Tool use: LLMs aprendiendo a alcanzar lo que necesitan

Tool use es cómo un modelo de lenguaje deja de hablar en el vacío y empieza a hacer trabajo. El modelo ve una lista de herramientas que puede llamar —search, code, calendars, APIs— y decide cuál alcanzar, le pasa los argumentos correctos y luego lee el resultado de vuelta.

No es nueva. ChatGPT la tiene desde hace un rato; Anthropic's Claude y los modelos open-source como Qwen y Llama 4 todos la soportan. El truco está en el schema: le dices al modelo qué herramientas existen, qué reciben y qué devuelven. El modelo elige la correcta y formatea la llamada.

La analogía es una tía que cocina. Cuando le pides la cena, no adivina. Revisa la refri, le llama a la abuelita por la receta, saca la sartén del ropero. Usa las herramientas a su alrededor y devuelve el resultado.

Tool use importa porque convierte un modelo charlatán en un trabajador. En vez de escribir una respuesta larga de memoria, alcanza lo que necesita. Obtienes respuestas más precisas con menos alucinaciones.

Por qué nos importa: si estás usando un modelo que soporta tools, revisa los settings —activa search o code execution, y dale los schemas correctos. Hará el trabajo en vez de fingir que lo sabe.