Balões coloridos por papel. System = cinza centralizado, user = índigo à direita, assistant = neutro à esquerda, tool result = verde. Tool-calls. Expandidos por padrão com argumentos formatados. Tanto tool_calls da OpenAI quanto blocos tool_use da Anthropic são tratados. Mensagens de resultado aparecem em seu próprio balão. Code fences e inline code. Blocos com triplo backtick viram em monoespaçado, backticks simples viram inline. Sem destaque de sintaxe (não levamos tokenizer pra isso), indentação preservada. Referências de imagem. Blocos de imagem da Anthropic mostram uma pílula pequena com URL ou media-type — não carregamos a imagem (a ferramenta fica offline). Linha de stats. Formato detectado, número de mensagens, número de tool-calls e estimativa aproximada de tokens com a mesma heurística do nosso Token Counter.

Vírgulas finais. JSON padrão não permite. Se copiou de debugger ou REPL, talvez precise limpar {...},] → {...}] antes de colar. Aspas simples. O repr do Python usa simples. Passe por json.dumps , ou use um conversor Python-literal pra JSON. System prompt da Anthropic. A instrução system na API da Anthropic é campo top-level, não mensagem. Se seu dump só tem o array de messages, o system prompt não tá lá — cole como {"role": "system", "content": "..."} no começo. Argumentos de tool-call como JSON escapado. OpenAI devolve arguments como string JSON. A gente desescapa e formata. Se o JSON dentro da string tá quebrado, mostra a string crua. Privacidade. Nada sai da página. Tudo roda em JS no JSON que você cola. Não cole nada que não colaria num app de notas.

Visualizador de Thread de Chat

Cole um array de messages OpenAI ou Anthropic (JSON) e veja como uma thread de chat legível. Cor por papel. Parâmetros de tool-call expansíveis. Só navegador, sem upload.

Paste messages JSON (OpenAI / Anthropic / LangChain)

Pra que serve?

Apps de LLM logam suas conversas como arrays JSON de mensagens — é o que vai pra API e o que aparece em audit logs, traces de avaliação, datasets de fine-tuning e debug do SDK. Ler esses arrays a olho nu é doloroso: muros de strings escapadas, argumentos de tool-call envolvidos em JSON-dentro-de-JSON escapado, system prompts misturados com o resto. Esta ferramenta te dá um render rápido em balões pra você escanear a conversa real, ver quais mensagens tiveram tool-calls e achar o prompt que descarrilou.

Quais formatos entende

OpenAI Chat Completions. [{role, content}, ...] com tool_calls opcionais em mensagens assistant e role: "tool" pra resultados de tool. A forma mais comum.
Anthropic Messages API. [{role, content: [...]}] onde content é um array de blocos (text, tool_use, tool_result, image). System prompt geralmente é top-level — cole como mensagem system se quiser ver.
Dumps de mensagens LangChain. [{type: "human" | "ai" | "system", content: ...}] — forma antiga do LangChain, ainda comum em traces salvos.
Objetos wrapper. Se você colar {"messages": [...]} ou {"input": [...]}, o wrapper é desempacotado automaticamente.

O que é renderizado

Balões coloridos por papel. System = cinza centralizado, user = índigo à direita, assistant = neutro à esquerda, tool result = verde.
Tool-calls. Expandidos por padrão com argumentos formatados. Tanto tool_calls da OpenAI quanto blocos tool_use da Anthropic são tratados. Mensagens de resultado aparecem em seu próprio balão.
Code fences e inline code. Blocos com triplo backtick viram <pre> em monoespaçado, backticks simples viram inline. Sem destaque de sintaxe (não levamos tokenizer pra isso), indentação preservada.
Referências de imagem. Blocos de imagem da Anthropic mostram uma pílula pequena com URL ou media-type — não carregamos a imagem (a ferramenta fica offline).
Linha de stats. Formato detectado, número de mensagens, número de tool-calls e estimativa aproximada de tokens com a mesma heurística do nosso Token Counter.

Pegadinhas comuns

Vírgulas finais. JSON padrão não permite. Se copiou de debugger ou REPL, talvez precise limpar {...},] → {...}] antes de colar.
Aspas simples. O repr do Python usa simples. Passe por json.dumps, ou use um conversor Python-literal pra JSON.
System prompt da Anthropic. A instrução system na API da Anthropic é campo top-level, não mensagem. Se seu dump só tem o array de messages, o system prompt não tá lá — cole como {"role": "system", "content": "..."} no começo.
Argumentos de tool-call como JSON escapado. OpenAI devolve arguments como string JSON. A gente desescapa e formata. Se o JSON dentro da string tá quebrado, mostra a string crua.
Privacidade. Nada sai da página. Tudo roda em JS no JSON que você cola. Não cole nada que não colaria num app de notas.