Build

Output Schema

Ein Output Schema beschränkt LLM-Ausgaben auf strukturiertes JSON und validiert sie gegen eine unterstützte Teilmenge von JSON Schema.

Zuletzt aktualisiert 20. August 2026

Auf dieser Seite

Ein Output Schema definiert die Struktur und Validierungsregeln für die JSON-Antwort eines LLM-Agenten. Referenziere eine Schema-Datei im Agent YAML, um sie auf jede Antwort anzuwenden.

Nur für LLM-Agenten

Output Schemas werden nur für Agenten mit type: llm unterstützt. Sequential-Agenten und Tool-Agenten unterstützen dieses Feature nicht.

Finale Antwort und ausgehende Verbindungen

output_schema beschränkt die finale Antwort des Agenten. Das Schema muss nicht die Formate mehrerer ausgehender Verbindungen vereinen. Eine ausgehende Agent-Tool-Verbindung besitzt ein eigenes, von der Verbindung vorgegebenes Payload-Schema, das beim Aufruf des Tools validiert wird. Eine ausgehende Middleware-Verbindung akzeptiert dieselbe Payload über send_connector. Automatische ausgehende Verbindungen interpretieren die finale Antwort weiterhin als Inhalt der Verbindung.

Quickstart

Schema-Datei erstellen

Erstelle im Projekt ein Verzeichnis schemas/ und füge eine JSON-Schema-Datei hinzu:

schemas/invoice-data.json

{
  "type": "object",
  "description": "Extracted invoice data",
  "properties": {
    "vendor": {
      "type": "string",
      "description": "Vendor/company name"
    },
    "invoice_date": {
      "type": "string",
      "description": "Invoice date in YYYY-MM-DD format"
    },
    "total": {
      "type": "number",
      "description": "Total invoice amount"
    }
  },
  "required": ["vendor", "total"]
}

Im Agent YAML referenzieren

Füge das Feld output_schema der Agent-Konfiguration hinzu:

agents/invoice-extractor.yaml

version: "1.0"

name: invoice-extractor
type: llm  # output_schema only works with LLM agents
model: connic/gemini-3.7-flash
description: "Extracts structured data from invoices"
system_prompt: |
  Extract invoice data and return it as JSON matching the schema.
  Be precise with amounts and dates.

output_schema: invoice-data  # References schemas/invoice-data.json

Projekt-Struktur

Projektstruktur

my-project/

agents/

invoice-extractor.yaml

schemas/

invoice-data.jsonReferenced as "invoice-data"

customer-info.jsonReferenced as "customer-info"

tools/

...

Grundlagen von JSON Schema

Connic akzeptiert die unten aufgeführten JSON-Schema-Typen und Keywords. Das Top-Level-Schema muss type: object verwenden; die anderen Typen gelten für verschachtelte Felder.

Datentypen

Typ	Beispielwert	Beschreibung
string	"hello world"	Textwerte
number	42.5	Beliebige numerische Werte (Ganzzahlen und Dezimalzahlen)
integer	42	Nur Ganzzahlen
boolean	true / false	Wahr- oder Falsch-Werte
array	[1, 2, 3]	Liste von Elementen (Elementschema mit `items` definieren)
object	{"key": "value"}	Verschachtelte Struktur (Felder mit `properties` definieren)
null	null	Expliziter Nullwert

Schema-Properties

Property	Verwendet mit	Beschreibung
type	Alle	Der Datentyp (string, number, object, array usw.)
description	Alle	Für Menschen lesbare Beschreibung (hilft dem LLM, das Feld zu verstehen)
properties	object	Definiert die Felder eines Objekts und ihre Schemas
required	object	Array mit Feldnamen, die vorhanden sein müssen
items	array	Schema für Array-Elemente
enum	primitive	Liste zulässiger Werte
const	primitive	Ein einzelner vorgeschriebener Wert
minimum, maximum, exclusiveMinimum, exclusiveMaximum, multipleOf	number	Numerische Grenzwerte und Schrittweiten
minLength, maxLength, pattern	string	Beschränkungen für String-Länge und reguläre Ausdrücke
minItems, maxItems	array	Beschränkungen für die Array-Länge
default	Alle	Dokumentiert einen Standardwert. Das Feld wird dadurch weder zum Pflichtfeld noch automatisch ergänzt, wenn es fehlt.
additionalProperties	object	`false` lehnt nicht deklarierte Felder ab
nullable / type arrays	Alle	Verwende `nullable: true` oder `type: ["<type>", "null"]`, um null zuzulassen

Vollständiges Beispiel

Ein umfassenderes Schema mit verschachtelten Objekten, Arrays und Enums:

schemas/invoice-data.json

{
  "type": "object",
  "description": "Extracted invoice data",
  "properties": {
    "vendor": {
      "type": "string",
      "description": "Vendor/company name"
    },
    "date": {
      "type": "string",
      "description": "Invoice date (YYYY-MM-DD)"
    },
    "total": {
      "type": "number",
      "description": "Total invoice amount"
    },
    "currency": {
      "type": "string",
      "description": "Currency code",
      "enum": ["USD", "EUR", "GBP"]
    },
    "items": {
      "type": "array",
      "description": "Line items",
      "items": {
        "type": "object",
        "properties": {
          "name": { "type": "string" },
          "quantity": { "type": "integer" },
          "price": { "type": "number" }
        }
      }
    }
  },
  "required": ["vendor", "total"]
}

Wichtige Punkte

description hilft dem LLM zu verstehen, welche Daten es extrahieren soll
enum beschränkt Werte auf eine festgelegte Menge
items definiert das Schema für Array-Elemente
required listet Felder auf, die immer vorhanden sein müssen

Schema-Probleme beheben

Stelle sicher, dass die Schema-Datei valides JSON enthält (kein Komma nach dem letzten Eintrag)
Prüfe, ob die Datei im Verzeichnis schemas/ liegt
Referenziere den Schemanamen ohne die Endung .json
Prüfe, ob der Agent-Typ llm ist

Weiterbauen

Agentenkonfiguration

Konfiguriere Agenten mit Output Schemas

Testing

Sichere schema-validierte Ausgaben mit deklarativen Tests ab

Agent YAML

Konfiguriere strukturierte Ausgaben in der Agent-Definition

Assertions

Validiere strukturierte Ausgaben in der Testsuite