Entity Enricher liefert einen eingebetteten Model Context Protocol-Server unter /api/mcp – listen Sie Ihre Schemas auf, reichern Sie eine Entität an, prüfen Sie das Ergebnis und lösen Sie eine Klassifizierungswarnung alles innerhalb eines einzigen Claude-Chats. Kein Workflow-Editor erforderlich.
Andere Form, anderer Anwendungsfall. Die n8n- und Make-Konnektoren binden die API für Workflow-Automatisierung ein: Trigger, geplante Läufe, mehrstufige Pipelines, persistenter Zustand. MCP bindet sie für den interaktiven Chat ein: spontane Fragen, explorative Anreicherungen, weiterführende Klärungen. Workflows sind Batch-förmig, Chats sind Konversations-förmig – die Oberfläche unterscheidet sich und damit auch die UX.
Das herausragende Feature, das nur MCP freischaltet: interaktive Wiederaufnahme der Klassifizierung. Wenn der Pre-Flight-Klassifikator Ihre Entität ablehnt (z. B. wenn Sie „Titan“ gegen ein Planet-Schema anreichern möchten, Titan aber ein Mond ist), müssen n8n/Make automatisch abbrechen, da sie nicht interaktiv sind. MCP zeigt Claude die Warnung an, Claude bittet Sie um Bestätigung, und bei „Ja“ wird das Tool erneut ohne den Klassifikator ausgeführt. Kein Fehler mitten in der Pipeline, kein Neustart von Grund auf.
Für claude.ai, Claude Code, Cursor und jeden MCP-Client, der den standardmäßigen OAuth-Flow unterstützt. Kein API-Schlüssel zum Erstellen oder Einfügen — der Client erkennt den Autorisierungsserver automatisch.
https://entityenricher.ai/api/mcp/.Für Clients, die über eine JSON-Datei statt über eine interaktive Anmeldung konfiguriert werden (Claude Desktop, Continue, Zed).
ent_… – er wird nur einmal angezeigt.Für Claude Desktop bearbeiten Sie ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) oder %APPDATA%\Claude\claude_desktop_config.json (Windows):
{
"mcpServers": {
"entityenricher": {
"url": "https://entityenricher.ai/api/mcp/",
"headers": { "X-API-Key": "ent_your_key_here" }
}
}
}Starten Sie Claude Desktop neu. Derselbe Ausschnitt funktioniert für Claude Code, Cursor, Continue und Zed – jeden MCP-kompatiblen Client.
In einem neuen Chat: „Liste meine Entity-Enricher-Schemas auf und reichere dann Sanofi gegen das Schema für Pharmaunternehmen mit Claude Sonnet an.“ Claude erkennt die Tools automatisch, wählt das richtige aus, fordert Sie auf, das Modell und die Schema-Auswahl zu bestätigen, und streamt das Ergebnis inline.
54 Tools decken den vollständigen Funktionsumfang für Anreicherung, Schema-Erstellung, Database Sync und semantische IDs ab. Das Verhalten ist identisch mit den REST-Endpunkten, die sie kapseln (gleiche Validierung, Abrechnung, Tarifgrenzen) – erhält die Web-Oberfläche einen Fix, erhält MCP ihn ebenfalls. Langlaufende Vorgänge (Batch-Anreicherung, Beispielgenerierung, Benchmark-Läufe) laufen asynchron: Das Start-Tool gibt eine job_id zurück, Claude fragt get_job_status ab und ruft die gespeicherten Ergebnisse aus Ihren Datensätzen ab, sobald der Job abgeschlossen ist.
