Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Der 5-Schritt-Executions-Workflow

Lektion 2 von 16 Aktualisiert am 30. Juli 2026 Entwickler
Auf dieser Seite
  1. Wie Grok entscheidet, ein Tool zu verwenden
  2. Die 5 Schritte des Workflows
  3. Praktische Implikationen
  4. Kernaussagen

Wie Grok entscheidet, ein Tool zu verwenden

Wenn Sie in Ihrer API-Anfrage ein oder mehrere Tools aktivieren, verwendet das Modell diese nicht zwangsläufig. Es folgt einem strukturierten, fünfstufigen Entscheidungsprozess, um festzustellen, ob ein Tool benötigt wird, welches Tool eingesetzt werden soll und wie die Ergebnisse in die Antwort integriert werden.

Das Verständnis dieses Workflows hilft Ihnen, das Verhalten des Modells vorherzusehen und Ihre Prompts für präzise Ergebnisse zu optimieren.

Die 5 Schritte des Workflows

Schritt 1: Analyse der Anfrage

Das Modell beginnt damit, die Nachricht des Nutzers zu analysieren, um zu identifizieren, was gefragt wird. Es bewertet die Art der Frage: Handelt es sich um eine faktische Anfrage, die aktuelle Daten erfordert? Eine komplexe Berechnung? Oder eine Meinungsfrage, die keine Tools benötigt?

Diese Analyse ist entscheidend. Wenn das Modell die Informationen bereits in seinen Trainingsdaten hat und keine Echtzeitdaten erforderlich sind, kann es entscheiden, direkt zu antworten, ohne ein Tool zu aktivieren.

Schritt 2: Entscheidungsfindung für den Aufruf

Basierend auf seiner Analyse entscheidet das Modell, ob es ein Tool aufrufen oder direkt antworten soll. Diese Entscheidung hängt von drei Faktoren ab. Erstens die Art der Frage: Eine Abfrage zu aktuellen Ereignissen weist natürlich auf die Web-Suche hin, während eine Frage dazu, was gerade über ein Thema gesagt wird, auf die X-Suche verweist. Zweitens der von Ihnen definierte Umfang: Das Modell wählt ausschließlich aus den in Ihrem tools-Array aktivierten Tools aus – ein nicht vorhandenes Tool existiert für es schlichtweg nicht. Drittens sein eigenes Vertrauen: Wenn es glaubt, die Frage korrekt aus dem Gedächtnis beantworten zu können, spart es den Aufruf, was das erwünschte Verhalten in den meisten Fällen ist.

Sie behalten die Kontrolle über diese Entscheidung durch den Prompt: „Suchen Sie nach den neuesten Informationen zu…” weist klar auf die Web-Suche hin, während eine neutrale Formulierung das Modell dazu veranlasst, selbstständig zu entscheiden.

Schritt 3: Ausführung

Die Verarbeitung unterscheidet sich je nach Tool-Kategorie:

  • Eingebautes Tool: Die Ausführung erfolgt automatisch und transparent. Der xAI-Server führt die Suche oder die Codeausführung durch, und das Ergebnis wird direkt an das Modell übermittelt. Sie sehen diesen Schritt nicht in der API-Antwort.
  • Function Calling: Das Modell gibt ein Objekt zurück, das das aufzurufende Tool und seine Argumente beschreibt. Ihr Code muss das Tool ausführen und das Ergebnis über eine neue Anfrage zurückgeben.

Schritt 4: Verarbeitung der Ergebnisse

Sobald Ergebnisse vorliegen, bewertet das Modell diese, bevor es antwortet – und hier wird der Workflow wirklich agentisch. Wenn die Ergebnisse ausreichen, geht es direkt zur Formulierung der endgültigen Antwort über. Wenn sie unzureichend sind – die Suche zu eng gefasst, Ergebnisse vom Thema abweichend – kann es einen weiteren Aufruf mit angepassten Parametern auslösen, um die Abfrage zu erweitern oder zu verfeinern, ohne dass Sie eingreifen müssen. Und bei einer wirklich komplexen Frage kann es mehrere Tools verkettend einsetzen: eine Websuche, um Zahlen zu sammeln, gefolgt von der Codeausführung, um diese zu analysieren, zum Beispiel.

Dieses iterative Verhalten ist wertvoll für die Antwortqualität, hat aber eine direkte Konsequenz für die Abrechnung: Jeder Tool-Aufruf wird separat abgerechnet, und eine Frage, die drei Suchen auslöst, kostet drei Aufrufe. Halten Sie diesen Mechanismus bei der Kostenschätzung im Hinterkopf.

Schritt 5: Endgültige Antwort

Das Modell formuliert seine Antwort, indem es die gesammelten Informationen integriert. Wenn Web- oder X-Quellen konsultiert wurden, enthält die Antwort automatisch Zitationen mit den ursprünglichen URLs. Diese Zitationen sind im Feld citations des Antwortobjekts zugänglich.

Praktische Implikationen

Kumulative Kosten

Das Modell kann für eine einzelne Benutzeranfrage mehrere Tool-Aufrufe tätigen. Jeder Aufruf wird unabhängig vom Tokenverbrauch abgerechnet. Ein mehrdeutiger Prompt kann unnötige Aufrufe generieren und Ihre Kosten erhöhen.

Kontrolle über den Prompt

Sie können das Modell nicht zwingen, ein bestimmtes Tool zu verwenden, aber Sie können es stark über Ihren Systemprompt oder die Benutzer-Nachricht lenken. Klare Anweisungen reduzieren unnötige Aufrufe.

Nicht-deterministisches Verhalten

Die Entscheidung, ein Tool zu verwenden oder nicht, kann zwischen zwei identischen Aufrufen variieren, insbesondere bei hohen Temperatureinstellungen. Für reproduzierbare Ergebnisse verwenden Sie eine niedrige Temperatur (0,0 bis 0,3).

Kernaussagen

  • Das Modell folgt einem 5-Schritt-Workflow: Analyse, Entscheidung, Ausführung, Verarbeitung, Antwort.
  • Es fordert ein Tool nur an, wenn es dies für notwendig erachtet – es ist nicht automatisch.
  • Mehrere Aufrufe sind möglich und erhöhen die Kosten.
  • Ein präziser Prompt reduziert unnötige Aufrufe und verbessert die Relevanz.
  • Zitationen werden automatisch eingefügt, wenn Quellen konsultiert wurden.