Tools
LLM-Aufgabe
llm-task ist ein optionales Plugin-Tool, das eine JSON-only-LLM-Aufgabe ausführt und
strukturierte Ausgabe zurückgibt (optional gegen JSON Schema validiert).
Dies ist ideal für Workflow-Engines wie Lobster: Sie können einen einzelnen LLM-Schritt hinzufügen, ohne für jeden Workflow benutzerdefinierten OpenClaw-Code schreiben zu müssen.
Plugin aktivieren
- Aktivieren Sie das Plugin:
{
"plugins": {
"entries": {
"llm-task": { "enabled": true }
}
}
}
- Erlauben Sie das optionale Tool:
{
"tools": {
"alsoAllow": ["llm-task"]
}
}
Verwenden Sie tools.allow nur, wenn Sie den restriktiven Allowlist-Modus nutzen möchten.
Konfiguration (optional)
{
"plugins": {
"entries": {
"llm-task": {
"enabled": true,
"config": {
"defaultProvider": "openai-codex",
"defaultModel": "gpt-5.5",
"defaultAuthProfileId": "main",
"allowedModels": ["openai/gpt-5.4"],
"maxTokens": 800,
"timeoutMs": 30000
}
}
}
}
}
allowedModels ist eine Allowlist von provider/model-Strings. Wenn sie festgelegt ist, wird jede Anfrage
außerhalb der Liste abgelehnt.
Tool-Parameter
prompt(String, erforderlich)input(beliebig, optional)schema(Objekt, optionales JSON Schema)provider(String, optional)model(String, optional)thinking(String, optional)authProfileId(String, optional)temperature(Zahl, optional)maxTokens(Zahl, optional)timeoutMs(Zahl, optional)
thinking akzeptiert die standardmäßigen OpenClaw-Reasoning-Voreinstellungen, wie low oder medium.
Ausgabe
Gibt details.json mit dem geparsten JSON zurück (und validiert gegen
schema, wenn angegeben).
Beispiel: Lobster-Workflow-Schritt
openclaw.invoke --tool llm-task --action json --args-json '{
"prompt": "Given the input email, return intent and draft.",
"thinking": "low",
"input": {
"subject": "Hello",
"body": "Can you help?"
},
"schema": {
"type": "object",
"properties": {
"intent": { "type": "string" },
"draft": { "type": "string" }
},
"required": ["intent", "draft"],
"additionalProperties": false
}
}'
Sicherheitshinweise
- Das Tool ist JSON-only und weist das Modell an, nur JSON auszugeben (keine Code-Fences, keine Kommentare).
- Für diesen Lauf werden dem Modell keine Tools bereitgestellt.
- Behandeln Sie die Ausgabe als nicht vertrauenswürdig, sofern Sie sie nicht mit
schemavalidieren. - Platzieren Sie Genehmigungen vor jedem Schritt mit Nebeneffekten (send, post, exec).