fix(llm): kaputte Werkzeug-Argumente im Verlauf lassen nicht mehr die ganze Anfrage scheitern

Zwischendurch kam bei Programmen (Software-Schmiede) "model_error: Server
error '500 …'" — nach "nochmal versuchen" lief es weiter. Ursache, auf der
Box nachgestellt: steht im Verlauf ein frueherer Werkzeugaufruf, dessen
arguments kein gueltiges JSON sind (typisch bei Code: Dateiinhalt mit
Anfuehrungszeichen/Umbruechen), lehnt llama.cpp (Stand der Box, Aug. 2026)
die GANZE Anfrage mit 500 ab — und jede weitere mit demselben Verlauf.
Neuere llama.cpp-Versionen nehmen es an.

llm-adapter:
- _sanitize_messages: solche arguments werden als {"_raw": "…"} verpackt,
  dict-arguments zu JSON, fehlende zu "{}". Nur Kopien; gueltige bleiben
  unangetastet. Auf der Box: kaputt → 500, eingepackt → 200.
- _llama_error_text: bei HTTP-Fehlern kommt der GRUND von llama.cpp mit
  (z.B. "request (9017 tokens) exceeds the available context size (8192)")
  statt nur "Server error '500'". Volle Antwort ins Box-Log — falls es noch
  einen anderen Ausloeser gibt, steht er dort.

Hinweis: ob das der einzige Ausloeser ist, ist offen — die urspruengliche
Fehlerantwort war 4,6 KB gross, diese Ablehnung nur 265 Byte. Mit dem
durchgereichten Grund ist der naechste Fall sofort zu sehen.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

xtts/llm-adapter/adapter.py

@@ -317,6 +317,62 @@ async def _send(ws, mtype: str, payload: dict) -> None:
         logger.warning("Send fehlgeschlagen (%s): %s", mtype, e)
 
 
+def _sanitize_messages(messages: list) -> list:
+    """Verlauf so aufbereiten, dass llama.cpp ihn nicht als Ganzes ablehnt.
+
+    Steht im Verlauf ein frueherer Werkzeugaufruf, dessen arguments KEIN
+    gueltiges JSON sind, antwortet llama.cpp auf die GANZE Anfrage mit 500
+    ("Failed to parse tool call arguments as JSON") — und jede weitere Anfrage
+    mit demselben Verlauf auch. Bei Programmen, die Code schreiben, passiert
+    das leicht (Dateiinhalt mit Anfuehrungszeichen/Umbruechen). Statt den
+    ganzen Auftrag scheitern zu lassen: solche Argumente als {"_raw": "…"}
+    verpacken. Ein dict als arguments (statt String) wird zu JSON.
+    Nur Kopien — die Nachrichten des Aufrufers bleiben unveraendert."""
+    out = []
+    for m in messages or []:
+        tcs = m.get("tool_calls") if isinstance(m, dict) else None
+        if not tcs:
+            out.append(m)
+            continue
+        fixed = []
+        for tc in tcs:
+            fn = dict((tc or {}).get("function") or {})
+            args = fn.get("arguments")
+            if isinstance(args, (dict, list)):
+                fn["arguments"] = json.dumps(args, ensure_ascii=False)
+            elif isinstance(args, str):
+                try:
+                    json.loads(args or "{}")
+                    if not args.strip():
+                        fn["arguments"] = "{}"
+                except Exception:
+                    logger.warning("Werkzeugaufruf %r im Verlauf hat kein gueltiges JSON als "
+                                   "arguments (%d Zeichen) — eingepackt", fn.get("name"), len(args))
+                    fn["arguments"] = json.dumps({"_raw": args}, ensure_ascii=False)
+            elif args is None:
+                fn["arguments"] = "{}"
+            fixed.append(dict(tc, function=fn))
+        out.append(dict(m, tool_calls=fixed))
+    return out
+
+
+def _llama_error_text(exc: Exception) -> str:
+    """Bei HTTP-Fehlern den GRUND von llama.cpp mitnehmen. Bisher kam nur
+    "Server error '500 …'" an — die eigentliche Erklaerung steht im Body."""
+    resp = getattr(exc, "response", None)
+    if resp is None:
+        return re.sub(r"\s*For more information check:\s*\S+", "", str(exc)).strip()
+    detail = ""
+    try:
+        j = resp.json()
+        e = j.get("error") if isinstance(j, dict) else None
+        detail = (e.get("message") if isinstance(e, dict) else e) or json.dumps(j)[:600]
+    except Exception:
+        detail = (resp.text or "")[:600]
+    logger.warning("llama.cpp HTTP %s — Antwort: %s", resp.status_code, (resp.text or "")[:2000])
+    return f"llama.cpp HTTP {resp.status_code}: {str(detail).strip()[:600]}"
+
+
 async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
                       stop, tools=None, model=None, timeout: float | None = None) -> dict:
     """Ruft llama.cpp/llama-swap /v1/chat/completions (OpenAI-Format). Gibt
@@ -328,7 +384,7 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
     natives Tool-Calling und liefert dann message.tool_calls."""
     body = {
         "model": model or LLM_MODEL,
-        "messages": messages,
+        "messages": _sanitize_messages(messages),
         "max_tokens": max_tokens,
         "temperature": temperature,
         "stream": False,
@@ -361,10 +417,9 @@ async def _call_llama(messages: list, *, max_tokens: int, temperature: float,
             "usage": usage,
         }
     except Exception as e:
-        logger.warning("llama.cpp-Call fehlgeschlagen: %s", e)
-        # httpx haengt "For more information check: <Link>" an — fuer niemanden hilfreich.
-        msg = re.sub(r"\s*For more information check:\s*\S+", "", str(e)).strip()
-        return {"ok": False, "content": "", "error": msg[:300]}
+        msg = _llama_error_text(e)
+        logger.warning("llama.cpp-Call fehlgeschlagen: %s", msg[:300])
+        return {"ok": False, "content": "", "error": msg[:700]}
 
 
 # B0.5-2: Lade-Status ans Diagnostic (service_status, service="llm"). Wir kennen