Un modelo de lenguaje, por sí solo, no puede consultar el tiempo real, revisar el stock actual de un producto, ni enviar un email: solo genera texto. El function calling (llamada a funciones) es la capacidad que permite a un modelo de IA reconocer cuándo necesita ejecutar una acción externa concreta, y solicitar esa ejecución de forma estructurada, en lugar de limitarse a generar una respuesta en texto plano.
Cómo funciona el proceso, de forma simplificada
El desarrollador define de antemano qué funciones tiene disponibles el modelo (por ejemplo, «consultar_stock», «enviar_email», «buscar_en_web»), describiendo qué hace cada una y qué información necesita para ejecutarse. Cuando el modelo detecta que una petición del usuario requiere una de esas funciones, en lugar de responder directamente con texto, genera una solicitud estructurada indicando qué función quiere ejecutar y con qué parámetros concretos. El sistema externo ejecuta esa función real, y devuelve el resultado al modelo, que entonces sí genera una respuesta final en lenguaje natural incorporando esa información.
Un ejemplo que ilustra bien el proceso completo
- Un usuario pregunta: «¿qué tiempo hace hoy en Madrid?»
- El modelo reconoce que necesita datos externos, y genera una solicitud estructurada del tipo: llamar a la función «obtener_tiempo» con el parámetro «Madrid».
- El sistema ejecuta esa consulta real a un servicio meteorológico y devuelve el dato.
- El modelo recibe ese dato y redacta la respuesta final: «Hoy en Madrid hace 18 grados y está nublado.»
Por qué es la base técnica que hace posibles a los agentes de IA
Sin esta capacidad, un modelo estaría limitado a generar texto basado únicamente en lo que aprendió durante su entrenamiento, sin ninguna forma de interactuar con el mundo real o con sistemas externos actualizados. El function calling es precisamente lo que permite construir agentes capaces de buscar información en tiempo real, ejecutar código, consultar bases de datos o interactuar con APIs de terceros, convirtiendo a un modelo de lenguaje en la pieza central de un sistema mucho más capaz que la simple generación de texto.
Un matiz que conviene tener presente al diseñar estas integraciones
El modelo decide cuándo cree que debe llamar a una función, pero esa decisión no siempre es perfecta: puede solicitar una función innecesaria, o no reconocer que debería usarla en una situación donde sí haría falta. Diseñar descripciones claras y específicas de cada función disponible, similar a cómo se redacta un buen prompt, mejora notablemente la fiabilidad de estas decisiones automáticas.