Un LLM por sí solo solo genera texto. Las tools (herramientas) son lo que le da manos:
funciones que el modelo puede invocar para leer un archivo, ejecutar un comando, buscar en
la web o llamar a una API. Sin tools tienes un chat; con tools, un agente.
Cómo funciona el tool use
El mecanismo es más simple de lo que parece, y encaja con que el modelo solo
predice texto:
Al modelo se le describe un catálogo de herramientas (nombre, para qué sirve, qué
parámetros acepta).
En vez de responder al usuario, el modelo puede emitir una llamada a herramienta: “usa
read_file con path=src/app.ts”.
El harness —no el modelo— ejecuta esa función de verdad y le
devuelve el resultado.
El modelo lee el resultado y decide el siguiente paso. Ese ida y vuelta es el
agentic loop.
[!NOTE]
El modelo nunca ejecuta nada por sí mismo. Solo pide ejecutar; el harness decide si lo
permite (ver permisos) y corre el código. Esa separación es la base
de la seguridad de los agentes.
Tipos de herramientas típicas
Lectura: leer archivos, listar directorios, buscar en el código, consultar una base de
datos.
Escritura/acción: editar archivos, ejecutar comandos de shell, hacer commits, llamar APIs.
Externas vía MCP: conectar fuentes y servicios de
terceros mediante un protocolo estándar.
Buen diseño de herramientas
Descripciones claras: el modelo elige la herramienta leyendo su descripción; si es
ambigua, elige mal.
Granularidad adecuada: ni una única herramienta que lo hace todo, ni cincuenta que se
solapan.
Errores informativos: un mensaje de error útil deja que el modelo se corrija en el
siguiente paso.
Temas relacionados
Las ejecuta el harness dentro del
agentic loop, bajo control de permisos. El
estándar para herramientas externas es MCP.