Was ist Gemini 3.1 Pro Customtools? Verstehen Sie die Verwendung des Modells mit Priorität auf benutzerdefinierte Tools in 5 Minuten

Viele Entwickler sind verwirrt, wenn sie den Modellnamen gemini-3.1-pro-preview-customtools sehen: Was bedeutet customtools eigentlich? Wie unterscheidet es sich vom Standardmodell gemini-3.1-pro-preview? Dieser Artikel hilft Ihnen, das Ganze in 5 Minuten vollständig zu klären.

Kernwert: Nach der Lektüre dieses Artikels werden Sie verstehen, wann Sie die Standardversion und wann die customtools-Version verwenden sollten und wie Sie bei der Agent-Entwicklung die richtige Wahl treffen.

Was ist Gemini 3.1 Pro Customtools?

Erklärung in einem Satz

gemini-3.1-pro-preview-customtools ist eine spezielle Modellvariante, die Google am 19. Februar 2026 zeitgleich mit der Standardversion von Gemini 3.1 Pro veröffentlicht hat. Der einzige Kernunterschied zur Standardversion besteht darin, dass es die Verwendung Ihrer registrierten benutzerdefinierten Tools gegenüber standardmäßigen Bash-Befehlen priorisiert.

Im offiziellen Changelog von Google heißt es dazu:

"Es wurde ein separater Endpunkt gemini-3.1-pro-preview-customtools eingeführt, der benutzerdefinierte Tools besser priorisiert – ideal für Nutzer, die mit einer Mischung aus Bash und Tools arbeiten."

Warum wird diese Variante benötigt?

Bei der Entwicklung von Agents stellen Entwickler dem Modell normalerweise zwei Arten von Fähigkeiten zur Verfügung:

1. Bash/Code-Ausführung: Ermöglicht dem Modell das direkte Ausführen von Shell-Befehlen.
2. Benutzerdefinierte Tools (Custom Tools): Vom Entwickler definierte strukturierte Funktionen wie view_file, search_code, create_pr usw.

Wo liegt das Problem? Die Standardversion von Gemini 3.1 Pro wird manchmal „bequem“ und überspringt Ihre sorgfältig entworfenen benutzerdefinierten Tools, um die Aufgabe direkt mit Bash-Befehlen zu erledigen. Wenn Sie beispielsweise ein view_file-Tool registriert haben, könnte das Modell stattdessen einfach cat dateiname.py ausführen und so Ihr Tool umgehen.

Dies ist in bestimmten Szenarien problematisch:

• Benutzerdefinierte Tools verfügen möglicherweise über Berechtigungskontrollen und Protokollierung.
• Das Rückgabeformat benutzerdefinierter Tools ist strukturiert, was die Weiterverarbeitung erleichtert.
• Benutzerdefinierte Tools können mit externen Systemen (Datenbanken, APIs usw.) verbunden sein.

Die customtools-Variante wurde entwickelt, um genau dieses Problem zu lösen: Sie bringt das Modell dazu, bevorzugt die von Ihnen registrierten Tools zu wählen.

Kernunterschiede zwischen Gemini 3.1 Pro Standard und Customtools-Version

🎯 Entscheidendes Verständnis: Das „Intelligenzniveau“ beider Modelle ist absolut identisch. Der Unterschied liegt lediglich darin, dass die Customtools-Version bei der Wahl zwischen „soll ich Bash verwenden oder das von dir registrierte Tool“ eher dazu neigt, deine benutzerdefinierten Tools zu wählen.

Wann man Gemini 3.1 Pro Customtools benötigt

Szenarien für die Customtools-Version

Szenarien, in denen Customtools nicht benötigt wird

Offizielle Empfehlung von Google

Google erklärt im FAQ des Gemini 3 Entwickler-Leitfadens ausdrücklich:

If you are using gemini-3.1-pro-preview and the model ignores your custom tools in favor of bash commands, try the gemini-3.1-pro-preview-customtools model instead.

Übersetzung: Wenn Sie feststellen, dass die Standardversion Ihre benutzerdefinierten Tools ignoriert und stattdessen direkt Bash verwendet, probieren Sie stattdessen das Modell gemini-3.1-pro-preview-customtools aus.

