---
title: "¿Qué es tool calling (function calling) en una API de LLM?"
description: "Con tool calling, un LLM pide a su código ejecutar una función con argumentos JSON. Cómo funciona el ciclo, cuánto cuesta en tokens y cómo lo usan los agentes."
url: https://broadrouter.com/es/glossary/tool-calling/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/glossary/tool-calling/) (actualizado el 2026-11-14).

# Llamadas a herramientas (tool calling)

Actualizado 2026-11-14

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

También llamado: llamadas a herramientas, llamada a funciones, uso de herramientas, herramientas, tool calling, function calling, tool use, tools, tool\_calls

Las llamadas a herramientas son la forma en que un modelo de lenguaje actúa sobre el mundo: le pide a su código que busque algo, ejecute una consulta o edite un archivo, y luego usa el resultado.

## Cómo funciona

La guía de OpenAI describe un ciclo entre su aplicación y el modelo:

1.  **Envíe las herramientas.** La solicitud enumera funciones con un nombre, una descripción y un JSON Schema para los argumentos.
2.  **Reciba una llamada a herramienta.** Si el modelo necesita una herramienta, devuelve el nombre de la función y los argumentos JSON en lugar de una respuesta final.
3.  **Ejecútela.** Su código ejecuta la función. La guía de OpenAI ubica este paso en “the application side” (traducción: el lado de la aplicación); el modelo nunca ejecuta código por sí mismo.
4.  **Devuelva el resultado** con el ID de llamada correspondiente.
5.  **Reciba la respuesta**, u otra llamada a herramienta. Repita según sea necesario.

En el formato de Chat Completions, la definición de una herramienta se ve así:

```json
{
  "type": "function",
  "function": {
    "name": "get_order_status",
    "description": "Look up an order by ID",
    "parameters": {
      "type": "object",
      "properties": { "order_id": { "type": "string" } },
      "required": ["order_id"]
    }
  }
}
```

La respuesta trae `finish_reason: "tool_calls"` y una lista `tool_calls`. Cada entrada tiene un `id`, el nombre de la función y `arguments` como cadena JSON. Usted agrega un mensaje con `role: "tool"`, el mismo `tool_call_id` y el resultado, y vuelve a llamar a la API.

## Por qué importa

-   **Agentes.** Los agentes de programación, los bots de soporte y los asistentes de datos son, en su mayoría, ciclos de llamadas a herramientas.
-   **Costo.** Cada ida y vuelta es una nueva solicitud que reenvía la conversación, las definiciones de herramientas y sus resultados como [tokens de entrada](https://broadrouter.com/es/glossary/input-and-output-tokens/). En ciclos largos, la [entrada en caché](https://broadrouter.com/es/glossary/cached-input-tokens/) y un orden estable de las herramientas cobran importancia.
-   **Seguridad.** Los argumentos los genera el modelo. Valídelos antes de ejecutar algo que modifique datos o gaste dinero.

Para una respuesta que debe ajustarse a un esquema pero no necesita ninguna función, la [salida estructurada](https://broadrouter.com/es/glossary/structured-output/) es la herramienta más sencilla.

## En BroadNet Inference

La documentación de BroadNet indica llamadas a herramientas para [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) y [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/), ambos con salida estructurada y razonamiento. No indica soporte de herramientas para DeepSeek V4.1 Flash ni para BroadNet Gemma 4 VL 26B. Pruebe su propio ciclo de herramientas con el modelo que piensa poner en producción.

Los dos modelos indicados razonan antes de responder, y el razonamiento cuenta para `max_tokens`, así que deje margen o una llamada a herramienta puede quedar cortada. Consulte [tokens de razonamiento](https://broadrouter.com/es/glossary/reasoning-tokens/). Para herramientas de agentes que traen su propio formato de herramientas, consulte la [guía de Cline](https://broadrouter.com/es/guides/cline-openai-compatible/) y la [guía del Vercel AI SDK](https://broadrouter.com/es/guides/vercel-ai-sdk-openai-compatible/).

## Errores comunes

-   Parsear `arguments` como un objeto. Llega como cadena JSON; decodifíquela y maneje los errores.
-   Olvidar el `tool_call_id`. Sin él, el modelo no puede relacionar los resultados con las llamadas.

## Preguntas frecuentes

### ¿El modelo ejecuta mi función?

No. El modelo solo devuelve el nombre de la función y los argumentos. Su código decide si ejecutarla, la ejecuta y devuelve el resultado en un mensaje tool.

### ¿Puede el modelo llamar a varias herramientas a la vez?

Muchas APIs permiten llamadas a herramientas en paralelo y devuelven varias entradas en tool\_calls en una sola respuesta. Su código ejecuta cada una y devuelve un resultado por cada tool\_call\_id.

### ¿Qué modelos de BroadNet admiten llamadas a herramientas?

La documentación de BroadNet indica herramientas para GLM 5.3 y Qwen3.8 27B. No indica soporte de herramientas para DeepSeek V4.1 Flash ni para BroadNet Gemma 4 VL 26B, así que pruébelo antes de depender de ello en esos modelos.

## Vea también

-   [Salida estructurada (structured output)](https://broadrouter.com/es/glossary/structured-output/) (término)
-   [Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/) (término)
-   [Tokens de entrada en caché (cached input tokens)](https://broadrouter.com/es/glossary/cached-input-tokens/) (término)
-   [API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/) (término)
-   [Agente de IA (AI agent)](https://broadrouter.com/es/glossary/agent/) (término)
-   [MCP (Model Context Protocol)](https://broadrouter.com/es/glossary/mcp/) (término)
-   [JSON mode (modo JSON)](https://broadrouter.com/es/glossary/json-mode/) (término)
-   [Inyección de prompts (prompt injection)](https://broadrouter.com/es/glossary/prompt-injection/) (término)
-   [tool\_choice (elección de herramienta)](https://broadrouter.com/es/glossary/tool-choice/) (término)
-   [Llamadas a herramientas en paralelo (parallel tool calls)](https://broadrouter.com/es/glossary/parallel-tool-calls/) (término)
-   [JSON Schema (esquema JSON)](https://broadrouter.com/es/glossary/json-schema/) (término)
-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/) (guía)
-   [Cline con BroadNet Inference (proveedor OpenAI Compatible)](https://broadrouter.com/es/guides/cline-openai-compatible/) (guía)
-   [Cómo usar el Vercel AI SDK con BroadNet Inference](https://broadrouter.com/es/guides/vercel-ai-sdk-openai-compatible/) (guía)
-   [Cómo ejecutar agentes de programación en paralelo con tarifa plana](https://broadrouter.com/es/blog/run-parallel-coding-agents-flat-rate/) (artículo)
-   [Ventana de contexto de 1M de tokens: cuándo compensa y cuándo no](https://broadrouter.com/es/blog/million-token-context-window-guide/) (artículo)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-tool-calling&utm_content=page-cta) ·

**Fuentes**

-   [OpenAI, guía de function calling](https://developers.openai.com/api/docs/guides/function-calling)
-   [Referencia de la API de OpenAI, crear chat completion (tools)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Referencia de la API de BroadNet Inference, modelos (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-tool-calling&utm_content=sources#models)
