MCP-Server für Codex und andere KI-Clients

Codex, Cursor, VS Code mit GitHub Copilot, Claude Code und Claude verbinden sich mit demselben Entity Enricher MCP-Server. Ihre Agenten können Schemas entwerfen, Entitäten in mehreren Sprachen anreichern, Modelle fusionieren, semantische Identitäten pflegen, Qualität benchmarken, relationale Tabellen mit einer Datenbank synchronisieren — mit den Modellen der Plattform oder mit dem eigenen Modell des Clients, wenn der Job seine LLM-Aufrufe delegiert — und den Support-Assistenten des Produkts fragen, wenn eine Frage Entity Enricher selbst betrifft.

Schemavalidierung und Übereinstimmung zwischen Modellen garantieren weder sachliche Richtigkeit noch Aktualität. Prüfen Sie Quellen, Fehler und unvollständige Datenbankergebnisse. MCP bietet konversationellen Zugriff; n8n und Make bieten Workflow-Automatisierung über denselben Dienst.

Jobs auf dem Modell Ihres Clients ausführen

Standardmäßig führt jedes Start-Tool seinen Job auf Ihrem eigenen Modell aus (mit use_platform_models=true oder der Angabe eines Plattformmodells läuft er stattdessen auf den abgerechneten Modellen der Plattform). Der Job führt keinen Plattform-Modellaufruf aus und verbraucht keine Credits: Das Modell hinter Ihrem MCP-Client – dasjenige, das Ihre Unterhaltung, Ihre Dokumente und Ihre verbundenen Tools bereits vorhält – beantwortet jeden Modellaufruf des Jobs, und die Plattform übernimmt, was sie am besten kann: die Prompts erstellen, das Ausgabeschema durchsetzen, jede Antwort validieren und normalisieren, die Datensätze speichern und die Datenbanken synchronisieren.

  1. Starten Sie den Job ohne explizites Modell (weggelassen oder auto) und entscheiden Sie überenable_web_search, wo das Tool es annimmt: Fehlt die Angabe, gibt es web_search_undecided zurück, damit Sie zuerst den Benutzer fragen – die Suche wäre ja Ihre eigene. Der Job pausiert, sobald sein erster Modellaufruf bereit ist.
  2. Lesen Sie llm_requests im Job-Status: Jeder Eintrag ist ein Modellaufruf im MCP-Format sampling/createMessage – System-Prompt, Nachrichten, Tools und toolChoice – mit einem purpose, das den Schritt benennt, und einer Frist. Binäre Anhänge werden als enricher://attachments/{id}-Ressourcen referenziert, nie eingebettet; extrahierter Text ist bereits in den Nachrichten enthalten. Ein Client, der die Datei hochgeladen hat, liest seine eigene Kopie, sodass ein Anhang nie ein Plattformmodell erfordert.
  3. Führen Sie die Anfrage auf Ihrem eigenen Modell aus und geben Sie das Ergebnis mitanswer_llm_request zurück. Die Plattform validiert es genau so gegen das Schema wie die Antwort eines Providers; eine abgelehnte Antwort kommt als dieselbe Konversation zurück, mit dem Fehler in einem fehlgeschlagenen Tool-Ergebnis – zum Korrigieren und erneuten Beantworten.
  4. Wiederholen Sie dies, bis der Job abgeschlossen ist. Die Datensätze werden mit dem Modellschlüssel mcp::client gekennzeichnet, ohne Kosten; eine unbeantwortete Anfrage lässt den Job nach fünfzehn Minuten fehlschlagen.

Protokolldetails und Sonderfälle – das Opt-out, die Entscheidung zur Websuche, parallele Anfragen, Korrekturanfragen bei der Anreicherung, Anhänge, Timeouts – finden Sie im unten aufgeführten Leitfaden Delegierte LLM-Aufrufe.

Schnellstart

OAuth-Anmeldung

Mit OAuth kann sich ein Client ohne API-Schlüssel verbinden. Der Zustimmungsdialog von Entity Enricher nennt den Client, die Organisation und die Rolle, die der Verbindung gewährt wird. Der Zugriff kann unter API-Schlüssel → Verbundene Apps verwaltet oder widerrufen werden.

