Beim Erstellen von Anwendungen mit mehreren Tools musst du Szenarien handhaben, in denen Claude möglicherweise mehrere Tools nacheinander aufrufen muss, um eine einzelne Nutzerfrage zu beantworten. Wenn ein Nutzer beispielsweise fragt „Welcher Tag ist in 103 Tagen von heute an?“, muss Claude zunächst das aktuelle Datum abrufen und dann 103 Tage dazu addieren.

Dies erzeugt ein mehrfaches Konversationsmuster, bei dem Claude mehrere Tool-Anfragen stellt, bevor es eine endgültige Antwort liefert. Deine Anwendung muss dies automatisch handhaben.
Das Mehrfach-Tool-Muster
Hier ist, was im Hintergrund passiert, wenn Claude mehrere Tools benötigt:
- Nutzer fragt: „Welcher Tag ist in 103 Tagen von heute an?“
- Claude antwortet mit einem Tool-Nutzungs-Block, der
get_current_datetimeanfordert - Dein Server ruft die Funktion auf und gibt das Ergebnis zurück
- Claude erkennt, dass es weitere Informationen benötigt, und fordert
add_duration_to_datetimean - Dein Server ruft diese Funktion auf und gibt das Ergebnis zurück
- Claude hat nun genug Informationen, um die endgültige Antwort zu liefern

Aufbau einer Konversationsschleife
Um dieses Muster zu handhaben, benötigst du eine Konversationsschleife, die so lange fortgesetzt wird, bis Claude keine Tools mehr anfordert:
def run_conversation(messages):
while True:
response = chat(messages)
add_assistant_message(messages, response)
# Pseudocode
if response isn't asking for a tool:
break
tool_result_blocks = run_tools(response)
add_user_message(messages, tool_result_blocks)
return messages
Refactoring von Hilfsfunktionen
Bevor du die Konversationsschleife implementierst, musst du deine Hilfsfunktionen aktualisieren, damit sie mehrere Nachrichtenblöcke korrekt handhaben.
Aktualisieren der Nachrichten-Handler
Deine Funktionen add_user_message und add_assistant_message gehen derzeit davon aus, dass sie immer mit reinem Text arbeiten. Aktualisiere sie so, dass sie vollständige Nachrichtenobjekte handhaben können:
from anthropic.types import Message
def add_user_message(messages, message):
user_message = {
"role": "user",
"content": message.content if isinstance(message, Message) else message
}
messages.append(user_message)Dadurch kannst du entweder einen String, eine Liste von Blöcken oder ein vollständiges Nachrichtenobjekt übergeben.
Aktualisieren der Chat-Funktion
Ändere deine Chat-Funktion so, dass sie eine Liste von Tools akzeptiert und die vollständige Nachricht statt nur den Text zurückgibt:
def chat(messages, system=None, temperature=1.0, stop_sequences=[], tools=None):
params = {
"model": model,
"max_tokens": 1000,
"messages": messages,
"temperature": temperature,
"stop_sequences": stop_sequences,
}
if tools:
params["tools"] = tools
if system:
params["system"] = system
message = client.messages.create(**params)
return messageExtrahieren von Text aus Nachrichten
Da die Chat-Funktion jetzt vollständige Nachrichten statt nur Text zurückgibt, füge eine Hilfsfunktion hinzu, um bei Bedarf Text zu extrahieren:
def text_from_message(message):
return "\n".join(
[block.text for block in message.content if block.type == "text"]
)Diese Funktion findet alle Textblöcke in einer Nachricht und fügt sie zusammen, was nützlich ist, wenn du die endgültige Antwort den Nutzern anzeigen musst.
Warum diese Änderungen wichtig sind
Diese Refactoring-Schritte bereiten deinen Code auf die Realität tool-fähiger Konversationen vor:
- Mehrere Blöcke pro Nachricht – Claudes Antworten können sowohl Text- als auch Tool-Nutzungs-Blöcke enthalten
- Flexible Nachrichtenverarbeitung – Deine Funktionen können jetzt mit verschiedenen Nachrichtenformaten arbeiten
- Vollständige Nachrichtenerhaltung – Du behältst alle Informationen, die Claude bereitstellt, nicht nur die Textteile
- Unterstützung für Tool-Listen – Deine Chat-Funktion kann jetzt mehrere Tools empfangen und verwenden
Mit diesen Grundlagen bist du bereit, die vollständige Konversationsschleife zu implementieren, die mehrere Tool-Aufrufe automatisch handhabt, und schafft so ein nahtloses Erlebnis, bei dem Claude beliebige Tools verwenden kann, die es benötigt, um Nutzerfragen vollständig zu beantworten.