Qué es tool calling o function calling
11 de agosto de 2025· 2 min read
Definición
Tool calling (también llamado function calling) es la capacidad de un modelo de lenguaje para decidir cuándo y cómo invocar herramientas externas durante el proceso de generación de una respuesta.
En lugar de solo generar texto, el modelo puede decir: "necesito buscar esta información", "necesito ejecutar este cálculo" o "necesito llamar a esta API", y hacerlo.
Cómo funciona
- Defines las herramientas disponibles: describes al modelo qué herramientas existen, qué hacen y qué parámetros aceptan.
- El modelo decide: cuando recibe una pregunta, razona si necesita usar alguna herramienta.
- El modelo llama a la herramienta: genera una llamada estructurada con los parámetros correctos.
- Tu código ejecuta la herramienta: la llamada real la ejecuta tu aplicación, no el modelo.
- El resultado vuelve al modelo: el modelo usa el resultado para completar la respuesta.
Ejemplo real
Herramienta definida:
{
"name": "get_weather",
"description": "Obtiene el tiempo actual de una ciudad",
"parameters": {
"city": { "type": "string", "description": "Nombre de la ciudad" }
}
}
Usuario: "¿Qué tiempo hace en Madrid ahora mismo?"
El modelo reconoce que necesita datos en tiempo real, llama a get_weather("Madrid"), recibe los datos y responde con información real.
Tool calling vs Function calling
Son prácticamente lo mismo. "Function calling" fue el término original de OpenAI. "Tool calling" es el término más amplio adoptado por la industria. Hoy se usan indistintamente.
La diferencia técnica: function calling describe una sola función. Tool calling puede incluir múltiples tipos de herramientas (no solo funciones) como búsqueda web, intérpretes de código, acceso a archivos, etc.
Para qué sirve
Tool calling es lo que convierte a los LLMs en agentes capaces de actuar en el mundo real:
- Búsqueda web: obtener información actualizada
- Ejecución de código: calcular, analizar datos, crear archivos
- APIs externas: consultar bases de datos, CRMs, servicios
- Lectura/escritura: acceder a archivos, correos, calendarios
- Automatizaciones: disparar workflows, enviar mensajes
El punto crítico de seguridad
Las herramientas ejecutan acciones reales. Un agente con tool calling puede modificar bases de datos, enviar emails o borrar archivos. Por eso los guardrails son esenciales: el modelo decide llamar a herramientas, pero tu código debe validar qué llamadas son seguras antes de ejecutarlas.
Siguiente: Qué son los embeddings
Pon en práctica lo que has aprendido
Canvas de diseño de agente
Diseña las herramientas de tu agente con descripción y parámetros.
Abrir herramienta gratuita →Artículos relacionados
Cómo diseñar un agente de IA paso a paso
Guía práctica para diseñar tu primer agente de IA: desde definir el objetivo hasta implementar herramientas, memoria y guardrails. Con checklist descargable.
Qué son los guardrails en IA
Los guardrails son los controles y restricciones que hacen que un sistema de IA sea seguro, coherente y predecible. Aprende qué son, por qué son esenciales y cómo implementarlos.
Qué es MCP y por qué importa
MCP (Model Context Protocol) es el estándar abierto para conectar modelos de IA con herramientas y fuentes de datos. Aprende qué es, cómo funciona y por qué está cambiando la forma en que se construyen agentes.
Recibe lo mejor de Contextología
Diseño de contexto, agentes y workflows de IA directamente en tu correo.