Diese Beispiele verwenden die Browser-Anmeldung (OAuth) und denselben Streamable-HTTP-Endpunkt: https://entityenricher.ai/api/mcp/, einschließlich des abschließenden Schrägstrichs. Jeder Client hat sein eigenes Konfigurationsformat.

Codex

Codex teilt MCP-Einstellungen über ~/.codex/config.toml zwischen App, CLI und IDE-Erweiterung. Der erste Befehl registriert Entity Enricher; der Login-Befehl öffnet die Browser-Anmeldung, wenn eine Authentifizierung erforderlich ist.

Codex CLI
codex mcp add entity-enricher --url https://entityenricher.ai/api/mcp/
codex mcp login entity-enricher
Codex-Dokumentation

Cursor

Cursor liest Projekt-Server aus .cursor/mcp.json oder persönliche Server aus ~/.cursor/mcp.json. Der Eintrag für den Remote-Server verwendet mcpServers; Cursor übernimmt den OAuth-Anmeldevorgang.

.cursor/mcp.json
{
  "mcpServers": {
    "entity-enricher": {
      "url": "https://entityenricher.ai/api/mcp/"
    }
  }
}
Cursor-Dokumentation

VS Code / GitHub Copilot

VS Code verwendet .vscode/mcp.json mit einem servers-Objekt und einem expliziten http-Transport. Nach dem Start des Servers stehen seine Tools dem Agenten von GitHub Copilot nach der Autorisierung zur Verfügung.

.vscode/mcp.json
{
  "servers": {
    "entity-enricher": {
      "type": "http",
      "url": "https://entityenricher.ai/api/mcp/"
    }
  }
}
VS Code / GitHub Copilot-Dokumentation

Claude Code

Dieser Befehl registriert einen Remote-HTTP-Server in Claude Code. Der Befehl /mcp in Claude Code öffnet die Steuerung für Verbindung und Authentifizierung.

Claude Code CLI
claude mcp add --transport http entity-enricher https://entityenricher.ai/api/mcp/
Claude Code-Dokumentation

Claude / Claude Desktop

Auf claude.ai und in Claude Desktop bieten die Connector-Einstellungen die Aktion "Benutzerdefinierten Connector hinzufügen". Der Connector übernimmt die oben genannte Server-URL und öffnet den Autorisierungsdialog von Entity Enricher. Diese gehostete Verbindung wird über Connectors konfiguriert; claude_desktop_config.json ist für lokale Server vorgesehen.

Dokumentation zum Claude Connector
  1. 1Die Organisation, auf die die Berechtigung beschränkt ist
  2. 2Die Verbindung handelt mit Ihrer eigenen Rolle, niemals mit einer weitergehenden
  3. 3Jederzeit unter „Verbundene Apps“ widerrufbar
Der Zustimmungsdialog nennt den anfragenden Client, die Organisation und die Rolle, die der Verbindung gewährt wird.

Authentifizierung per API-Schlüssel

Zugriffsschlüssel für Organisationen werden unter Einstellungen → API-Schlüssel mit einer gewählten Rolle erstellt. Clients können den Schlüssel in einem X-API-Key-Header senden, anstatt sich per OAuth anzumelden. Diese Codex-Konfiguration liest den Schlüssel beispielsweise aus einer Umgebungsvariablen:

~/.codex/config.toml
[mcp_servers.entity-enricher]
url = "https://entityenricher.ai/api/mcp/"
env_http_headers = { "X-API-Key" = "ENTITY_ENRICHER_API_KEY" }

ENTITY_ENRICHER_API_KEY muss den Schlüssel in der Umgebung des Prozesses enthalten, der Codex ausführt. Cursor und VS Code akzeptieren diesen HTTP-Header in ihrem eigenen Konfigurationsobjekt headers. Die oben genannten Client-Referenzen beschreiben die jeweils unterstützten Einstellungen.

