What is Uso de Herramientas (Tool Use)?

Capacidad de un LLM de invocar funciones externas, APIs o herramientas como parte de la generación de respuestas — implementada mediante esquemas estructurados de llamadas a funciones que el modelo produce y un runtime ejecuta, fundamental para todas las arquitecturas de agentes modernas.

Definition

El uso de herramientas es la capacidad de un modelo de lenguaje de invocar funciones externas, APIs o herramientas durante la generación de respuestas en lugar de depender únicamente de su conocimiento interno. El patrón se implementa mediante esquemas estructurados de llamadas a funciones: el desarrollador registra herramientas (con nombres, descripciones y esquemas de parámetros), el modelo decide cuándo invocar una herramienta y produce una llamada estructurada, el runtime ejecuta esa llamada contra la herramienta real, y el resultado se devuelve al modelo para razonamiento continuado.

La fidelidad del uso de herramientas (la capacidad del modelo de producir llamadas a herramientas bien formadas confiablemente bajo presión) es ahora un eje principal de capacidad del modelo separado de la calidad de razonamiento bruto.

Why It Matters

El uso de herramientas es la línea entre LLMs como generadores de texto y LLMs como agentes. Sin uso de herramientas, un modelo solo puede producir texto; con uso de herramientas, un modelo puede tomar acciones en el mundo — consultar bases de datos, llamar APIs, controlar navegadores, ejecutar código.

Key Takeaways

El uso de herramientas habilita a los LLMs a invocar funciones y APIs externas durante la generación de respuestas
Implementado mediante esquemas estructurados de llamadas a funciones (nombre, descripción, parámetros)
Fundamental para todos los frameworks y arquitecturas de agentes modernos
La fidelidad del uso de herramientas es un eje de capacidad separado de la calidad de razonamiento bruto
Bases open-weight fuertes en uso de herramientas: GPT-OSS, Qwen 3+, Kimi K2.6, Hermes 4

How Ertas Helps

Al ajustar modelos para despliegues agentivos en Ertas Studio, incluir trazas explícitas de uso de herramientas en los datos de entrenamiento mejora sustancialmente la fidelidad de uso de herramientas del modelo ajustado en producción. Ertas Studio admite formatos de datos de entrenamiento con llamadas a funciones estructuradas, salidas de herramientas observadas y trazas de razonamiento multi-paso.