Gemini 3.1 Pro Customtools API-Aufrufmethode

Basis-Aufruf: Identisch mit der Standardversion

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI Einheitliche Schnittstelle
)

# Nur den Modellnamen ändern, der restliche Code bleibt völlig unverändert
response = client.chat.completions.create(
    model="gemini-3.1-pro-preview-customtools",
    messages=[
        {"role": "user", "content": "Hilf mir, den Inhalt der Datei main.py im Projekt anzuzeigen"}
    ]
)
print(response.choices[0].message.content)

Agent-Aufruf mit benutzerdefinierten Tools

Die wahre Stärke der customtools-Version liegt in der Kombination mit Function Calling:

import openai
import json

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI Einheitliche Schnittstelle
)

# Definition benutzerdefinierter Tools
tools = [
    {
        "type": "function",
        "function": {
            "name": "view_file",
            "description": "Inhalt einer bestimmten Datei anzeigen",
            "parameters": {
                "type": "object",
                "properties": {
                    "file_path": {
                        "type": "string",
                        "description": "Dateipfad"
                    }
                },
                "required": ["file_path"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_code",
            "description": "Nach Schlüsselwörtern in der Codebasis suchen",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "Suchbegriff"
                    },
                    "file_pattern": {
                        "type": "string",
                        "description": "Datei-Matching-Muster, z. B. *.py"
                    }
                },
                "required": ["query"]
            }
        }
    }
]

# Die customtools-Version priorisiert die oben definierten Tools
response = client.chat.completions.create(
    model="gemini-3.1-pro-preview-customtools",
    messages=[
        {"role": "user", "content": "Hilf mir, alle Python-Dateien im Projekt zu finden, die TODO enthalten"}
    ],
    tools=tools
)

# Das Modell ruft das search_code-Tool auf, anstatt direkt grep zu verwenden
tool_call = response.choices[0].message.tool_calls[0]
print(f"Tool: {tool_call.function.name}")
print(f"Parameter: {tool_call.function.arguments}")

import openai
import json

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "view_file",
            "description": "Inhalt einer bestimmten Datei anzeigen",
            "parameters": {
                "type": "object",
                "properties": {
                    "file_path": {"type": "string", "description": "Dateipfad"}
                },
                "required": ["file_path"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "search_code",
            "description": "Nach Schlüsselwörtern in der Codebasis suchen",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string", "description": "Suchbegriff"},
                    "file_pattern": {"type": "string", "description": "Datei-Matching-Muster"}
                },
                "required": ["query"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "edit_file",
            "description": "Bestimmten Inhalt in einer Datei bearbeiten",
            "parameters": {
                "type": "object",
                "properties": {
                    "file_path": {"type": "string", "description": "Dateipfad"},
                    "old_content": {"type": "string", "description": "Zu ersetzender alter Inhalt"},
                    "new_content": {"type": "string", "description": "Neuer Inhalt"}
                },
                "required": ["file_path", "old_content", "new_content"]
            }
        }
    }
]

# Simulation der Tool-Ausführung
def execute_tool(name, args):
    """In einem echten Projekt durch eine reale Tool-Implementierung ersetzen"""
    if name == "view_file":
        return f"Dateiinhalt: {args['file_path']} (simuliert)"
    elif name == "search_code":
        return f"Suchergebnis für '{args['query']}': 3 Treffer gefunden (simuliert)"
    elif name == "edit_file":
        return f"Inhalt in {args['file_path']} wurde ersetzt (simuliert)"
    return "Unbekanntes Tool"

# Agent-Hauptschleife
messages = [{"role": "user", "content": "Finde alle TODO-Kommentare im Projekt und behebe sie"}]
max_turns = 5

for turn in range(max_turns):
    response = client.chat.completions.create(
        model="gemini-3.1-pro-preview-customtools",
        messages=messages,
        tools=tools
    )

    msg = response.choices[0].message
    messages.append(msg)

    if msg.tool_calls:
        for tc in msg.tool_calls:
            args = json.loads(tc.function.arguments)
            result = execute_tool(tc.function.name, args)
            messages.append({
                "role": "tool",
                "tool_call_id": tc.id,
                "content": result
            })
            print(f"[Runde {turn+1}] Aufruf: {tc.function.name}({args})")
    else:
        print(f"[Abgeschlossen] {msg.content[:200]}")
        break

🚀 Schnellstart: Über die APIYI apiyi.com Plattform nutzen die Standard- und customtools-Version denselben API-Key. Ein Wechsel ist einfach durch Ändern des model-Parameters möglich – ideal für A/B-Tests, um herauszufinden, welche Version besser für Ihren Agent geeignet ist.

