Home

/

Glossary

/

¿Qué es la llamada a herramientas (function calling)?

La llamada a herramientas (tool calling o function calling) permite a un LLM pedir a un software que actúe. Cómo funciona y qué cambia en una llamada.

La llamada a herramientas (tool calling), también llamada llamada a funciones (function calling), es la forma en que un modelo de lenguaje de gran tamaño (LLM) realiza tareas más allá de su propio texto: el modelo devuelve el nombre de una herramienta y unos argumentos estructurados, y la aplicación la ejecuta.

El modelo nunca ejecuta nada por sí mismo. Pide, y el software actúa. Eso es lo que permite a un agente de IA consultar un pedido, concertar una cita o transferir una llamada en lugar de solo hablar de ello.

¿Es lo mismo tool calling que function calling?

En el uso cotidiano, sí. Los proveedores de modelos tratan ambos términos como nombres de un mismo mecanismo. La guía de OpenAI empieza con «Function calling (también conocido como tool calling)». La documentación de Anthropic empieza con «Tool use (también llamado function calling)». IBM escribe «Tool calling, a veces denominado function calling».

Cuando se establece una distinción, «herramienta» es el término más amplio. La guía de OpenAI dice: «Una función es un tipo específico de herramienta, definida mediante un JSON schema».

TérminoDónde apareceQué abarca
Function callingTítulo de la guía de OpenAI, documentación de RetellEl modelo rellena los argumentos de una función que has descrito con un JSON schema, y tu código la ejecuta
Tool callingOpenAI, IBM, el Retell vCX BenchmarkEl mismo mecanismo para cualquier herramienta: tus funciones, las herramientas integradas de una plataforma o las herramientas de un servidor MCP
Tool useDocumentación de AnthropicEl nombre que Anthropic da al mismo mecanismo
MCP (Model Context Protocol)modelcontextprotocol.io«Un estándar de código abierto para conectar aplicaciones de IA con sistemas externos». Proporciona herramientas. El modelo sigue decidiendo cuándo llamar a una

¿Cómo funciona la llamada a herramientas?

La guía de OpenAI describe la llamada a herramientas como «una conversación de varios pasos entre tu aplicación y un modelo» con cinco pasos:

  1. Ofrecer las herramientas. La aplicación envía al modelo la conversación y una lista de herramientas a las que podría llamar.
  2. Recibir una llamada a herramienta. Si se necesita una herramienta, el modelo responde con su nombre y sus argumentos.
  3. Ejecutarla. La aplicación ejecuta el código o la solicitud a la API.
  4. Devolver el resultado. La aplicación envía la salida de la herramienta de vuelta al modelo.
  5. Obtener la respuesta. El modelo redacta su respuesta a partir del resultado, o pide otra herramienta.

La llamada en sí son unas pocas líneas de JSON. Este ejemplo procede de la documentación de function calling de Retell:

{"function": "book_appointment", "arguments": {"date": "2024-03-15", "time": "14:00", "customer_name": "John Smith"}}

Diagrama de una llamada a herramienta durante una llamada telefónica, en seis pasos. El interlocutor da el número de pedido 78542. El LLM devuelve una llamada a herramienta que nombra get_order_status con el número de pedido como argumento. Retell envía una solicitud a tu API y espera, y mientras tanto el agente puede decir "Déjame comprobarlo". Tu API devuelve el estado y la fecha de entrega. El resultado vuelve al LLM. El agente dice "Tu pedido se envió ayer y llega el jueves." El modelo pide y la aplicación actúa.
Una llamada a herramienta durante una llamada telefónica: consulta del estado de un pedido mediante una función personalizada, siguiendo el ejemplo de la documentación de Retell. Diagrama de Retell AI, noviembre de 2026.

¿Qué hace que una llamada a herramienta funcione o falle?

Hay dos cosas que deben salir bien. El modelo tiene que elegir la herramienta correcta en el momento adecuado y tiene que pasar argumentos válidos.

