Grünes Browser Fenster mit Schriftzug URL CONTEXT, Rakete und URL Kette

Was ist das url context Tool?

Das url context Tool ist eine Funktion der Gemini API von Google, mit der ein KI Modell Inhalte direkt aus angegebenen URLs liest und in seine Antwort einbezieht. Statt eine Webseite manuell in den Prompt zu kopieren, übergibst du die URL, und das Modell holt sich Text, JSON, PDF oder Bilder von dieser Adresse selbst.

Technisch arbeitet das Tool zweistufig: Zuerst greift es auf einen internen Index Cache zu, der bereits bekannte Seiten schnell ausliefert. Ist eine Seite dort nicht vorhanden, etwa weil sie ganz neu ist, fällt das Tool auf einen Live Fetch zurück und ruft die URL in Echtzeit ab. Pro Anfrage verarbeitet es bis zu 20 URLs.

Das url context Tool steht ausschließlich in der Gemini API zur Verfügung, nicht über Vertex AI. Unterstützt werden unter anderem Gemini 3.1 Pro, Gemini 3.1 Flash Lite, Gemini 3 Flash sowie die Gemini 2.5 Reihe. Die Inhalte der abgerufenen URLs zählen als Input Tokens und gehen damit in die Kosten ein.

url context Tool mit NCA: Schnelle Hilfe vom Experten

Never Code Alone arbeitet täglich mit der Gemini Familie und baut KI gestützte Pipelines, in denen Modelle externe Inhalte verarbeiten. Genau das ist die Domäne des url context Tools. Wir kennen die Stärken und die Grenzen aus echten Projekten: wo der direkte URL Zugriff Recherche und Vergleich beschleunigt und wo eine eigene Fetch Pipeline oder ein MCP Server die robustere Wahl ist.

Wir helfen Teams, das url context Tool sauber in ihre Workflows einzuordnen, und vergleichen es mit Alternativen wie dem Web MCP Standard für Remote KI Agenten oder dem GitHub MCP Server. Im Vibe Coding Consulting klären wir, welches Modell aus der Gemini Familie zu deinem Use Case passt. Wer Inhalte lieber DSGVO konform auf eigener Infrastruktur verarbeitet, dem zeigen wir den Weg über lokale KI Modelle mit Ollama.

Lass uns sprechen

Finde das passende Angebot für dein Projekt

🤖

Hey! Ich bin CodeBot. Lass uns herausfinden, wie wir dein Projekt zum Fliegen bringen.

Was soll entstehen?

So funktioniert das url context Tool technisch

Der Reiz des Tools liegt im Aufwand, der wegfällt. Du musst keine Seite scrapen, keinen Inhalt vorbereiten und keinen eigenen Fetch Service betreiben. Du aktivierst das Tool in der Konfiguration und nennst die URLs direkt im Prompt. Das Modell ruft die Inhalte ab und antwortet auf dieser Grundlage.

Ein minimales Beispiel mit dem JavaScript SDK zeigt, wie wenig Code nötig ist, um zwei Seiten vergleichen zu lassen:

Code:

          import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "Vergleiche die Inhalte von https://seite-a.de und https://seite-b.de",
  config: {
    tools: [{ urlContext: {} }],
  },
});

console.log(response.text);

In der Antwort liefert Gemini ein url_context_metadata Objekt mit. Es listet jede abgerufene URL und ihren Abrufstatus, etwa Erfolg oder ein Fehlschlag wegen Sicherheitsprüfung. Dieser Nachweis ist Gold wert für Debugging und Compliance, weil jede Aussage des Modells auf eine konkrete Quelle zurückführbar bleibt.

Wofür man das url context Tool nutzt

Das Tool spielt überall dort seine Stärke aus, wo aktuelle Webinhalte in eine KI Antwort einfließen sollen, ohne dass jemand sie vorher manuell aufbereitet. In der Praxis sehen wir vor allem vier Muster:

Daten extrahieren: Preise, Namen, Kennzahlen oder Kernaussagen aus einer oder mehreren Seiten herausziehen, etwa aus Produktseiten oder Berichten.
Dokumente vergleichen: Mehrere Artikel, Reports oder PDFs nebeneinander analysieren, um Unterschiede und Trends sichtbar zu machen.
Inhalte synthetisieren: Aus mehreren Quell URLs eine korrekte Zusammenfassung, einen Blogartikel oder ein Briefing erzeugen.
Code und Doku analysieren: Auf ein GitHub Repository oder eine technische Dokumentation zeigen, um Code zu erklären oder Setup Anleitungen zu generieren.

