Herramientas y Tool Use: los brazos del agente

🔄 En la lección 3 vimos el ciclo ReAct: Pensar → Actuar → Observar. El paso de “Actuar” depende completamente de las herramientas. Sin ellas, el agente solo puede pensar.

Function calling: la mecánica

Cuando un agente “usa una herramienta”, no ejecuta código directamente. Lo que hace es pedir que alguien más lo ejecute.

1. El modelo recibe schemas de herramientas disponibles
   → "Tienes disponible: buscar_web(query), consultar_bd(sql), enviar_email(to, subject, body)"

2. El modelo decide qué necesita
   → "Necesito buscar_web(query='precios hosting Colombia 2026')"

3. La aplicación ejecuta la función real
   → Llama a la API de Brave Search, recibe resultados

4. La aplicación envuelve el resultado y se lo devuelve al modelo
   → "Resultados: Cloudways $14/mes, SiteGround $17/mes..."

5. El modelo procesa y decide el siguiente paso

Esto se llama function calling. Claude, GPT-4 y Gemini lo soportan nativamente. El modelo nunca tiene acceso directo a internet o a tu base de datos — siempre hay una capa intermedia que controla qué se ejecuta.

✅ Quick Check: ¿Por qué el modelo no ejecuta las herramientas directamente? (Por seguridad. La capa intermedia controla qué funciones están disponibles, valida los parámetros y puede rechazar llamadas peligrosas como DELETE en una base de datos.)

Las herramientas más usadas

Estas son las categorías que aparecen en la mayoría de agentes empresariales en LATAM:

Búsqueda web:

• Brave Search, Tavily, DuckDuckGo API
• Para información en tiempo real que el modelo no tiene

Ejecución de código:

• Python (cálculos, análisis de datos, gráficos)
• JavaScript/Node.js
• Comandos de terminal

APIs externas:

• CRM (HubSpot, Salesforce)
• WhatsApp Business API (dominante en LATAM)
• Google Calendar, Google Drive
• Sistemas ERP y contables

Bases de datos:

• SQL (PostgreSQL, MySQL)
• Bases vectoriales (Pinecone, Qdrant, pgvector)
• NoSQL (MongoDB, Redis)

Documentos:

• Lectura de PDFs, Excel, Word
• OCR para imágenes y escaneos
• Generación de reportes

Comunicación:

• Slack, Microsoft Teams
• Email (Gmail, Outlook)
• WhatsApp (por API)

MCP: el estándar universal

En el mundo sin estándar, cada combinación de “modelo + herramienta” requiere integración propia. 3 modelos × 5 herramientas = 15 integraciones.

MCP (Model Context Protocol) lo simplifica: cada herramienta crea un servidor MCP. Cualquier modelo compatible lo puede usar. 3 modelos + 5 herramientas = 8 implementaciones.

Sin MCP:
  Claude → integración A → GitHub
  Claude → integración B → Slack
  GPT-4  → integración C → GitHub  (¡diferente!)
  GPT-4  → integración D → Slack   (¡otra vez!)

Con MCP:
  Claude ──┐
  GPT-4  ──┤──→ GitHub MCP Server
  Gemini ──┘
  Claude ──┐
  GPT-4  ──┤──→ Slack MCP Server
  Gemini ──┘

Hoy hay 8,600+ servidores MCP disponibles. OpenAI, Google y Microsoft ya lo soportan. Es el estándar de la industria.

Diseñar el kit de herramientas

No le des 50 herramientas a tu agente. Más herramientas = más confusión, más tokens, respuestas más lentas.

Principio: Empieza con 3-5 herramientas que cubran tu caso de uso. Añade más solo cuando el agente las necesite.

Ejemplo — Agente de atención al cliente:

1. consultar_pedido(id) — Estado del pedido
2. buscar_cliente(email) — Información del cliente
3. crear_ticket(descripcion) — Escalar problema
4. enviar_mensaje(canal, texto) — Responder al cliente

Cuatro herramientas. Cubren el 90% de las consultas. Si el agente encuentra un caso que no puede resolver con estas 4, escala a un humano.

✅ Quick Check: ¿Por qué es mala idea darle 50 herramientas a un agente? (Más herramientas = más schemas que procesar = más tokens consumidos = respuestas más lentas y mayor probabilidad de que el agente elija la herramienta incorrecta.)

Herramientas con parámetros

Las herramientas bien diseñadas tienen parámetros claros con tipos y descripciones:

# Herramienta bien diseñada
def consultar_ventas(
    region: str,        # "norte", "sur", "centro"
    periodo: str,       # "2026-01", "2026-Q1", "2025"
    formato: str = "resumen"  # "resumen", "detallado", "csv"
) -> str:
    """Consulta las ventas por región y periodo.
    Devuelve un resumen con totales y comparación vs periodo anterior."""

El modelo lee los tipos (str), los valores posibles y el docstring para decidir qué parámetros enviar. Mientras más claros sean, mejores decisiones toma el agente.

Puntos clave

• Function calling: el modelo pide ejecutar funciones, la aplicación las ejecuta — el modelo nunca tiene acceso directo
• MCP estandariza la conexión: un servidor por herramienta, compatible con cualquier modelo
• Empieza con 3-5 herramientas — más no es mejor
• Herramientas bien diseñadas: tipos claros, descripciones útiles, parámetros validados
• WhatsApp Business API es dominante para agentes en LATAM

Siguiente lección

Las herramientas le dan acceso al mundo. Pero ¿cómo recuerda el agente lo que hizo ayer? En la lección 5 vamos a memoria y contexto — los tres niveles de memoria y cómo RAG le da al agente conocimiento que el modelo no tiene.