| Kategorie | Tool | Beschreibung |
|---|---|---|
| Entdeckung | list_models | Listet Modellschlüssel, nominale Fähigkeiten, automatisch ausgewählte Standardwerte und die profile_limits Ihres Tarifs auf. Bevorzugen Sie die automatische Auswahl: Verfügbarkeit garantiert nicht jedes Anbieterkontingent oder jeden kombinierten Medien-/Tool-Modus. |
| Schemas | list_schemas | Gespeicherte JSON-Schemas in Ihrer Organisation auflisten, angeheftete zuerst. |
| Schemas | get_schema | Rufen Sie den vollständigen Inhalt eines Schemas anhand der UUID ab. |
| Schemas | generate_sample | Generieren Sie 1..N bearbeitbare Beispielverträge in einem Auftrag (der erste definiert den Feldsatz; die übrigen sind schnelle Instanzvarianten mit denselben Feldern) im Wissensmodus (keine Anhänge, optionale Websuche) oder Quellmodus (Anhänge sind maßgeblich und der Planer kann Rückfragen stellen). Prüfen Sie folgenreiche Änderungen gemeinsam mit dem Benutzer, bevor Sie ein Schema erstellen. |
| Schemas | create_schema_from_sample | Generieren und speichern Sie automatisch ein Schema aus entity_samples (1..N Beispiele eines Entitätstyps — Vereinigung der Felder, nullbar wo fehlend, echte beobachtete Beispiele), einer sample_record_id oder bearbeiteten Daten samt den mit dem Datensatz verknüpften Anhängen. Semantische IDs sind opt-in; Vorschläge werden geprüft, niemals automatisch angewendet. |
| Schemas | save_schema | Speichern Sie ein von Claude direkt erstelltes Schema — kein LLM-Aufruf, keine Kosten, serverseitig validiert. |
| Schemas | update_schema | Ein gespeichertes Schema umbenennen, seinen Inhalt ersetzen, neu verschlagworten, anheften oder die Mehrdeutigkeitsprüfung umschalten – ohne LLM-Aufruf. |
| Schemas | get_schema_part | Lesen Sie einen Teil eines Schemas ohne das vollständige Dokument: den Index der benannten Typen, eine $defs-/$enums-Definition, einen Objekt-Teilbaum oder eine einzelne Eigenschaftskarte mit ihren Relationen und Flags. |
| Schemas | update_schema_property | Bearbeiten Sie eine einzelne Eigenschaft über ihren Pfad — umbenennen, Typ oder $ref, Beschreibung, Beispiele, Flags — oder entfernen Sie sie, mit serverseitiger Validierung; ohne vollständigen Inhalts-Roundtrip. |
| Schemas | add_schema_property | Fügen Sie dem Root, einem verschachtelten Objekt oder einem $defs-Typ eine skalare Eigenschaft, ein verschachteltes Objekt oder eine $ref-Eigenschaft hinzu. |
| Schemas | move_schema_property | Eine Eigenschaft in einen anderen Container verschieben – das Root-Element, ein verschachteltes Objekt oder einen $defs-Typ – unter Beibehaltung ihrer Flags und ihres Fachgebiets. |
| Schemas | publish_schema | Veröffentlicht die Arbeitskopie eines verknüpften Schemas als den Vertrag, gegen den Anreicherung und dessen Database Syncs laufen. Strukturelle Änderungen werden erst hier wirksam – und ein frisch verknüpfter Sync liefert nichts, bis sein Schema erstmals veröffentlicht wird. validate_only=true zeigt eine Vorschau des Migrations-Diffs. |
| Schemas | analyze_sample | Analysiert Beispiel-JSON auf Eigenschaftsnamen, die im Kontext ihres übergeordneten Objekts mehr als eine Lesart zulassen – oder gar keine – sowie auf verknüpfte Einträge, die Entitätsfakten mit Fakten pro übergeordnetem Objekt vermischen. Zustandsloser Bericht mit den konkurrierenden Interpretationen und Umbenennungsvorschlägen; nichts wird verändert. |
| Schemas | analyze_schema | Führt die Prüfungen auf Mehrdeutigkeit und Identitätsbezug für ein gespeichertes Schema aus und schreibt Anmerkungen je Eigenschaft – eine neu formulierte Beschreibung pro mehrdeutigem Namen, da ein aktives Schema nicht umbenannt werden kann. Standardmäßig inkrementell; mit force=true wird alles neu analysiert. |
| Schemas | delete_schema | Soft-Löschen Sie ein gespeichertes Schema anhand der UUID. |
| Anreicherung | enrich_entity | Multi-Modell-Anreicherung mit optionaler Auto-Fusion. Akzeptiert eine optionale attachment_ids-Liste. Klassifizierungskonflikte geben eine Antwort ohne Fehler zurück, sodass Claude den Benutzer um Bestätigung und einen erneuten Versuch bitten kann. |
