¿Qué es la Llamada a Funciones?
La llamada a funciones (también conocida como uso de herramientas) es la capacidad de los LLMs de generar salidas estructuradas que invocan funciones externas. En lugar de solo generar texto, el modelo produce un nombre de función y sus argumentos en un formato estructurado (JSON), que tu aplicación puede ejecutar. Esto cierra la brecha entre la comprensión del lenguaje y las acciones del mundo real.
La llamada a funciones es la columna vertebral de los agentes de IA. Sin ella, un LLM está limitado a generar texto. Con ella, un LLM puede consultar bases de datos, llamar APIs, ejecutar código, enviar correos electrónicos, gestionar archivos e interactuar con cualquier sistema que tenga una interfaz programática.
Proveedores de Llamada a Funciones
- Anthropic Claude: Uso de herramientas vía la API de mensajes con definiciones de input_schema
- OpenAI GPT-4: Llamada a funciones con definiciones de herramientas JSON Schema
- Google Gemini: Declaraciones de funciones con esquemas FunctionDeclaration
- Vercel AI SDK: API unificada tool() que funciona en todos los proveedores
Mejores Prácticas de Esquemas de Herramientas
Guía de Diseño de Esquemas
| Práctica | Bueno | Malo |
|---|---|---|
| Nombres de herramientas | get_customer_orders | tool1, doStuff |
| Descripciones | Detalladas con ejemplos | Vagas o ausentes |
| Parámetros | Tipos fuertes + descripciones | String genérico para todo |
| Enums | Usar para valores conocidos | Texto libre para opciones fijas |
| Manejo de errores | Devolver errores estructurados | Lanzar excepciones al modelo |
Errores Comunes
- Demasiadas herramientas: Los modelos funcionan mejor con 5-20 herramientas bien definidas. Más allá de eso, la precisión disminuye.
- Descripciones ambiguas: Si dos herramientas podrían servir al mismo propósito, el modelo elegirá inconsistentemente.
- Sin validación: Siempre valida las entradas de herramientas antes de la ejecución — el modelo puede producir argumentos inválidos.
- Sin mensajes de error: Devuelve mensajes de error claros para que el modelo pueda auto-corregirse e intentar de nuevo.
- Esquemas demasiado complejos: Mantén los esquemas lo más planos posible. Los objetos profundamente anidados confunden a los modelos.
Resumen
La llamada a funciones es el mecanismo que transforma los LLMs de generadores de texto en agentes capaces. Ya sea que uses el uso de herramientas de Anthropic, la llamada a funciones de OpenAI o el enfoque unificado del Vercel AI SDK, el patrón es el mismo: define herramientas con esquemas claros, deja que el modelo decida cuándo y cómo llamarlas, ejecuta las llamadas y devuelve los resultados. Domina este patrón y podrás construir agentes que interactúen con cualquier sistema.