OpenClaw llm-task Plugin: Strukturierte LLM-Daten nutzen

Kennst du das? Du baust einen komplexen Workflow und musst für jede kleine LLM-Interaktion mühsam eigenen Code schreiben. Das nervt und hält dich unnötig auf.

llm-task ist ein optionales Plugin, das genau hier ansetzt. Es führt eine LLM-Task aus, die ausschließlich JSON zurückgibt und das Ergebnis bei Bedarf direkt gegen ein JSON Schema validiert. Das ist besonders nützlich für Workflow-Engines wie Lobster: Du kannst einen LLM-Schritt hinzufügen, ohne für jeden einzelnen Workflow neuen OpenClaw Code schreiben zu müssen.

Aktiviere das Plugin

Zuerst musst du das Plugin in deiner Konfiguration aktivieren:

{
  "plugins": {
    "entries": {
      "llm-task": { "enabled": true }
    }
  }
}

Danach fügst du das Tool zur Allowlist hinzu. Da es mit optional: true registriert ist, musst du es explizit für deine Agents freigeben:

{
  "agents": {
    "list": [
      {
        "id": "main",
        "tools": { "allow": ["llm-task"] }
      }
    ]
  }
}

Konfiguration (optional)

Du kannst das Verhalten des Plugins über die Konfiguration anpassen:

{
  "plugins": {
    "entries": {
      "llm-task": {
        "enabled": true,
        "config": {
          "defaultProvider": "openai-codex",
          "defaultModel": "gpt-5.4",
          "defaultAuthProfileId": "main",
          "allowedModels": ["openai-codex/gpt-5.4"],
          "maxTokens": 800,
          "timeoutMs": 30000
        }
      }
    }
  }
}

Die Option allowedModels fungiert als Allowlist für provider/model Kombinationen. Wenn du sie definierst, wird jede Anfrage abgelehnt, die ein Modell außerhalb dieser Liste verwenden möchte.

Tool-Parameter

Das Tool akzeptiert die folgenden Parameter für die Steuerung der LLM:

• prompt (string, erforderlich)
• input (any, optional)
• schema (object, optionales JSON Schema)
• provider (string, optional)
• model (string, optional)
• thinking (string, optional)
• authProfileId (string, optional)
• temperature (number, optional)
• maxTokens (number, optional)
• timeoutMs (number, optional)

Für das Feld thinking kannst du die Standard-Presets von OpenClaw für Reasoning nutzen, wie etwa low oder medium.

Output

Das Tool gibt ein Objekt namens details.json zurück. Dieses enthält das parste JSON. Falls du ein schema definiert hast, wird der Output automatisch dagegen validiert, bevor er zurückgegeben wird.

Beispiel: Lobster Workflow-Schritt

Hier siehst du, wie du das Tool innerhalb eines Lobster Workflows aufrufst:

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 arbeitet nach dem JSON-only Prinzip. Es weist das Modell an, nur reines JSON ohne Code-Fences oder Kommentare auszugeben.
• Während dieses Laufs hat das Modell keinen Zugriff auf andere Tools.
• Betrachte den Output grundsätzlich als unsicher, sofern du ihn nicht mit einem schema validierst.
• Ich empfehle dir, manuelle Freigaben (Approvals) immer vor Schritten einzubauen, die Seiteneffekte haben (wie das Senden von E-Mails oder das Ausführen von Befehlen).

AI Setup Assistant

Nächste Schritte

• Erfahre mehr über die Integration in Lobster Workflows.
• Schau dir die Dokumentation zu JSON Schema an.