| Anreicherung | start_batch_enrichment | Reichern Sie beliebig viele Entitäten asynchron an — keine feste Batch-Größenbegrenzung, begrenzt durch das Live-Nutzungskontingent Ihres Tarifs — vollständige Pipeline pro Entität mit automatischer Fusion. Gibt eine job_id zurück; die Ergebnisse landen in Ihren Datensätzen. |
| Anreicherung | fetch_entities | Rufen Sie serverseitig ein JSON-Array von Entitäten aus einer externen REST-API ab (bearer / api_key / basic auth) — passend zur Batch-Anreicherung. |
| Anreicherung | retry_expertises | Führen Sie nur die fehlgeschlagenen Fachbereiche eines Datensatzes erneut aus und führen Sie die wiederhergestellten Werte zurück — keine erneute Zahlung für bereits Erfolgreiches. |
| Anreicherung | merge_records | Führen Sie 2+ bestehende Datensätze zu einem fusionierten Ergebnis zusammen — regelbasiert oder mit einem LLM-Arbitrierungsmodell. |
| Jobs | get_job_status | Fragen Sie asynchrone Jobs nach Fortschritt, Ergebnissen, Fehlern und Rückfragen ab. Nach einem Kompatibilitätsfehler bei explizitem Modell versuchen Sie es einmal mit automatischer Auswahl erneut, anstatt die Modelle durchzuprobieren. |
| Jobs | cancel_job | Brechen Sie einen ausstehenden, laufenden oder pausierten Job ab. |
| Jobs | answer_job_question | Beantworten Sie die Rückfragen eines pausierten Jobs und setzen Sie ihn fort — die interaktive Hälfte von generate_sample. |
| Benchmarks | list_benchmark_scenarios | Listen Sie Ihre gespeicherten Benchmark-Szenarien auf (wiederverwendbare Anreicherungstests). |
| Benchmarks | get_benchmark_scenario | Ein Szenario mit seinen pro Modell bewerteten Ergebnissen (Qualität / Kosten / Geschwindigkeit). |
| Benchmarks | create_benchmark_scenario | Erstellen Sie ein Szenario: Schema + feste Entität + Strategie + Bewertungs-Judge. Owner-Rolle + ein Plan mit Benchmarks erforderlich. |
| Benchmarks | update_benchmark_scenario | Aktualisieren Sie die Testdefinition oder Bewertungskonfiguration eines Szenarios; bestehende Ergebnisse werden als veraltet markiert. |
| Benchmarks | set_benchmark_reference | Speichern Sie die Gold-Referenzausgabe und markieren Sie sie als verifiziert — erforderlich vor einem Lauf. |
| Benchmarks | delete_benchmark_scenario | Löschen Sie ein Szenario und seine Ergebnisse. |
| Benchmarks | run_benchmark | Führen Sie ein Szenario mit einer expliziten Modellliste, jedem aktiven Modell ausgewählter Provider oder allen aktiven Modellen aus — jedes Ergebnis wird automatisch anhand der Referenz bewertet. |
| Datensätze | list_records | Blättern Sie durch Datensätze zu Anreicherung, Beispiel-/Schema-Generierung, Schema-Bearbeitung, Playground, Klassifizierung, Arbitrierung und Mehrdeutigkeitsanalyse – mit Filtern für Erfolg, Modell, Job und Suche. |
| Datensätze | get_record | Vollständige strukturierte Ausgabe + Validierungsfehler für einen Record. |
| Datensätze | get_stats | Aggregierte Organisationsstatistiken: Summen, Erfolgsquote, Tokens, Kosten. |
| Anhänge | upload_attachment | Laden Sie eine base64-Datei hoch und geben Sie deren Anhang-ID sowie die erforderliche Modellfähigkeit zurück. Die Übergabe der ID an generate_sample aktiviert den Quellenmodus. |
| Anhänge | delete_attachment | Einen Anhang anhand der ID löschen – ein praktischer Aufräumschritt nach der Anreicherung. |
| Database Sync | list_database_syncs | Listet die für ein gespeichertes Schema registrierten Database Syncs auf, mit der Anzahl ausstehender Deltas und den Optionen jedes Sync. |
| Database Sync | create_database_sync | Verbinden Sie eine Datenbank mit einem gespeicherten Schema und wandeln Sie dessen Enrichments in relationale SQL-Deltas für Ihr eigenes PostgreSQL um. Das Schema wird unveröffentlicht verknüpft und das Datenbankmodell wird im Hintergrund klassifiziert – prüfen Sie es, dann startet publish_schema den Feed. |
| Database Sync | classify_database_model | Führen Sie die Klassifizierung des Datenbankmodells erneut aus, nachdem Sie ein verknüpftes Schema bearbeitet haben: Ein LLM schlägt für jede neue oder geänderte Eigenschaft den Schlüssel, den SQL-Typ, den Index und die Zuständigkeit vor. Der erste Durchlauf erfolgt automatisch, sobald die Datenbank verbunden ist. |
