Tool calling en LLM: function calling y agentes de IA
Cómo funciona el tool calling en los LLM, cómo escribir descripciones de herramientas, cómo corren y paran los bucles de un agente y qué fallos prever.
En este artículo
- ¿Cómo es la definición de una herramienta?
- ¿Cómo se escriben descripciones de herramientas que el modelo use bien?
- ¿Cómo funciona el bucle de un agente?
- ¿Cómo debe decidir un agente cuándo parar?
- ¿Cuáles son los fallos más comunes de los agentes?
- ¿Y la seguridad?
- ¿Necesitas siquiera un agente?
- ¿Dónde encaja MCP?
El tool calling (o function calling) permite que un modelo de lenguaje le pida a tu aplicación que ejecute una función: describes las herramientas disponibles con nombres, descripciones y esquemas de parámetros, el modelo responde con una llamada estructurada como get_order_status(order_id="A-1042"), tu código la ejecuta y el resultado vuelve al modelo. Un agente es ese mismo mecanismo dentro de un bucle, en el que el modelo sigue eligiendo herramientas y leyendo resultados hasta que decide que la tarea ha terminado.
El modelo nunca ejecuta nada por sí mismo. Produce texto que resulta ser una solicitud bien formada. Si lo tienes presente, la mayoría de las decisiones de diseño sobre agentes se vuelven más claras, sobre todo las de seguridad.
¿Cómo es la definición de una herramienta?
Entre OpenAI, Anthropic y Google los formatos de solicitud difieren un poco, pero toda definición de herramienta tiene las mismas tres partes: un nombre, una descripción en lenguaje natural y un JSON Schema para los parámetros.
Una definición débil:
{
"name": "search",
"description": "Busca cosas.",
"parameters": {
"type": "object",
"properties": { "q": { "type": "string" } }
}
}
Una mejor:
{
"name": "search_help_center",
"description": "Búsqueda de texto completo en los artículos públicos del centro de ayuda de la app Ledgerly. Úsala cuando el usuario pregunte cómo funciona una función o cómo resolver un problema. No busca en los datos de la cuenta del propio usuario; para eso usa get_account_summary. Devuelve hasta 5 artículos con título, URL y un extracto breve.",
"parameters": {
"type": "object",
"properties": {
"query": {
"type": "string",
"description": "Una frase de búsqueda corta en inglés, p. ej. 'export invoices to CSV'. Reformula la pregunta del usuario en palabras clave en lugar de pasarla tal cual."
}
},
"required": ["query"]
}
}
La descripción es un prompt. El modelo la lee para decidir cuándo usar la herramienta, qué pasarle y qué esperar a cambio. La documentación de tool use de Anthropic subraya que las descripciones detalladas son el factor más importante para el rendimiento de las herramientas, y coincide con lo que se ve en la práctica.
¿Cómo se escriben descripciones de herramientas que el modelo use bien?
Responde las preguntas que se haría un desarrollador nuevo antes de llamar a una API desconocida:
- ¿Qué hace y qué no hace? "No busca en los datos de la cuenta del usuario" evita toda una clase de llamadas erróneas.
- ¿Cuándo debe usarse en lugar de una herramienta parecida? Las herramientas que se solapan son la principal causa de elegir mal. Si dos herramientas podrían atender una solicitud, indica cuál gana.
- ¿Qué significan los parámetros, con ejemplos? Formatos (fechas ISO, céntimos o euros, IDs con o sin prefijo) y un valor de ejemplo para todo lo ambiguo.
- ¿Qué devuelve? Incluido qué significa un resultado vacío.
- ¿Tiene efectos secundarios? "Envía el correo de inmediato; no se puede deshacer" cambia cómo se comporta un modelo cuidadoso, y debería cambiar cómo lo controla tu aplicación.
Pon a las herramientas nombres que se lean con claridad unos junto a otros: search_help_center, get_account_summary, create_support_ticket. Evita nombres genéricos como search o run, que invitan al mal uso.
Devuelve también errores útiles. Si una llamada falla, un resultado de herramienta como "error": "order_id must look like A-1234; got 1234" permite que el modelo corrija su propia llamada en el paso siguiente. Un simple 500 no.
¿Cómo funciona el bucle de un agente?
El bucle básico, que la mayoría de los frameworks de agentes implementan con variaciones:
- Envía al modelo la conversación, el prompt de sistema y las definiciones de las herramientas.
- Si el modelo responde solo con texto, el turno ha terminado.
- Si responde con una o más llamadas a herramientas, tu código las valida y las ejecuta.
- Añade los resultados a la conversación como resultados de herramienta.
- Vuelve al paso 1.
Este patrón, que intercala razonamiento con acciones y observaciones, se describió en el artículo de ReAct (Yao et al., 2022), y es la columna vertebral de la mayoría de los agentes creados desde entonces. Las API modernas lo admiten de forma nativa, incluidas varias llamadas a herramientas en un mismo turno.
El bucle es simple. Lo difícil es conseguir que se comporte bien.
¿Cómo debe decidir un agente cuándo parar?
Hay dos tipos de condiciones de parada, y necesitas ambos.
A nivel de tarea, en el prompt. Dile al agente qué significa "terminado":
Has terminado cuando la pregunta del usuario esté respondida o hayas
determinado que no se puede responder con las herramientas disponibles.
Si después de dos búsquedas no has encontrado artículos relevantes, deja
de buscar y cuéntale al usuario lo que probaste.
Haz una pregunta aclaratoria al usuario en lugar de adivinar cuando la
solicitud pueda referirse a más de una cuenta o factura.
