Glosario de IA Models & Architecture
¿Qué es el tool calling (function calling) en los LLM?
Tool calling (Function Calling)
← Todos los términos del glosarioCapacidad de un modelo de lenguaje de emitir una petición estructurada para ejecutar una función, una API o una consulta, que la aplicación valida y ejecuta.
Explicación
El tool calling, también llamado function calling, permite que un modelo de lenguaje pida una acción en lugar de limitarse a escribir texto. La aplicación le describe las herramientas disponibles, cada una con nombre, descripción y esquema de entrada. Cuando el modelo decide que necesita una, devuelve una llamada estructurada con sus argumentos; la aplicación la valida, ejecuta la función (una consulta SQL, una petición HTTP, una actualización del CRM) y le devuelve el resultado para que siga. El modelo nunca ejecuta nada por sí mismo. Es lo que convierte un modelo de chat en un copiloto o en un agente que trabaja con sistemas y datos reales.
Cómo funciona
- La aplicación envía al modelo la petición del usuario junto con la lista de herramientas.
- El modelo responde directamente o devuelve una o varias llamadas, cada una con el nombre de la herramienta y argumentos que siguen su esquema.
- La aplicación comprueba la llamada, la ejecuta con sus propias credenciales y devuelve el resultado al modelo.
- El modelo usa el resultado para responder o llama a otra herramienta, hasta terminar la tarea.
Ese ciclo, el modelo propone y la aplicación ejecuta, es la pieza básica de los agentes de IA.
Para qué sirve
- Consultar datos vivos que el modelo no tiene: stock, estado de un pedido, saldos, documentos.
- Actuar en sistemas de negocio: abrir tickets, actualizar registros, enviar avisos.
- Hacer operaciones precisas que los modelos hacen mal solos, como cálculos o consultas a bases de datos.
- Devolver salidas estructuradas que el código posterior pueda consumir sin sorpresas.
Cómo hacerlo seguro y fiable
Cada herramienta es una puerta a un sistema real, así que diséñala como cualquier API expuesta a un llamante no fiable. Valida los argumentos contra el esquema, da a cada herramienta los permisos mínimos y pide confirmación humana para las acciones irreversibles o caras.
Las descripciones importan más de lo que parece: el modelo elige la herramienta a partir de ellas, así que nombres claros, descripciones precisas y pocas herramientas solapadas reducen las llamadas equivocadas. Registra cada llamada y su resultado para poder rastrear y evaluar los fallos.
Preguntas frecuentes
¿Qué diferencia hay entre tool calling y function calling?
Son dos nombres para la misma capacidad. Function calling es el término que popularizó OpenAI; tool calling o tool use es el más general, el que usan casi todos los proveedores, y abarca también herramientas integradas como la búsqueda o la ejecución de código.
¿El LLM ejecuta la función por sí mismo?
No. El modelo solo genera una petición estructurada. Tu aplicación decide si la ejecuta, lo hace con sus propios permisos y le devuelve el resultado al modelo.
¿Qué relación hay entre tool calling y agentes de IA?
El tool calling es el mecanismo con el que actúan los agentes. Un agente es, en esencia, un ciclo en el que el modelo razona, llama a herramientas, lee los resultados y decide el siguiente paso hasta cumplir el objetivo.
¿Qué diferencia hay entre tool calling y MCP?
El tool calling es la capacidad del modelo de pedir una función. El Model Context Protocol es una forma estándar de empaquetar y exponer herramientas a las aplicaciones de IA, para reutilizarlas entre modelos y aplicaciones.
¿Qué modelos admiten tool calling?
La mayoría de los modelos comerciales actuales y muchos de pesos abiertos lo admiten, normalmente con una interfaz basada en JSON Schema en su API. La fiabilidad cambia de un modelo a otro, así que prueba la elección de herramientas y la calidad de los argumentos con tus propias tareas.
Guías de decisión que usan este término
- Construir o comprar agentes de IA: ¿qué agentes conviene tener en propiedad y cuáles alquilar?
- IA agéntica vs chatbots generativos: ¿tu caso de uso necesita un agente o un buen asistente?
- MCP o integraciones a medida por API: ¿cómo deben conectarse tus agentes de IA a tus sistemas?
- Framework de agentes u orquestación propia: ¿adoptar un framework o escribir tu propio bucle de agente?
- Modelos de razonamiento o LLM estándar: ¿cuándo compensa pagar por pensar más?
- ¿Agente único o sistema multiagente: cómo debes diseñar tu arquitectura?
Cómo llevarlo a la práctica
Dónde aparece en Thinkia
Para seguir leyendo
Términos relacionados
Fuentes
- OpenAI · Function calling guide (en inglés)
- Anthropic · Tool use with Claude (en inglés)
- Schick et al. · Toolformer: Language Models Can Teach Themselves to Use Tools (arXiv, en inglés)
- Google AI for Developers · Function calling with the Gemini API (en inglés)
Actualizado: 2026-10-21