Gemini 3.1 Pro Customtools & Agent-Architektur

Anpassung an gängige Agent-Frameworks

Die customtools-Version ist besonders wertvoll für die folgenden Agent-Entwicklungsszenarien:

Gemini 3.1 Pro Customtools vs. Standard-Version: Ein Verhaltensvergleich

Um die Unterschiede besser zu verstehen, schauen wir uns ein konkretes Beispiel an:

Dieselbe Anfrage, zwei unterschiedliche Reaktionen des Modells

Benutzeranfrage: „Hilf mir, den Inhalt der Datei src/main.py anzuzeigen.“

Registriertes Tool: view_file(file_path: string)

Beide Wege führen zum Ziel, aber der Aufruf über benutzerdefinierte Tools bietet folgende Vorteile:

1. Berechtigungskontrolle: Dein view_file-Tool kann prüfen, ob der Pfad auf einer Whitelist steht.
2. Formatierte Ausgabe: Das Tool kann strukturiertes JSON anstelle von Rohtext zurückgeben.
3. Protokollierung und Auditierung: Tool-Aufrufe werden automatisch vom Framework protokolliert.
4. Fehlerbehandlung: Das Tool kann benutzerfreundliche Fehlermeldungen anstelle von Bash-Fehlern liefern.

Die Evolution der Google Gemini Modelle für Tool-Aufrufe

Customtools ist die erste dedizierte Modellvariante von Google, die speziell für Tool-Aufrufe optimiert wurde. Hier ist die vollständige Übersicht der Gemini-Modelle im Kontext von Tools:

Dies zeigt, dass Google seine Modelle zunehmend nach Einsatzszenarien differenziert, anstatt ein Universalmodell für alle Anwendungsfälle zu nutzen. In Zukunft sind weitere spezialisierte Varianten zu erwarten.

Häufig gestellte Fragen

Zusammenfassung: Gemini 3.1 Pro Customtools Quick Check

Fazit in einem Satz: gemini-3.1-pro-preview-customtools ist der „Agent-Modus“ von Gemini 3.1 Pro – er sorgt dafür, dass das Modell Ihre registrierten Tools zuverlässiger nutzt, anstatt direkt Bash-Befehle auszuführen. Preis und Intelligenz bleiben gleich, lediglich die Strategie zur Tool-Auswahl ist besser auf die Agent-Entwicklung zugeschnitten.

Wir empfehlen, über die Plattform APIYI (apiyi.com) beide Versionen parallel anzubinden und nach einem A/B-Test im realen Projekt die passendere zu wählen. Für Agent-Entwickler ist die customtools-Version fast immer die bessere Wahl.

Referenzen

1. Google AI Dokumentation: Gemini 3.1 Pro Preview Modellseite

   • Link: ai.google.dev/gemini-api/docs/models/gemini-3.1-pro-preview
   • Beschreibung: Enthält einen Vergleich zwischen der Standardversion und der customtools-Version.

2. Gemini API Changelog: Update vom 19. Februar 2026

   • Link: ai.google.dev/gemini-api/docs/changelog
   • Beschreibung: Aufzeichnung der Erstveröffentlichung der customtools-Variante.

3. Gemini 3 Entwicklerhandbuch: Empfehlungen zur Tool-Auswahl in den FAQs

   • Link: ai.google.dev/gemini-api/docs/gemini-3
   • Beschreibung: Wann man von der Standardversion zur customtools-Version wechseln sollte.

4. Google AI Dokumentation: Leitfaden für Function Calling

   • Link: ai.google.dev/gemini-api/docs/function-calling
   • Beschreibung: Detaillierte Erläuterung der Function Calling API für Gemini-Modelle.

📝 Autor: APIYI Team | Für technischen Austausch besuchen Sie APIYI apiyi.com
📅 Aktualisierungsdatum: 20. Februar 2026
🏷️ Schlagworte: gemini-3.1-pro-preview-customtools, benutzerdefinierte Tools, Agent-Entwicklung, Function Calling, Tool-Aufrufe, API-Aufrufe