> ## Documentation Index
> Fetch the complete documentation index at: https://docs.langdock.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Modelle für Agent API

> Rufe alle verfügbaren Modelle für die Verwendung mit der Agent API ab.

<Info>
  **⚠️ Du nutzt unsere API in einem Dedicated Deployment?** Ersetze einfach `api.langdock.com` durch die Base URL deines Deployments: **`<deployment-url>/api/public`**
</Info>

<Info>
  Dies ist die neue Agents API mit nativer Vercel AI SDK Kompatibilität. Wenn du die veraltete Assistants API verwendest, siehe den [Migrations-Guide](/de/developer/assistants-api/assistant-to-agent-migration).
</Info>

Rufe die Liste der Modelle und ihre IDs ab, die für die Verwendung mit der Agent API verfügbar sind. Dieser Endpoint ist nützlich, wenn du sehen möchtest, welche Modelle du bei der Erstellung eines temporären Agenten verwenden kannst.

## Beispielanfrage

```javascript theme={null}
const axios = require("axios");

async function getAvailableModels() {
  try {
    const response = await axios.get("https://api.langdock.com/agent/v1/models", {
      headers: {
        Authorization: "Bearer YOUR_API_KEY",
      },
    });

    console.log("Available models:", response.data.data);
  } catch (error) {
    console.error("Error fetching models:", error);
  }
}
```

## Antwortformat

Die API gibt eine Liste verfügbarer Modelle im folgenden Format zurück:

### Antwortfelder

<ResponseField name="object" type="string">
  Immer 'list', gibt den Typ des JSON-Objekts der obersten Ebene an.
</ResponseField>

<ResponseField name="data" type="array<Model>">
  Array mit verfügbaren Modell-Objekten.
</ResponseField>

<Accordion title="Modell-Objektfelder">
  <ResponseField name="id" type="string">
    Modell-ID zur Verwendung beim Erstellen oder Aktualisieren von Agenten (z.B. "gpt-5").
  </ResponseField>

  <ResponseField name="object" type="string">
    Immer 'model', gibt den Objekttyp an.
  </ResponseField>

  <ResponseField name="created" type="integer">
    Unix-Zeitstempel (ms) wann das Modell erstellt wurde.
  </ResponseField>

  <ResponseField name="region" type="string">
    Region, in der das Modell verfügbar ist (z.B. "eu", "us", "global").
  </ResponseField>

  <ResponseField name="supportsExtendedThinking" type="boolean">
    Ob dieses Modell den Extended-Thinking-Modus unterstützt.
  </ResponseField>
</Accordion>

```json Beispielantwort theme={null}
{
  "object": "list",
  "data": [
    {
      "id": "gpt-5",
      "object": "model",
      "created": 1686935735000,
      "region": "eu",
      "supportsExtendedThinking": false
    }
    // …weitere Modelle
  ]
}
```

## Fehlerbehandlung

```javascript theme={null}
try {
  const response = await axios.get("https://api.langdock.com/agent/v1/models", {
    headers: {
      Authorization: "Bearer YOUR_API_KEY",
    },
  });
} catch (error) {
  if (error.response) {
    switch (error.response.status) {
      case 400:
        console.error("Invalid request parameters");
        break;
      case 401:
        console.error("Invalid API key");
        break;
      case 500:
        console.error("Internal server error");
        break;
    }
  }
}
```

Du kannst jede dieser Modell-IDs bei der Erstellung eines temporären Agenten über die Agent API verwenden. Gib einfach die Modell-ID im `model` Feld deiner Agentenkonfiguration an:

<CodeGroup>
  ```javascript agent.js theme={null}
  const response = await axios.post("https://api.langdock.com/agent/v1/chat/completions", {
    agent: {
      name: "Custom Agent",
      instructions: "You are a helpful agent",
      model: "gpt-5", // Modell-ID hier angeben
    },
    messages: [
      { id: "msg_1", role: "user", parts: [{ type: "text", text: "Hallo!" }] },
    ],
  });
  ```

  ```bash agent.sh theme={null}
  curl https://api.langdock.com/agent/v1/chat/completions \
    -H "Authorization: Bearer $API_KEY" \
    -H "Content-Type: application/json" \
    -d '{
      "agent": {
        "name": "Custom Agent",
        "instructions": "You are a helpful agent",
        "model": "gpt-5"
      },
      "messages": [
        { "id": "msg_1", "role": "user", "parts": [{ "type": "text", "text": "Hallo!" }] }
      ]
    }'
  ```
</CodeGroup>

<Info>
  Langdock blockiert bewusst Browser-basierte Anfragen, um deinen API-Schlüssel zu schützen und die Sicherheit deiner Anwendungen zu gewährleisten. Weitere Informationen findest du in unserem Guide zu [Best Practices für API-Schlüssel](/de/admin/ai-adoption-and-rollout/best-practices/api-key-best-practices).
</Info>


## OpenAPI

````yaml GET /agent/v1/models
openapi: 3.0.0
info:
  title: Langdock API
  version: 3.0.0
servers:
  - url: https://api.langdock.com
    description: Production
security:
  - bearerAuth: []
paths:
  /agent/v1/models:
    get:
      tags:
        - Agent
      summary: Lists the available models
      description: Returns a list of models that are available for use with the API.
      parameters: []
      responses:
        '200':
          description: List of available models
          content:
            application/json:
              schema:
                type: object
                required:
                  - object
                  - data
                properties:
                  object:
                    type: string
                    enum:
                      - list
                  data:
                    type: array
                    items:
                      type: object
                      properties:
                        id:
                          type: string
                        object:
                          type: string
                        created:
                          type: integer
                        owned_by:
                          type: string
components:
  securitySchemes:
    bearerAuth:
      type: http
      scheme: bearer
      bearerFormat: API Key
      description: API key as Bearer token. Format "Bearer YOUR_API_KEY"

````