Beispielunterhaltung

Dieselbe Anfrage funktioniert in allen Clients: "Listen Sie meine Entity Enricher-Schemas auf, reichern Sie dann Sanofi mit meinem Schema für Pharmaunternehmen an und zeigen Sie das gespeicherte Ergebnis."Der Client erkennt die Tools und nutzt sie, um ein Schema auszuwählen und die Anreicherung auszuführen. Bestätigungsabfragen, Fortschrittsanzeige und Ressourcenzugriff hängen vom Client ab.

Tools

62 Tools decken Schema-Erstellung, Anreicherung, Benchmarks, Database Sync, semantische Identitäten und Produktsupport ab. Sie nutzen Backend-Dienste für Validierung, Abrechnung und Verarbeitung. Jedes Tool stellt seine eigenen unterstützten Parameter bereit. Länger laufende Vorgänge (Batch-Anreicherung, Beispielgenerierung, Benchmark-Durchläufe) laufen asynchron: Das Start-Tool gibt eine job_id zurück, der Client fragt get_job_statusab und liest die resultierenden Datensätze oder Benchmark-Ergebnisse. Prüfen Sie Fehler und Teilergebnisse, bevor Sie Erfolg melden.

KategorieToolBeschreibung
Entdeckunglist_modelsVerfügbare Modellschlüssel, nominale Fähigkeiten, Sprachen, Strategien, automatisch gewählte Standardwerte und profile_limits der Organisation auflisten.
Schemasgenerate_sampleGeneriert aus einer Freitextanfrage bearbeitbares Beispiel-JSON für die Schema-Erstellung.
Schemaslist_schemasGespeicherte Schemas Ihrer Organisation auflisten, angeheftete zuerst.
Schemasget_schemaEin gespeichertes Schema mit seinen Eigenschaften, Annotationen und input_contract lesen.
Schemascreate_schema_from_sampleGeneriert aus geprüften Beispielen ein Schema, speichert es automatisch und liefert schema_id, Schemainhalt und Datensatzverknüpfungen.
Schemassave_schemaSpeichert ein direkt erstelltes Schema und gibt dessen ID und Link zurück.
Schemasupdate_schemaBearbeitet die Metadaten eines gespeicherten Schemas oder ersetzt dessen vollständigen schema_content ohne LLM-Aufruf.
Schemasget_schema_partNur das für eine Bearbeitung benötigte Schemafragment lesen.
Schemasget_enum_candidatesBeobachtete Werte außerhalb des aktuellen Vokabulars jedes offenen Enums auflisten, mit Häufigkeiten aus aktuellen Anreicherungs-Datensätzen.
Schemasupdate_schema_propertyBearbeitet oder entfernt eine einzelne Eigenschaft per Pfad, ohne das vollständige Schema zu ersetzen.
Schemasadd_schema_propertyFügt eine Eigenschaft unter dem Root (parent_path='), einem Objektpfad oder '$defs.X' hinzu.
Schemasmove_schema_propertyEine Eigenschaft in die Wurzel, einen Objektpfad oder '$defs.X' verschieben, wobei ihre Flags und ihre Expertise erhalten bleiben.
Schemasresolve_unify_proposalEinen ausstehenden Vereinheitlichungsvorschlag für Entitätstypen aus get_schema auflösen.
Schemasnest_schema_regionEinen Entitätsbereich aus der x-entityMap von get_schema materialisieren.
Schemaspublish_schemaDie Arbeitskopie eines datenbankverknüpften Schemas als den Vertrag veröffentlichen, den Anreicherung und Replikate verwenden.
Schemasdelete_schemaSoft-Löschen Sie ein gespeichertes Schema anhand der UUID.
Schemasanalyze_sampleAnalysieren Sie vor der Schemagenerierung die Mehrdeutigkeit der Beispiel-Eigenschaften und den Identitätsgeltungsbereich der Beziehungen.