Sin una guía así, los agentes tienden a parar demasiado pronto (respondiendo con su propio conocimiento sin buscar) o a no parar (repitiendo la búsqueda con pequeñas variaciones, con la esperanza de un mejor resultado).
Límites estrictos, en el código. Un número máximo de iteraciones, un presupuesto de tokens o de coste y un tiempo máximo de ejecución. Cuando se alcance un límite, termina con elegancia: devuelve lo encontrado hasta ese momento y di que la tarea no se completó. Nunca confíes solo en el modelo para detener un bucle que gasta dinero.
¿Cuáles son los fallos más comunes de los agentes?
Elegir mal la herramienta. Suele deberse a herramientas que se solapan o a descripciones vagas. Arregla primero las descripciones; si no basta, reduce el número de herramientas disponibles para esta tarea.
Argumentos alucinados. El modelo inventa un ID de pedido porque el usuario dijo "mi último pedido". Indícale que busque los IDs con una herramienta o que se los pregunte al usuario, y valida los argumentos en el código antes de ejecutar.
Bucles. El agente repite una llamada fallida con pequeñas variaciones. Detecta en tu bucle las llamadas idénticas o casi idénticas repetidas y sal de él, y haz que los errores de las herramientas sean lo bastante informativos para poder corregirlos.
Éxito prematuro. El agente informa "Listo, he actualizado el registro" cuando la llamada de actualización en realidad falló. Haz que los resultados de las herramientas indiquen de forma explícita el éxito o el fallo y, en las tareas importantes, verifica el resultado con una llamada de lectura aparte.
Contexto hinchado. Los resultados de las herramientas pueden ser enormes (una página web entera, una consulta de 2.000 filas). Los bucles largos llenan el contexto de salidas obsoletas y el modelo pierde de vista el objetivo original. Recorta o resume los resultados de las herramientas antes de devolverlos, y devuelve solo los campos que el modelo necesita.
Demasiadas herramientas. La precisión tiende a bajar al añadir herramientas, sobre todo si son parecidas. Da a cada tarea el conjunto útil más pequeño, o carga las herramientas de forma dinámica según la solicitud.
¿Y la seguridad?
Cada herramienta es una capacidad que una prompt injection puede tomar prestada. Si tu agente lee páginas web o correos y además tiene una herramienta que envía mensajes, un atacante que escriba el texto adecuado en una página puede lograr que envíe mensajes.
Reglas prácticas:
- Autoriza en el código, no en el prompt. La herramienta debe ejecutarse con los permisos del usuario final, de modo que un modelo engañado no pueda alcanzar datos que el usuario no podría ver.
- Confirma las acciones con consecuencias. Pagos, borrados, mensajes salientes, cambios de permisos: muestra al usuario exactamente qué va a pasar y exige su aprobación.
- Valida los argumentos. Validación de esquema más reglas de negocio (límites de importe, destinatarios permitidos) antes de ejecutar.
- Separa las herramientas de lectura y de escritura. Un paso de investigación que solo tiene herramientas de lectura no puede dañar nada, por muy confundido que esté.
¿Necesitas siquiera un agente?
A menudo no. Si los pasos se conocen de antemano (recuperar, luego resumir, luego dar formato), una canalización fija de llamadas individuales al modelo es más barata, más rápida y más fácil de probar y depurar. Los agentes justifican su complejidad cuando el camino depende de verdad de los resultados intermedios: el modelo necesita consultar algo para saber qué consultar después.
Una progresión razonable: empieza con un solo prompt; añade recuperación si hacen falta datos (qué es RAG); añade una sola llamada a una herramienta para una acción; y solo entonces construye un bucle.
¿Dónde encaja MCP?
El Model Context Protocol, presentado por Anthropic a finales de 2024 y adoptado desde entonces por otros proveedores y herramientas, estandariza cómo las aplicaciones exponen herramientas y datos a los modelos. Resuelve la fontanería: una definición de servidor utilizable desde muchos clientes. No cambia ninguno de los consejos anteriores. Una herramienta mal descrita es igual de confusa a través de MCP, y conectar muchos servidores de terceros añade tanto capacidades como superficie de ataque.
Para la parte de salida de las llamadas a herramientas (esquemas, modos estrictos, validación), consulta cómo obtener JSON fiable de los LLM. El tema de herramientas y agentes convierte estas decisiones de diseño en preguntas de práctica.
Preguntas frecuentes
¿Qué es el tool calling en los LLM?
El tool calling, también llamado function calling, permite que un modelo responda con una solicitud estructurada para ejecutar una función que tú definiste, como consultar una base de datos o enviar un correo. Tu código ejecuta la función y devuelve el resultado al modelo, que continúa a partir de ahí.
¿Ejecuta el modelo la herramienta por sí mismo?
No. El modelo solo produce el nombre de la herramienta y los argumentos. Tu aplicación decide si la ejecuta, la ejecuta y devuelve el resultado, y por eso las comprobaciones de permisos pertenecen a tu código.
¿Cuál es la diferencia entre el tool calling y un agente de IA?
El tool calling es una sola capacidad: el modelo pide que se ejecute una función. Un agente es un bucle en el que el modelo decide repetidamente qué herramienta llamar a continuación, observa los resultados y sigue hasta terminar la tarea o alcanzar un límite.
¿Cuántas herramientas se le pueden dar a un agente?
No hay un límite fijo, pero la precisión tiende a bajar a medida que crecen las listas de herramientas y estas se solapan. Mantén el conjunto pequeño y diferenciado para cada tarea, o carga las herramientas relevantes de forma dinámica.
- #tool calling
- #function calling
- #agentes de IA
- #bucle del agente
- #MCP