| Database Sync | delete_database_sync | Löscht einen Database Sync und seine in der Warteschlange befindlichen Deltas – die Tabellen Ihrer Replik werden nie berührt. Optionale Teardown-Flags entfernen außerdem den Entitätsstatus und das Datenbankmodell von Schemas, die ohne Datenbank zurückbleiben. |
| Database Sync | create_database_credential | Stellt die Sync-Client-Anmeldedaten eines Database Sync (neu) aus – der Kopplungsschritt des ee-database-Workflows, zusammen mit den Install- und Pair-Befehlen zurückgegeben. |
| Database Sync | fetch_database_deltas | Ruft das nächste FIFO-Fenster von SQL-Deltas für einen Database Sync ab – claim=true least es für eine bestätigte Zustellung, claim=false ist ein wiederholbarer Lesevorgang. |
| Database Sync | ack_database_deltas | Bestätigt angewendete Deltas bis zu einer ID: gibt den Lease frei und wendet die Purge-Optionen des Sync an. |
| Database Sync | assign_sync_host | Den Sync-Host zuweisen (oder entfernen), der im verwalteten Modus einen Database Sync bereitstellt — der Host beansprucht die Zugangsdaten, erstellt die physische Datenbank, falls sie fehlt, und startet die Synchronisierung, ganz ohne manuelle Kopplung. |
| Database Sync | list_entity_states | Den aktuellen Entitätszustand eines Schemas durchsuchen — die deduplizierten Zeilen nach dem Last-Write-Wins-Prinzip, die die Entitätsschicht vorhält und jede verknüpfte Datenbank spiegelt, nicht die Datensätze pro Lauf von list_records. |
| Database Sync | sync_records_to_database | Gespeicherte Anreicherungsausgaben in den Database Sync eines Schemas einspielen — erneut gegen den veröffentlichten Vertrag validiert und anschließend durch das Aufnahme-Gate geleitet. |
| Semantic IDs | list_semantic_concepts | Durchsuchen Sie das Konzeptvokabular der Organisation samt seinen Typ-Facetten – oder, mit view="duplicates", die Konzeptpaare knapp unterhalb des Auflösungsschwellenwerts. |
| Semantic IDs | get_semantic_concept | Ein Konzept vollständig: Oberflächenformen, Identitäts-Quellschlüssel, verknüpfte Datensätze und seine nächsten Nachbarn mit Ähnlichkeiten (nur innerhalb des eigenen Konzepttyp- und Embedding-Modell-Segments definiert). |
| Semantic IDs | probe_semantic_concept | Testlauf der Auflösungskette für einen Text – was eine Anreicherung damit tun würde – ohne etwas anzulegen. Prüfen Sie, bevor Sie hinzufügen. |
| Semantic IDs | add_semantic_concept | Legt ein Konzept mit Verwendung 0 an oder – mit alias_of – eine neue Oberflächenform eines bestehenden Konzepts. Wird mit dem bestehenden Konzept abgelehnt, wenn der Text am Schwellenwert bereits abgedeckt ist. |
| Semantic IDs | update_concept_alias | Entfernt eine Oberflächenform eines Konzepts oder erhebt eine zur kanonischen Form. Die letzte Oberflächenform wird abgelehnt – das Löschen des Konzepts übernimmt der Löschvorgang. |
| Semantic IDs | import_semantic_concepts | Löst bis zu 1000 Identitätstexte über die Anreicherungskette auf: standardmäßig ein Bericht pro Zeile, mit mint=true (Owner) werden die fehlenden Treffer neu angelegt. |
| Semantic IDs | merge_semantic_concepts | Führt ein Konzept in ein anderes über. impact_only=true (Standard) meldet die Auswirkungsreichweite; die Zusammenführung selbst (Owner) leitet Aliase und Entitäten um und konvergiert jede verknüpfte Datenbank. |
| Semantic IDs | delete_semantic_concepts | Löscht Konzepte nach ID, ganze Typen oder nur unbenutzte. impact_only=true (Standard) meldet zuerst die Anzahlen und die betroffenen Schemas/Datenbanken; das Löschen heilt sich selbst, bricht aber die Konvergenz mit gespeicherten IDs. |
| Semantic IDs | migrate_semantic_embeddings | Status, Kollisionsvorschau, Start oder Abbruch der Embedding-Modell-Migration der Organisation – der einzige Weg, bestehende Konzepte zwischen Embedding-Modellen zu verschieben. |
Lassen Sie attachment_ids weg. Das Modell entwirft ein wiederverwendbares Muster aus seinem Wissen, und enable_web_search=true kann externe Fakten fundieren.