Schemasanalyze_schemaAnalysiert die Mehrdeutigkeit der Eigenschaften und den Identitätsgeltungsbereich der Beziehungen eines gespeicherten Schemas und schreibt Anmerkungen in das Schema.
Anreicherung & Fusionstart_batch_enrichmentStartet die kostenpflichtige asynchrone Anreicherung einer Entitätsliste anhand von genau einem der Werte schema_id oder target_schema.
Anreicherung & Fusionenrich_entityReichert eine Entität gegen genau eines von schema_id oder target_schema an und liefert strukturierte Ausgabe, record_id, Kosten sowie ein etwaiges Datenbankergebnis.
Anreicherung & Fusionretry_expertisesNur die fehlgeschlagenen Fachdomänen eines vorhandenen Datensatzes erneut versuchen, anschließend dessen Ausgabe aktualisieren und Fusion/Synchronisierung des Laufs versuchen.
Anreicherung & Fusionmerge_recordsFusioniert zwei oder mehr Datensätze derselben Entität zu einem neuen Arbitrierungsdatensatz.
Job-Steuerungget_job_statusStatus, Fortschritt und kompakte Abschlusszusammenfassung eines Jobs mit den IDs der gespeicherten Datensätze lesen.
Job-Steuerungcancel_jobDen Abbruch eines ausstehenden, laufenden oder pausierten LLM-Jobs anfordern.
Job-Steuerunganswer_job_questionEinen pausierten Job mit Antworten auf die beim Pausieren zurückgegebenen Fragen fortsetzen.
Job-Steuerunganswer_llm_requestÜbermittelt das Ergebnis eines ausstehenden Modellaufrufs eines delegierten Jobs: ein Job, den der Benutzer auf dem eigenen Modell des Clients gestartet hat (Standard aller Start-Tools, außer bei use_platform_models=true oder einem…
Datensätze & Statistikenlist_recordsKompakte, paginierte Datensätze Ihrer Organisation auflisten, die neuesten zuerst.
Datensätze & Statistikenget_recordstructured_output, entity_input_data, Validierungsfehler, Expertise-Urteile und Metriken eines gespeicherten Datensatzes lesen.
Datensätze & Statistikenget_statsOrganisationsweite Datensatzsummen, Erfolgsquote, Tokens und Kostenübersicht lesen.
Benchmarkslist_benchmark_scenariosKompakte Zusammenfassungen der Benchmark-Szenarien und die Gesamtzahl auflisten.
Benchmarksget_benchmark_scenarioEin Benchmark-Szenario mit Qualitäts-, Kosten- und Geschwindigkeitsergebnissen je Modell lesen.
Benchmarksget_benchmark_scenario_resultsFiltert, ordnet und begrenzt die modellweisen Benchmark-Ergebnisse eines Szenarios.
Benchmarkscreate_benchmark_scenarioErstellt einen wiederverwendbaren Benchmark mit einem obligatorischen Bewertungs-Judge.
Benchmarksupdate_benchmark_scenarioBearbeitet die Testdefinition oder die Bewertungskonfiguration eines Benchmarks.
Benchmarksset_benchmark_referenceSpeichert die Goldreferenz für einen Benchmark zur Anreicherung oder Schemagenerierung.
Benchmarksrevert_benchmark_reference_updatesAutomatische Änderungen zurücknehmen, die ein Bewertungsdurchlauf an der Referenz eines Szenarios vorgenommen hat.
Benchmarksdelete_benchmark_scenarioLöscht ein Benchmark-Szenario und seine gespeicherten Ergebnisse.
Benchmarksrun_benchmarkStartet die kostenpflichtige asynchrone Ausführung und Bewertung eines Benchmarks.
Anhängeupload_attachmentLädt Datei-Bytes im Base64-Format als wiederverwendbares Quellmaterial hoch; gibt id und requires_capability zurück.
Anhängedelete_attachmentEinen Anhang in Ihrer Organisation dauerhaft löschen, einschließlich der gespeicherten Datei.
