Den vollständigen Index der Dokumentation findest du in llms.txt. Die Markdown-Version einer Dokumentationsseite erhältst du, indem du .md an die URL der Seite anhängst.
Hauptnavigation
Design

Tools verwenden

Erweitere die Möglichkeiten des Modells mit Tools wie Remote-MCP-Servern oder der Websuche.

Wenn du Modellantworten generierst oder Agenten entwickelst, kannst du die Möglichkeiten des Modells mit integrierten Tools, Funktionsaufrufen, programmatischen Tool-Aufrufen, der Tool-Suche und Remote-MCP-Servern erweitern. Damit kann das Modell das Web durchsuchen, Informationen aus deinen Dateien abrufen, Tool-Definitionen bei Bedarf zur Laufzeit laden, deine eigenen Funktionen aufrufen, Tool-Aufrufe in JavaScript kombinieren oder auf Dienste von Drittanbietern zugreifen. Nur gpt-5.4 und neuere Modelle unterstützen tool_search.

Wähle die Integration, die zu deiner Laufzeitumgebung passt. Du kannst Tools in Anfragen an die Responses API, für Agenten der Agents API oder in Agentendefinitionen im Agents SDK konfigurieren. Von der Integration hängt ab, welche Tools verfügbar sind, wie du sie konfigurierst und wie du ihre Aufrufe verarbeitest. Die folgenden Beispiele verwenden die Responses API.

Ergebnisse der Websuche in die Modellantwort einbeziehen
import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6-astra",
  tools: [{ type: "web_search" }],
  input: "What was a positive news story from today?",
});

console.log(response.output_text);

Verfügbare Tools

Hier findest du die Tools der OpenAI-Plattform. Wähle ein Tool aus, um zu erfahren, wie du es verwendest.

Funktionsaufruf

Rufe eigenen Code auf, um dem Modell Zugriff auf zusätzliche Daten und Funktionen zu geben.

Websuche

Lass das Modell beim Generieren einer Antwort Daten aus dem Internet einbeziehen.

Remote-MCP-Server

Gib dem Modell über Server, die das Model Context Protocol (MCP) unterstützen, Zugriff auf neue Funktionen.

Skills

Lade versionierte Skill-Pakete hoch und verwende sie in Umgebungen mit Hosted Shell wieder.

Shell

Führe Shell-Befehle in gehosteten Containern oder in deiner eigenen lokalen Laufzeitumgebung aus.

Computernutzung

Erstelle Workflows, in denen ein Modell als Agent die Benutzeroberfläche eines Computers bedienen kann.

Bildgenerierung

Generiere oder bearbeite Bilder mit GPT Image.

Dateisuche

Durchsuche hochgeladene Dateien nach Informationen, die dem Modell beim Generieren einer Antwort Kontext liefern.

Tool-Suche

Lade relevante Tools dynamisch in den Modellkontext, um den Token-Verbrauch zu optimieren.

Programmatische Tool-Aufrufe

Lass Modelle JavaScript-Code schreiben und ausführen, der Tool-Aufrufe koordiniert.

Verwendung in der API

Wenn du eine Modellantwort anforderst, aktivierst du den Zugriff auf Tools in der Regel, indem du ihre Konfiguration im Parameter tools angibst. Jedes Tool hat eigene Anforderungen an die Konfiguration. Detaillierte Anleitungen findest du im Abschnitt Verfügbare Tools.

Anhand deines Prompts entscheidet das Modell automatisch, ob es ein konfiguriertes Tool verwendet. Fragst du beispielsweise nach Informationen aus der Zeit nach dem Stichtag der Trainingsdaten, nutzt das Modell bei aktivierter Websuche in der Regel dieses Tool, um relevante, aktuelle Informationen abzurufen.

In manchen fortgeschrittenen Workflows lassen sich während der Interaktion weitere Tool-Definitionen nachladen. Mit der Tool-Suche kannst du beispielsweise Funktionsdefinitionen erst dann laden, wenn das Modell entscheidet, dass es sie braucht.

Mit dem Parameter tool_choice kannst du in der API-Anfrage ausdrücklich vorgeben oder beeinflussen, ob und welches Tool das Modell verwendet.

Agents API

Die Agents API führt die Agentenschleife für dich aus. Konfiguriere Tools in agent.tools, verarbeite Funktionsaufrufe in deiner Anwendung und binde eine Sandbox an, wenn die Tools eine Ausführungsumgebung benötigen.

Wie du Anwendungscode aufrufst, erfährst du im Abschnitt Funktionen. Wie du Tool-Server anbindest, steht im Abschnitt MCP-Verbindungen. Für Tools, die eine Ausführungsumgebung benötigen, findest du Details im Abschnitt Sandbox-Konfiguration. Programmatische Tool-Aufrufe sind standardmäßig aktiviert. Die API findet Skills in den Verzeichnissen der Sandbox für verfügbare Funktionen.

Verwendung im Agents SDK

Im Agents SDK funktionieren die Tools genauso. Du bindest sie aber in die Agentendefinition und den Workflow ein, statt sie in einer einzelnen Anfrage an die Responses API zu konfigurieren.

  • Weise gehostete Tools, Funktionstools oder gehostete MCP-Tools direkt einem spezialisierten Agenten zu, wenn er sie selbst aufrufen soll.
  • Stelle einen spezialisierten Agenten als Tool bereit, wenn ein übergeordneter Agent die Kontrolle über die Antwort an die Nutzerinnen und Nutzer behalten soll.
  • Behalte die Harnesses für Shell-Befehle, das Anwenden von Patches und die Computernutzung in deiner Laufzeitumgebung, auch wenn das SDK die Entscheidung über den Tool-Einsatz abbildet.
Lokale Logik als Funktionstool kapseln
import { tool } from "@openai/agents";
import { z } from "zod";

const getWeatherTool = tool({
  name: "get_weather",
  description: "Get the weather for a given city.",
  parameters: z.object({ city: z.string() }),
  async execute({ city }) {
    return `The weather in ${city} is sunny.`;
  },
});
Einen spezialisierten Agenten als Tool bereitstellen
import { Agent } from "@openai/agents";

const summarizer = new Agent({
  name: "Summarizer",
  instructions: "Generate a concise summary of the supplied text.",
});

const mainAgent = new Agent({
  name: "Research assistant",
  tools: [
    summarizer.asTool({
      toolName: "summarize_text",
      toolDescription: "Generate a concise summary of the supplied text.",
    }),
  ],
});

Wenn du einen einzelnen spezialisierten Agenten entwickelst, lies Agenten definieren. Wenn der Einsatz von Tools beeinflusst, welcher Agent zuständig ist, lies Orchestrierung und Übergaben. Wenn sich Tools auf Genehmigungen auswirken, lies Schutzmechanismen und menschliche Prüfung. Für Funktionen, die über MCP bereitgestellt werden, findest du weitere Informationen in Integrationen und Observability.