Übergeben Sie attachment_ids. Der Planer behandelt die Dateien als maßgeblich: Er transkribiert Dokumentwerte oder beschreibt nur Attribute, die auf einem Foto sichtbar sind. Felder und zusätzliche Anweisungen können keine unabhängigen externen Fakten hinzufügen.
Was Sie als zusätzliche Anweisungen übergeben, wird entweder befolgt oder als nicht befolgt zurückgemeldet. Wo eine deterministische Regel etwas rückgängig machen musste, worum Sie gebeten hatten – etwa eine Struktur, die der Generator nicht erzeugen kann –, enthält der abgeschlossene Auftrag eine warnings-Liste mit einem entsprechenden Hinweis. Geben Sie diese an den Nutzer weiter: Eine stillschweigend ignorierte Anweisung ist der Weg, auf dem eine Stichprobe unbemerkt falsch wird.
Bei einer hybriden Anfrage, etwa wenn ein Auto anhand eines Fotos identifiziert und seine öffentlichen Auftritte recherchiert werden sollen, rufen Sie generate_sample zweimal auf: zuerst im Quellenmodus mit deaktivierter Websuche, dann ohne Anhänge unter Verwendung der bestätigten Identität und mit aktivierter Websuche. Kombinieren Sie die Ergebnisse in der Konversation; Entity Enricher führt separate Datensätze, sodass Quellenbeobachtungen und recherchierte Fakten eine eigene Provenienz behalten.
Belassen Sie model=auto, sofern Sie nicht ausdrücklich ein bestimmtes Modell benötigen. Die automatische Auswahl berücksichtigt die Anforderungen an Aufgabe, Anhänge und Websuche; ein verfügbarer Modellschlüssel kann dennoch auf anbieterspezifische Kontingente oder Einschränkungen kombinierter Tools stoßen.
Vor der Schemagenerierung prüft der Client den Umfang der Entität, Schlüssel, Typen, Kardinalität, fehlende repräsentative Felder und verschachtelte Beziehungen. Folgenreiche Änderungen werden zur Genehmigung gebündelt; sachliche Werte und Struktur werden niemals unbemerkt geändert.
Bei relationalen Tabellen, Stammdaten, Wissensgraphen oder wiederverwendbaren verschachtelten Entitäten fragt der Client, ob semantische IDs generiert werden sollen. Sie erfordern ein Embedding-Modell der Organisation und verursachen zusätzliche Embedding-Kosten und bleiben daher standardmäßig deaktiviert.
Übergeben Sie entity_data für ein neues oder bearbeitetes Muster oder sample_record_id, um gespeichertes JSON und dessen verknüpfte Anhänge wiederzuverwenden. Wenn Sie beides übergeben, wird das bearbeitete JSON verwendet, während die Anhänge erhalten bleiben. Explizite attachment_ids, auch eine leere Liste, überschreiben die Vererbung.
Nach der Generierung prüft der Client die Konformität des Musters, Schlüssel, Anmerkungen, Fachgebiete, Beziehungen und die Abdeckung semantischer IDs. Strukturelle Vorschläge erfordern das Bearbeiten des Musters und eine erneute Generierung; auch reine Anmerkungsänderungen erfordern Ihre Zustimmung. Nichts wird automatisch angewendet.
Ressourcen ermöglichen es Claude, Daten zu durchsuchen, ohne einen Tool-Aufruf zu verbrauchen – der LLM-Client behandelt sie wie Dateien. Beide Ressourcentypen werden für eine kostengünstige Inline-Anzeige als Markdown gerendert.
| URI-Vorlage | Beschreibung |
|---|---|
| enricher://schemas/{schema_id} | Ein gespeichertes Schema, dargestellt als Markdown – Metadaten-Header + das GeneratedJsonSchema als eingerahmter JSON-Block. |
| enricher://records/{record_id} | Ein vergangener Anreicherungs-Datensatz, dargestellt als Markdown – Metadaten + strukturierte Ausgabe + Validierungsfehler. |
Wenn Sie enrich_entity anweisen, ein Klassifizierungsmodell zu verwenden, und die Entity nicht zum Schema-Typ passt, gibt das Tool eine fehlerfreie Antwort mit strukturierten Details zurück. Claude liest sie, legt Ihnen die Begründung dar und versucht es (nach Ihrer Bestätigung) erneut mit force_after_classification_warning=true – wodurch der Klassifikator beim erneuten Versuch weggelassen wird.