Database Synclist_database_syncsDatenbankregistrierungen, verknüpfte Schemas, Optionen und Sync-Hosts eines gespeicherten Schemas auflisten.
Database Synclist_entity_statesDurchsucht die aktuellen zusammengeführten Entitätszeilen eines Schemas, nicht die Datensätze einzelner Läufe.
Database Synccreate_database_syncEin gespeichertes Schema für die relationale Synchronisierung mit PostgreSQL, MySQL oder SQLite registrieren.
Database Syncassign_sync_hostWeist den Host zu, der einen Database Sync bereitstellt, oder hebt die Zuweisung auf.
Database Syncclassify_database_modelStartet eine kostenpflichtige Analyse, die Datenbankschlüssel, SQL-Typen, Indizes und die Zuständigkeit für Beziehungen für ein verknüpftes Schema vorschlägt.
Database Syncdelete_database_syncLöscht eine Datenbankregistrierung samt ihrer eingereihten Deltas und stoppt damit deren Feed.
Database Syncget_database_setup_instructionsGibt nicht geheime Installations-, browserbestätigte Kopplungs- und Ausführungsanweisungen für einen ee-database sync Client zurück.
Database Syncfetch_database_deltasDas nächste geordnete Fenster von SQL-Deltas und kanonischen Payloads für einen Database Sync lesen.
Database Syncack_database_deltasBestätigen Sie nach erfolgreicher Anwendung jedes Delta über up_to_id und geben Sie damit dessen Lease frei.
Database Syncsync_records_to_databaseValidiert gespeicherte oder übergebene Anreicherungsergebnisse und fügt sie in die Entitätsebene und die verknüpften Synchronisierungen ein.
Semantic IDslist_semantic_conceptsDurchsucht Organisationskonzepte mit Aliassen, Verwendungszahlen und Typ-/Modell-Facetten.
Semantic IDsget_semantic_conceptAliase, Identitäts-Quellschlüssel, verknüpfte Datensätze und nächste Nachbarn eines Konzepts innerhalb seines eigenen Typ-/Modell-Segments lesen.
Semantic IDsprobe_semantic_conceptDie Identitätsauflösung in der Vorschau ansehen, ohne ein Konzept hinzuzufügen oder dessen Nutzung zu erhöhen.
Semantic IDsadd_semantic_conceptFügt ein Identitätskonzept mit null Verwendungen hinzu oder ergänzt Text über alias_of als Alias.
Semantic IDsupdate_concept_aliasEinen Konzept-Alias anhand der Alias-IDs aus get_semantic_concept entfernen oder hochstufen.
Semantic IDsimport_semantic_concepts1..1000 Texte gegen einen Konzepttyp auflösen.
Semantic IDsmerge_semantic_conceptsEin Verlierer-Konzept in ein Gewinner-Konzept zusammenführen.
Semantic IDsdelete_semantic_conceptsLöscht Konzepte, ausgewählt über ids, concept_types oder unused_only.
Semantic IDsmigrate_semantic_embeddingsDen Konzept-Einbettungsraum der Organisation prüfen oder migrieren.
Produktsupportask_supportStellen Sie Rupert, dem Produktsupport-Assistenten von Entity Enricher, eine Frage zur Anwendung selbst: wie eine Funktion, ein Tool oder eine Einstellung funktioniert, was ein error_code, ein Limit, ein Status bedeutet…
Produktsupportget_support_conversationLesen Sie bei jedem Turn einen Ihrer Support-Threads: Ihre Fragen (role user), Ruperts Antworten (assistant) und die Rückmeldungen des Support-Teams (admin, mit author_name).
Produktsupportlist_support_conversationsIhre Support-Threads, neueste Aktivität zuerst, mit message_count und unread_for_user (eine noch nicht gelesene Rückmeldung des Support-Teams).

