Tool use.

En la práctica

El modelo no ejecuta nada, y Google lo deja escrito en su documentación. Cuando decide que necesita un dato o una acción, devuelve una petición ordenada con el nombre de la herramienta y los datos que hay que pasarle. Tu sistema la ejecuta y le devuelve el resultado para que siga.

Un ejemplo. Un comercial pregunta al asistente si hay 300 unidades de un modelo para el jueves. El asistente no lo sabe, así que pide la herramienta «consultar_stock» con la referencia y la fecha. El ERP contesta 180 y el asistente responde con ese dato. El modelo nunca entra en el ERP. La empresa decide qué funciones le enseña, y puede dejarle consultar el stock sin dejarle reservarlo.

Function calling y tool use son lo mismo, y Anthropic, OpenAI y Google los dan por sinónimos en su documentación. OpenAI lo lanzó con el primer nombre en junio de 2023, y en agosto de 2024 añadió las structured outputs, que garantizan que la petición sigue el formato pedido. Hoy el término incluye también herramientas que ejecuta el propio fabricante, como la búsqueda web, y las que se conectan por MCP.

Por qué te importa

Es la pieza que convierte un modelo que habla en un agente que actúa. Y el control está en las herramientas: si le das una función que borra, la puede llamar. OWASP llama excessive functionality a darle a un agente una herramienta que lee y también borra cuando solo necesitaba leer. Antes de conectar un asistente a un sistema de la empresa, la pregunta es qué funciones va a ver y cuáles escriben, envían o borran.

Los límites

Las herramientas ocupan contexto, y eso se paga. Anthropic contó en noviembre de 2025 que 58 herramientas de cinco servidores consumían unos 55.000 tokens antes de empezar la conversación. Según la misma Anthropic, los fallos más comunes son elegir la herramienta equivocada o pasarle mal los datos, sobre todo cuando dos tienen nombres parecidos. Y que la petición tenga el formato correcto no garantiza que llamar a esa herramienta fuera buena idea.