  • Las descripciones guían la elección. La documentación de Anthropic dice que Claude decide cuándo llamar a una herramienta «en función de la petición del usuario y de la descripción de la herramienta». La documentación de funciones personalizadas de Retell señala las descripciones vagas como «el motivo más habitual por el que una función nunca se activa».
  • Los schemas limitan los argumentos. El modo estricto de OpenAI hace que las llamadas a funciones «se ajusten de forma fiable al schema de la función, en lugar de hacerlo en la medida de lo posible».
  • Los benchmarks la evalúan por separado. La llamada a herramientas es una de las cuatro pruebas del Retell vCX Benchmark, junto con el seguimiento de instrucciones, el grounding y el habla coloquial. Evalúa «si el modelo selecciona la acción correcta y pasa argumentos válidos». Tell-1, el LLM propio de Retell, supera el 95,4 % de los casos de llamada a herramientas (puesto 5 en esa prueba) y ocupa el n.º 1 en la media global, a noviembre de 2026 (clasificación consultada el 13 de noviembre de 2026). El artículo técnico sobre el LLM de Retell explica cómo se entrena y se evalúa el modelo.

¿Cómo funciona la llamada a herramientas en una llamada telefónica?

En una llamada, el interlocutor espera mientras se ejecuta la herramienta, así que los tiempos forman parte del diseño. La documentación de Retell enumera las herramientas a las que un agente de voz con IA puede llamar durante una llamada:

  • Funciones predefinidas: End Call, Transfer Call, Press Digits y Send SMS.
  • Herramientas de integración: acciones en un proveedor conectado como HubSpot, Salesforce, Zendesk o Cal.com, sin necesidad de alojar ningún endpoint.
  • Funciones personalizadas: el agente llama a tu propia API y utiliza la respuesta.
  • Herramienta de código: JavaScript que se ejecuta en el sandbox de Retell.
  • Herramientas MCP: herramientas de un servidor MCP remoto que conectas.

Con una función personalizada, Retell «envía una solicitud a tu URL con los argumentos de la función y espera tu respuesta antes de continuar». El tiempo de espera predeterminado es de 120 segundos y, por defecto, no hay reintentos. Si la solicitud falla, el agente recibe el error y continúa según tu prompt, así que el prompt debe indicar qué decir al interlocutor. El agente puede hablar mientras espera, o la función puede ejecutarse en segundo plano.

En un flujo de conversación, un nodo de función ejecuta su herramienta cada vez que el flujo entra en él. Un nodo de subagente permite que el LLM decida si llamar a cada herramienta y cuándo.

Términos relacionados: integración de API y webhook. Para una visión más amplia, consulta las integraciones de IA de voz con tu CRM y tu infraestructura de telefonía.

Preguntas frecuentes sobre la llamada a herramientas

¿Es lo mismo function calling que tool calling?

Sí, en el uso cotidiano. OpenAI, Anthropic e IBM presentan cada uno un término como otro nombre del otro. En sentido estricto, una función es un tipo de herramienta.

¿Ejecuta el LLM la herramienta por sí mismo?

No. El modelo devuelve el nombre y los argumentos de la herramienta. La aplicación o la plataforma ejecuta la herramienta y devuelve el resultado.

¿Qué diferencia hay entre la llamada a herramientas y MCP?

La llamada a herramientas es la forma en que un modelo pide una acción. MCP es un estándar de código abierto para conectar aplicaciones de IA con los sistemas que proporcionan herramientas.

¿Qué ocurre cuando una llamada a herramienta falla durante una llamada en directo?

En Retell, el agente recibe el error y continúa la conversación según tu prompt. Una función personalizada no se reintenta a menos que configures un número de reintentos.

¿Por qué un agente omite una herramienta a la que debería haber llamado?

Normalmente, por la descripción. El modelo decide a partir del nombre de la herramienta, su descripción y el prompt, así que indica qué hace la herramienta y cuándo usarla.

Conecta un agente de voz con IA a tus sistemas

Retell AI es una plataforma de agentes de voz con IA para centros de contacto. Sus agentes llaman a herramientas predefinidas, de integración y personalizadas durante una llamada en directo. Descubre las integraciones de Retell AI. Para ejecutar esas herramientas con el LLM propio de Retell, consulta Tell-1.

Security & compliance for regulated deployments

How Retell handles audits, data retention and access control.

Add Retell AI as a preferred source on Google

Further Reading

Related terms

No items found.

Table of contents

Revoluciona tu operativa de llamadas con Retell