Workflow-Leitfäden, bei Bedarf geladen

Die Serveranweisungen erläutern die verfügbaren Workflows; die Tool-Beschreibungen erläutern einzelne Aufrufe. Für Modellierungsentscheidungen oder die Fehlerbehebung kann Ihr Client das Leitfadenverzeichnis unter enricher://docs lesen und einen Leitfaden über MCP-Ressourcen auswählen. Das Lesen eines Leitfadens führt kein Modell aus. Die folgenden Links öffnen dieselben englischen Leitfäden im öffentlichen Repository.

Ressourcen

Ressourcen stellen Schema- und Datensatzdaten sowie Workflow-Leitfäden als Markdown bereit. Clients entscheiden, wie sie diese finden und laden; Ressourceninhalte können dennoch Modellkontext verbrauchen.

URI-VorlageBeschreibung
enricher://docsIndex der Workflow-Leitfäden, jeweils unter der angegebenen Ressourcen-URI verfügbar.
enricher://schemas/{schema_id}Eine gespeicherte Schema-Arbeitskopie als Markdown; verwenden Sie get_schema mit version="published" für den aktiven verknüpften Vertrag.
enricher://records/{record_id}Ein vergangener Anreicherungs-Datensatz, dargestellt als Markdown – Metadaten + strukturierte Ausgabe + Validierungsfehler.
enricher://attachments/{attachment_id}Die Bytes eines hochgeladenen Anhangs, ausgeliefert mit ihrem tatsächlichen Medientyp – so übergibt ein Job, der seine LLM-Aufrufe delegiert, Ihrem Client eine PDF-, Bild- oder Audiodatei, die dieser nicht selbst hochgeladen hat.

Produktsupport aus Ihrem Client

Wenn eine Frage Entity Enricher selbst betrifft — wie eine Funktion oder ein Tool arbeitet, was ein Fehlercode, ein Limit oder eine Warnung bedeutet, warum ein Ergebnis so aussieht, wie es aussieht — und die Anleitungen sie nicht beantworten, weisen die Serveranweisungen den Agenten an, Rupert, den Produktsupport-Assistenten, mit ask_support zu fragen, anstatt zu raten. Der Aufruf gibt die vollständige Antwort und die ID des eröffneten Threads zurück; wird dieseconversation_id an die nächste Frage übergeben, bleibt der Kontext des Austauschs erhalten.

Jede Frage wird auf das tägliche Support-Kontingent der Organisation angerechnet, ausgewiesen alsquestions_remaining. Das Support-Team kann im Thread antworten: Der nächste ask_support-Aufruf darauf gibt diese Folgeantworten alsnew_admin_messages zurück, undget_support_conversation liest einen ganzen Thread. Dieselben Threads erscheinen im Support-Chat der Web-App und, für Inhaber, auf der Seite „Benutzer“ im Tab „Diskussionen“ — markiert als von einem KI-Agenten eröffnet.

Interaktive Klassifizierungsbehandlung

Wenn Sie enrich_entity anweisen, ein Klassifizierungsmodell zu verwenden, und die Entität nicht zum Schematyp passt, gibt das Tool einefehlerfreie Antwort mit strukturierten Details zurück. Der Client liest sie, zeigt Ihnen die Begründung an und wiederholt (nach Ihrer Bestätigung) den Vorgang mit force_after_classification_warning=true — wodurch der Klassifizierer beim erneuten Versuch übersprungen 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": "..."
}

Die MCP-Antwort behält die Details der Klassifizierung bei, sodass Ihr Client die Entscheidung erläutern kann, bevor ein neuer Aufruf gestartet wird.

Dieselbe Interaktivität treibt einen zweiten Ablauf an: Wenn generate_sample mit Quelldokumenten ausgeführt wird, kann der Planer mit Rückfragen zur Struktur anhalten. Der Client leitet sie an Sie weiter und setzt den Job mit answer_job_question fort — Runde für Runde, bis das Sample generiert ist.

