivorgänge, Befehle, Websuche usw.).

    4. 4

      Greifen Sie auf validierte Ausgabe zu

      Das Endergebnis des Agenten wird gültiges JSON sein, das Ihrem Schema entspricht und in message.structured_output verfügbar ist.

    Unterstützte JSON-Schema-Funktionen

    Das Agent SDK unterstützt die gleichen JSON-Schema-Funktionen und Einschränkungen wie API Strukturierte Ausgaben.

    Wichtige unterstützte Funktionen:

    • Alle grundlegenden Typen: object, array, string, integer, number, boolean, null
    • enum, const, required, additionalProperties (muss false sein)
    • String-Formate: date-time, date, email, uri, uuid usw.
    • $ref, $def und definitions

    Für vollständige Details zu unterstützten Funktionen, Einschränkungen und Regex-Muster-Unterstützung siehe JSON-Schema-Einschränkungen in der API-Dokumentation.

    Beispiel: TODO-Tracking-Agent

    Hier ist ein vollständiges Beispiel, das einen Agent zeigt, der Code nach TODOs durchsucht und Git-Blame-Informationen extrahiert:

    import { query } from '@anthropic-ai/claude-agent-sdk'
    
    // Struktur für TODO-Extraktion definieren
    const todoSchema = {
      type: 'object',
      properties: {
        todos: {
          type: 'array',
          items: {
            type: 'object',
            properties: {
              text: { type: 'string' },
              file: { type: 'string' },
              line: { type: 'number' },
              author: { type: 'string' },
              date: { type: 'string' }
            },
            required: ['text', 'file', 'line']
          }
        },
        total_count: { type: 'number' }
      },
      required: ['todos', 'total_count']
    }
    
    // Agent verwendet Grep zum Finden von TODOs, Bash zum Abrufen von Git-Blame-Informationen
    for await (const message of query({
      prompt: 'Find all TODO comments in src/ and identify who added them',
      options: {
        outputFormat: {
          type: 'json_schema',
          schema: todoSchema
        }
      }
    })) {
      if (message.type === 'result' && message.structured_output) {
        const data = message.structured_output
        console.log(`Found ${data.total_count} TODOs`)
        data.todos.forEach(todo => {
          console.log(`${todo.file}:${todo.line} - ${todo.text}`)
          if (todo.author) {
            console.log(`  Added by ${todo.author} on ${todo.date}`)
          }
        })
      }
    }

    Der Agent nutzt autonom die richtigen Tools (Grep, Bash), um Informationen zu sammeln und gibt validierte Daten zurück.

    Fehlerbehandlung

    Wenn der Agent keine gültigen Ausgaben entsprechend Ihrem Schema erzeugen kann, erhalten Sie ein Fehlerergebnis:

    for await (const msg of query({
      prompt: 'Analyze the data',
      options: {
        outputFormat: {
          type: 'json_schema',
          schema: mySchema
        }
      }
    })) {
      if (msg.type === 'result') {
        if (msg.subtype === 'success' && msg.structured_output) {
          console.log(msg.structured_output)
        } else if (msg.subtype === 'error_max_structured_output_retries') {
          console.error('Could not produce valid output')
        }
      }
    }

    Verwandte Ressourcen

    • JSON-Schema-Dokumentation
    • API Strukturierte Ausgaben - Für einzelne API-Aufrufe
    • Benutzerdefinierte Tools - Definieren Sie Tools für Ihre Agenten
    • TypeScript SDK-Referenz - Vollständige TypeScript-API
    • Python SDK-Referenz - Vollständige Python-API
    • Warum strukturierte Ausgaben verwenden
    • Schnellstart
    • Schemas mit Zod definieren
    • Schnellstart
    • Schemas mit Pydantic definieren
    • Wie strukturierte Ausgaben funktionieren
    • Unterstützte JSON-Schema-Funktionen
    • Beispiel: TODO-Tracking-Agent
    • Fehlerbehandlung
    • Verwandte Ressourcen

    Solutions

    • AI agents
    • Code modernization
    • Coding
    • Customer support
    • Education
    • Financial services
    • Government
    • Life sciences

    Partners

    • Amazon Bedrock
    • Google Cloud's Vertex AI

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Company

    • Anthropic
    • Careers
    • Economic Futures
    • Research
    • News
    • Responsible Scaling Policy
    • Security and compliance
    • Transparency

    Learn

    • Blog
    • Catalog
    • Courses
    • Use cases
    • Connectors
    • Customer stories
    • Engineering at Anthropic
    • Events
    • Powered by Claude
    • Service partners
    • Startups program

    Help and security

    • Availability
    • Status
    • Support
    • Discord

    Terms and policies

    • Privacy policy
    • Responsible disclosure policy
    • Terms of service: Commercial
    • Terms of service: Consumer
    • Usage policy