{
"success": false,
"error_code": "classification_warning",
"message": "Pre-flight classification rejected the entity. ...",
"classification": {
"status": "mismatch",
"reasoning": "Titan is a moon of Saturn, not a planet.",
"confidence": 0.97
},
"job_id": "..."
}n8n und Make brechen bei diesem Status automatisch ab, weil sie den Benutzer nicht mitten in der Pipeline fragen können. MCP kann das, und dieser eine Unterschied ist der Grund, warum der Connector existiert.
Dieselbe Interaktivität treibt einen zweiten Ablauf an: Wenn generate_sample mit Quelldokumenten läuft, kann sein Planer mit strukturellen Rückfragen pausieren. Claude leitet sie an Sie weiter und setzt den Job mit answer_job_question fort — Runde für Runde, bis das Beispiel generiert ist.
Tool-Fehler werden in strukturierte Dicts mit einem error_code-Feld überführt, sodass Claude Muster abgleichen kann, statt Freitext zu parsen. Die HTTP-Ebene bildet klar ab: 402 → Kontingent- oder Credit-Fehler, 422 → Klassifizierungs-Warnung, 504 → Timeout, 502 → Upstream-LLM-Fehler.
| error_code | Wann |
|---|---|
| invalid_request | Ungültige UUID, sich gegenseitig ausschließende Argumente (schema_id + target_schema) oder Validierung des Anfragetexts fehlgeschlagen. |
| prompt_limit_reached | Tägliches/wöchentliches/monatliches Prompt-Kontingent erschöpft (HTTP 402). Der Body enthält period, limit, used, needed. |
| insufficient_credits | Für die Org ist die Abrechnung aktiviert, aber das Credit-Guthaben ist zu gering, um den Job zu starten (HTTP 402). Der Body enthält das Guthaben und eine Kauf-URL. |
| model_limit_exceeded | Mehr Modelle angefordert, als der Tarif erlaubt (HTTP 402). Gibt Limit + Anforderung zurück. |
| language_limit_exceeded | Mehr Sprachen angefordert, als der Tarif erlaubt (HTTP 402). |
| concurrent_job_limit_reached | Zu viele aktive Anreicherungs-Aufträge für diese Organisation. Warten Sie oder führen Sie ein Upgrade des Tarifs durch. |
| classification_warning | ⚡ Kein Fehler: Der Pre-Flight-Klassifikator hat die Entität abgelehnt. Die Antwort enthält den Klassifizierungskontext, damit Claude den Nutzer um Bestätigung bitten und mit force_after_classification_warning=true erneut versuchen kann. |
| benchmarks_not_in_plan | Benchmark-Tools erfordern die Owner-Rolle und einen Plan, der Modell-Benchmarks umfasst (HTTP 403). |
| ambiguity_check_disabled | analyze_schema wurde für ein Schema aufgerufen, dessen Mehrdeutigkeitsprüfung deaktiviert ist (HTTP 400). Aktivieren Sie sie zuvor über update_schema mit ambiguity_check_enabled=true. |
| enrichment_timeout | Job hat timeout_seconds überschritten. Empfehlung: weniger Modelle oder die Entität aufteilen. |
| schema_generation_timeout | Die Schemagenerierung hat timeout_seconds überschritten. |
| schema_generation_failed | Upstream-LLM-Fehler bei der Schema-Generierung (HTTP 502). |
| model_output_invalid | Das Modell hat eine Ausgabe zurückgegeben, die nicht dem Schema entspricht (HTTP 502). Der Body nennt das Modell, den betreffenden Eigenschaftspfad sowie retryable: true – rufen Sie das Tool erneut auf oder wählen Sie ein leistungsstärkeres Modell. |
| cancelled | Job wurde während der Ausführung abgebrochen (HTTP 499). |
| not_found | Die Schema- oder Datensatz-ID existiert nicht in Ihrer Organisation. |
| http_error | Auffangregel für HTTP-Fehler ohne strukturierten Detailtext. |
get_stats liefert Zusammenfassungen auf Chat-Seite; die vollständigen Dashboards bleiben in der App.