Fehlercodes

Die meisten Tool-Fehler geben ein strukturiertes Objekt mit einem Feld error_code zurück, damit der Client zwischen Kontingent-, Klassifizierungs-, Timeout- und Anbieterfehlern unterscheiden kann. Einige ältere Antworten enthalten nur ein error- oder message-Feld; prüfen Sie neben dem Transportstatus auch das tatsächliche Ergebnis.

error_codeWann
invalid_requestUngültige UUID, sich gegenseitig ausschließende Argumente (schema_id + target_schema) oder Validierung des Anfragetexts fehlgeschlagen.
prompt_limit_reachedTägliches/wöchentliches/monatliches Prompt-Kontingent erschöpft (HTTP 402). Der Body enthält period, limit, used, needed.
insufficient_creditsFür 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_exceededMehr Modelle angefordert, als der Tarif erlaubt (HTTP 402). Gibt Limit + Anforderung zurück.
language_limit_exceededMehr Sprachen angefordert, als der Tarif erlaubt (HTTP 402).
concurrent_job_limit_reachedZu viele aktive Anreicherungs-Aufträge für diese Organisation. Warten Sie oder führen Sie ein Upgrade des Tarifs durch.
classification_warning⚡ Kein Fehler: Der Pre-flight-Klassifizierer hat die Entität abgelehnt. Die Antwort enthält den Kontext der Klassifizierung, sodass der Client den Benutzer um Bestätigung bitten und den Vorgang mit force_after_classification_warning=true wiederholen kann.
benchmarks_not_in_planDer Plan der Organisation enthält keine Modell-Benchmarks (HTTP 403). Verändernde Benchmark-Tools prüfen zusätzlich die Eigentümerrolle.
support_question_limit_reachedDas tägliche Kontingent an Support-Fragen der Organisation ist aufgebraucht (HTTP 402). Der Body enthält limit und used; jedes ask_support-Ergebnis gibt questions_remaining an.
support_requires_userask_support wurde mit einem Zugriffsschlüssel der Organisation aufgerufen (HTTP 403). Ein Support-Thread gehört zu einer Person: Melden Sie sich mit OAuth oder einem persönlichen API-Schlüssel an.
support_unavailableDer Support-Assistent konnte nicht antworten (Relay-Fehler). Die Frage wird dennoch angerechnet und der Thread existiert: Lesen Sie ihn später mit get_support_conversation, anstatt sofort erneut zu fragen.
web_search_undecidedEin Start-Tool wurde ohne enable_web_search für einen Job aufgerufen, der auf Ihrem Modell läuft. Fragen Sie den Benutzer, ob Ihr Modell die Websuche verwenden darf, und rufen Sie es dann erneut mit enable_web_search=true oder false auf.
delegation_requires_autoEin Job, der auf Ihrem Modell läuft, ist auf ein explizites Plattformmodell gestoßen, das nach dem Start eingefügt wurde – etwa eine Organisationsvorgabe (HTTP 400). Starten Sie den Job mit use_platform_models=true oder entfernen Sie diese Vorgabe.
request_not_pendinganswer_llm_request nannte eine Anfrage, die bereits beantwortet oder abgelaufen ist oder zu einem Job gehört, der weitergelaufen ist. Welche Anfragen jetzt ausstehen, zeigt get_job_status(job_id).llm_requests.
llm_request_pendinganswer_job_question wurde für einen Job aufgerufen, der wegen delegierter LLM-Anfragen angehalten ist, nicht wegen einer Frage. Beantworten Sie diese mit answer_llm_request.
llm_request_timeoutEin Job, der seine LLM-Aufrufe delegiert, hat innerhalb von 15 Minuten keine Antwort auf eine ausstehende Anfrage erhalten; der Job ist fehlgeschlagen. Für delegierte Jobs gibt es keine Standardantwort.
ambiguity_check_disabledanalyze_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_timeoutJob hat timeout_seconds überschritten. Empfehlung: weniger Modelle oder die Entität aufteilen.
schema_generation_timeoutDie Schemagenerierung hat timeout_seconds überschritten.
schema_generation_failedUpstream-LLM-Fehler bei der Schema-Generierung (HTTP 502).
model_output_invalidDas 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.
cancelledJob wurde während der Ausführung abgebrochen (HTTP 499).
not_foundDie Schema- oder Datensatz-ID existiert nicht in Ihrer Organisation.
http_errorAuffangregel für HTTP-Fehler ohne strukturierten Detailtext.

Bewusste Auslassungen

Siehe auch