Besonders wirkungsvoll wird das Tool in Kombination mit Grounding über die Google Suche. Dann sucht das Modell zunächst relevante Seiten und liest anschließend deren Inhalt mit dem url context Tool vertieft aus. So entsteht ein Workflow aus breiter Suche und tiefer Analyse in einem einzigen Aufruf. Genau solche KI gestützten Recherche Pipelines bauen wir im Vibe Coding Consulting gemeinsam mit Teams auf.

Grenzen und Limits ehrlich betrachtet

So praktisch das url context Tool ist, es hat klare Grenzen, die man vor dem produktiven Einsatz kennen muss. Es liest nur öffentlich erreichbare Seiten, keine Inhalte hinter Login oder Paywall, und es folgt keinen verschachtelten Links. Localhost, private Netzwerke und Tunneling Dienste sind ausgeschlossen. Die folgende Tabelle fasst zusammen, was geht und was nicht.

Kriterium	Unterstützt	Nicht unterstützt
Textformate	HTML, JSON, Plain Text, XML, CSS, JavaScript, CSV, RTF	Sonstige Formate
Weitere Formate	PNG, JPEG, BMP, WebP, PDF	Video, Audio, YouTube, Workspace Dateien
Zugänglichkeit	Öffentlich erreichbare URLs	Login, Paywall, Localhost, private Netze
Limits pro Anfrage	Bis 20 URLs, max 34 MB pro URL	Verschachtelte Links, Function Calling kombiniert
Plattform	Gemini API	Vertex AI

url context Tool, MCP oder eigene Pipeline: die Einordnung

Das url context Tool ist stark für schnelle Recherche, Vergleich und Synthese öffentlicher Webinhalte. Es ist aber an die Gemini API gebunden. Wer Anbieter Unabhängigkeit braucht oder Inhalte hinter Login und in privaten Netzen verarbeiten muss, ist mit einem anderen Ansatz besser bedient. Drei Optionen lassen sich klar gegeneinander abgrenzen.

Das url context Tool hat seine Stärken bei spontaner Analyse weniger konkreter URLs ohne eigene Infrastruktur. Ein MCP Server ist dagegen die richtige Wahl, wenn das Modell strukturiert und modellunabhängig auf Datenquellen und Aktionen zugreifen soll, etwa über den GitHub MCP Server oder den Context7 MCP Server für Live Dokumentation. Eine eigene Fetch Pipeline lohnt sich, sobald Caching, Authentifizierung, private Quellen oder volle Datenhoheit gefragt sind.

Für datenschutzkritische Szenarien empfehlen wir die Verarbeitung über lokale KI Modelle mit Ollama auf eigener Infrastruktur. So bleiben sensible Inhalte im Haus, während das url context Tool seine Stärke bei der schnellen Auswertung öffentlicher Quellen behält. Welcher Weg für dein Projekt passt, klären wir im Beratungsprojekt anhand deiner konkreten Anforderungen.

the URL context tool is a transformative feature for the Gemini API

Kanshi Tanaike, Google Developer Expert – Medium, Google Cloud Community (26. Juni 2025)

Web MCP

Web MCP verbindet KI-Agenten \u00fcber Streamable HTTP mit externen Tools und Datenquellen. Alles \u00fcber Remote MCP Server, Sicherheit und Einsatz 2026.

Mehr erfahren

NCA und das url context Tool: Erfahrung aus der Praxis

In Beratungsprojekten sehen wir regelmäßig, dass Teams den url context Ansatz mit einer vollwertigen RAG Pipeline verwechseln. Für schnelle Recherche und den Vergleich weniger öffentlicher Seiten ist das Tool ideal und spart enorm viel Code. Sobald aber große Wissensbasen, private Dokumente oder feingranulare Zugriffsrechte ins Spiel kommen, führt der Weg über Embeddings, einen Vektorspeicher und ein durchdachtes Retrieval.

Wir ordnen das url context Tool im Kontext der gesamten Gemini Familie ein, vergleichen es mit MCP basierten Architekturen und prüfen jede Lösung auf Datenschutz und Wartbarkeit. Im Vibe Coding Consulting und über unsere Vibe Coding Best Practices begleiten wir Teams vom ersten Prototyp bis zum produktionsreifen Workflow. Hinter Never Code Alone steht Roland Golla mit über 15 Jahren Erfahrung in der professionellen Softwareentwicklung.

CYPRESS.IO Ambassador und IT Consultant für QA Engenieering und Qualität in PHP Projekten.

