Llamada a herramientas

Primero describes las herramientas que ofreces. Cada una tiene un nombre, una descripción breve y un esquema JSON con sus parámetros, por ejemplo una función get_weather que recibe una ciudad. Envías esa lista con la conversación. Si el modelo considera útil una herramienta, su respuesta contiene una llamada a herramienta en lugar de texto final: el nombre y los argumentos, escritos en JSON. Tu programa ejecuta la función, añade un mensaje con el resultado y el identificador de la llamada, y lo reenvía todo. El modelo redacta entonces la respuesta final a partir de ese resultado. Piensa en un camarero que anota tu pedido en una comanda y nunca entra en la cocina. Ejemplos típicos: consultar el estado de un pedido, convertir una divisa, buscar en una base de conocimiento o crear un evento de calendario.

La mayoría de las API permiten orientar el comportamiento. Puedes dejar la decisión al modelo, prohibir las herramientas, exigir que se llame a alguna o nombrar la herramienta exacta. Pueden llegar varias llamadas en la misma respuesta, lo que ahorra idas y vueltas cuando son independientes, y en una respuesta en flujo los argumentos llegan por trozos bajo el mismo índice. El mismo mecanismo mueve a los agentes, que repiten el ciclo de llamada, resultado y decisión, y también es una forma fiable de extraer datos estructurados de un texto. Algunos proveedores tienen un modo estricto que ajusta la salida exactamente al esquema y evita muchas llamadas mal formadas.

Hace falta cautela. Un modelo puede elegir mal la herramienta, inventar un argumento o llamar a una función con valores válidos pero dañinos: valida los argumentos de tu lado y no ejecutes nada más potente de lo que la tarea necesita. No todos los modelos la admiten, y los que lo hacen siguen un esquema con desigual constancia. Prueba con casos reales, mantén las descripciones breves y precisas, y pon a las herramientas nombres que digan lo que hacen. Mantén breve la lista de herramientas, pues un menú largo confunde a los modelos y consume ventana de contexto. Fallos típicos: una ciudad mal escrita, un campo obligatorio ausente, un número enviado como texto, una fecha en formato incorrecto o una herramienta inexistente.

La API de NeverNo la admite en las completaciones de chat. Pasa tools, una lista de funciones con un esquema JSON, y opcionalmente tool_choice (auto, none, required o una función concreta) y parallel_tool_calls. Cuando el modelo llama a una herramienta, la respuesta contiene tool_calls y finish_reason vale tool_calls; ejecutas la función y devuelves un mensaje tool con el resultado y su tool_call_id. En un flujo, cada llamada llega tal como la escribe OpenAI.

Solo los modelos cuyo capabilities.tools es true en la lista /models aceptan herramientas; cualquier otro responde con un error 400 claro llamado tools_not_supported. GLM 5.2, un modelo privado de Z.ai incluido en los planes de pago, tiene una ventana de contexto de 200 000 tokens y un modo de razonamiento opcional. Consulta la lista antes de construir sobre un modelo. La página sobre la alternativa a ChatGPT explica por qué se elige NeverNo por la variedad de modelos.