https://javapro.svenruppert.com/tags/tools/Recent content in Tools on JAVAPRO GermanyHugode-DEMon, 12 Jan 2026 09:03:34 +0000https://javapro.svenruppert.com/llm-context-und-tools/Mon, 12 Jan 2026 09:03:34 +0000https://javapro.svenruppert.com/llm-context-und-tools/<p><figure class="post-figure"> <img src="https://javapro.svenruppert.com/uploads/sites/1/2026/01/ollama_tools-1024x585.png" alt="" loading="lazy" decoding="async"> </figure> </p> <p>Im letzten Artikel (<a href="https://javapro.io/de/llm-context">https://javapro.io/de/llm-context</a>) haben wir untersucht, wie LLMs mithilfe des Contexts ganze Chat-Verläufe verarbeiten können. Doch die Möglichkeiten des Contexts gehen weit darüber hinaus. In diesem Artikel schauen wir uns an, wie wir der LLM über den Context Funktionen bereitstellen können, um qualitativ hochwertigere Antworten zu erhalten. Dieses Konzept ist bekannt als <strong>LLM-Context und Tools</strong>.</p> <p><strong>Vorbemerkungen</strong></p> <ul> <li>Die Code-Beispiele basieren auf dem Wissen aus dem Artikel <a href="https://javapro.io/de/llm-context">https://javapro.io/de/llm-context</a>. Daher wäre es sinnvoll, zuerst diesen zu lesen.</li> <li>Alle Beispiele stehen in GitHub-Repos zur Verfügung.</li> </ul> <h2 id="beispiel-kurzreise-nach-paris">Beispiel Kurzreise nach Paris</h2> <p>Wir möchten eine Kurzreise nach Paris machen und fragen uns, was wir da alles mitnehmen sollten. Im AI-Zeitalter starten wir Ollama mit dem Llama3.2-Modell und machen folgende Anfrage: <strong>What kind of clothes do I need for a short trip to Paris?</strong></p>