NCA Vibe Coding Consulting

Roland Golla ist Entwickler aus Leidenschaft – seit über 20 Jahren. Er hat hunderte Projekte begleitet, von Legacy-Refactoring bis KI-Integration. Bei Vibe Coding verbindet er das Beste aus beiden Welten: Die Geschwindigkeit von KI-generiertem Code mit der Qualität professioneller Softwareentwicklung. Kein Bullshit, keine Agentur-Floskeln – direkte Hilfe von jemandem, der selbst täglich im Code steckt.

E-Mail Kontakt

Häufige Fragen zum url context Tool

Die wichtigsten Fragen zum url context Tool der Gemini API, kurz und direkt beantwortet.

Was ist das url context Tool 2026?

Das url context Tool ist eine Funktion der Gemini API, mit der ein KI Modell Inhalte direkt aus angegebenen URLs liest und in seine Antwort einbezieht. Du übergibst eine oder mehrere Adressen im Prompt, und das Modell holt sich Text, JSON, PDF oder Bilder selbst.

Welche Gemini Modelle unterstützen das url context Tool 2026?

Unterstützt werden unter anderem Gemini 3.1 Pro, Gemini 3.1 Flash Lite, Gemini 3 Flash sowie die Gemini 2.5 Reihe mit Pro, Flash und Flash Lite. Das Tool steht nur in der Gemini API bereit, nicht über Vertex AI.

Wie viele URLs verarbeitet das url context Tool 2026?

Pro Anfrage verarbeitet das Tool bis zu 20 URLs. Die maximale Größe pro abgerufener URL liegt bei 34 MB. Der Inhalt der Seiten zählt als Input Tokens und fließt in die Kosten der Anfrage ein.

Was kostet das url context Tool 2026?

Für das Tool selbst fällt keine separate Gebühr an. Bezahlt werden die zusätzlichen Input Tokens des abgerufenen Inhalts zum Standardtarif des gewählten Modells. So bleiben die Kosten transparent und kalkulierbar.

url context Tool oder eigene RAG Pipeline 2026?

Für schnelle Recherche und den Vergleich weniger öffentlicher Seiten ist das url context Tool ideal. Für große Wissensbasen, private Dokumente und feingranulare Zugriffsrechte ist eine eigene Pipeline mit Embeddings und Vektorspeicher die bessere Wahl.

Kann das url context Tool Inhalte hinter Login lesen?

Nein. Das Tool liest ausschließlich öffentlich erreichbare Seiten. Inhalte hinter Login oder Paywall, Localhost Adressen, private Netzwerke und Tunneling Dienste werden nicht unterstützt.

Welche Dateiformate unterstützt das url context Tool?

Unterstützt werden Textformate wie HTML, JSON, Plain Text, XML, CSS, JavaScript, CSV und RTF, dazu Bilder als PNG, JPEG, BMP und WebP sowie PDF. Nicht unterstützt sind Video, Audio, YouTube und Google Workspace Dateien.

Wie funktioniert der Abruf technisch?

Das Tool arbeitet zweistufig. Zuerst greift es auf einen internen Index Cache zu, der bekannte Seiten schnell ausliefert. Ist eine Seite dort nicht vorhanden, fällt es auf einen Live Fetch zurück und ruft die URL in Echtzeit ab.

Lässt sich das url context Tool mit der Google Suche kombinieren?

Ja. In Kombination mit Grounding über die Google Suche sucht das Modell zunächst relevante Seiten und liest deren Inhalt anschließend mit dem url context Tool vertieft aus. So entsteht breite Suche und tiefe Analyse in einem Aufruf.

Kann ich das url context Tool mit Function Calling kombinieren?

Die Kombination von eingebauten Tools wie url context mit Function Calling ist aktuell eingeschränkt. Wer beide Mechanismen braucht, sollte den Workflow entsprechend aufteilen oder eine alternative Architektur prüfen.

Wie überprüfe ich, welche URLs das Modell gelesen hat?

Jede Antwort enthält ein url_context_metadata Objekt. Es listet jede abgerufene URL samt Abrufstatus, etwa Erfolg oder Fehlschlag. Dieser Nachweis dient als Audit Trail für Debugging und Compliance.

Berät NCA zur Integration des url context Tools?

Ja. Never Code Alone ordnet das url context Tool im Vergleich zu MCP Servern und eigenen Pipelines ein und integriert es DSGVO bewusst in bestehende Workflows. Im Beratungsprojekt klären wir, welcher Ansatz zu deinem Use Case passt.

A/B Testing mit KI – Automatisiertes Testing für Entwickler 2026