Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Agentes basados en herramientas para llamar a funciones
<a name="tool-based-agents-for-calling-functions"></a>

Los agentes basados en herramientas amplían las capacidades de los agentes de razonamiento al invocar funciones externas o APIs completar tareas que van más allá del razonamiento basado únicamente en el lenguaje. Este patrón utiliza un LLM para decidir qué herramienta utilizar y, a continuación, genera argumentos de llamada e incorpora los resultados de la herramienta en su ciclo de razonamiento.

Este patrón permite a los agentes actuar en lugar de limitarse a dar respuestas. La interfaz de la herramienta representa cualquier capacidad que se pueda invocar, desde cálculos aritméticos y búsquedas en bases de datos hasta servicios externos y en la nube. APIs 

## Arquitectura
<a name="architecture-calling-functions"></a>

En el siguiente diagrama se muestra un agente basado en herramientas para llamar a funciones:

![\[Agente basado en herramientas para llamar a funciones.\]](http://docs.aws.amazon.com/es_es/prescriptive-guidance/latest/agentic-ai-patterns/images/tool-based-agents-for-calling-functions.png)


## Description (Descripción)
<a name="description-calling-functions"></a>

1. Recibe una consulta
   + El agente recibe una consulta o tarea en lenguaje natural del usuario o del sistema que realiza la llamada.

1. Busca herramientas
   + El agente utiliza metadatos internos o un registro de herramientas para buscar las herramientas, los esquemas y las capacidades relevantes disponibles.

1. Selecciona e invoca las herramientas
   + El LLM recibe los metadatos de la consulta y la herramienta (por ejemplo, los nombres de las funciones, los tipos de entrada y las descripciones) en su solicitud de datos.
   + Elige la herramienta más relevante, construye los argumentos de entrada y devuelve una llamada a una función estructurada.

1. Ejecuta la herramienta elegida
   + El shell del agente o el ejecutor de herramientas ejecuta la función seleccionada y devuelve el resultado (por ejemplo, una salida de API, un valor de base de datos o un cálculo).

1. Devuelve una respuesta
   + El LLM pasa los resultados al agente, ya sea directamente o como parte de una solicitud actualizada. A continuación, devuelve un resultado en lenguaje natural.

## Capacidades
<a name="capabilities-calling-functions"></a>
+ Selección dinámica de herramientas basada en el contexto de la tarea
+ Solicitud basada en esquemas (OpenAPI, esquema JSON, interfaz de funciones) AWS 
+ Interpretación de los resultados y encadenamiento de los resultados en el razonamiento
+ Operaciones apátridas o con registro de sesiones

## Casos de uso comunes
<a name="common-use-cases-calling-functions"></a>
+ Asistentes virtuales con acceso a datos externos
+ Calculadoras y estimadoras financieras
+ Trabajadores del conocimiento basados en API
+ LLMs que invocan SageMaker puntos de AWS Lambda conexión de Amazon y servicios SaaS

## Guía para la implementación
<a name="implementation-guidance-calling-functions"></a>

Utilice lo siguiente para crear agentes basados en herramientas para llamar a funciones:
+ Amazon Bedrock con soporte para llamadas a funciones (Anthropic Claude)
+ AWS Lambda como un backend de ejecución de herramientas
+ Amazon API Gateway o AWS Step Functions para la organización de herramientas
+ Amazon DynamoDB o Amazon Relational Database Service (Amazon RDS) para metadatos de herramientas sensibles al contexto
+ Amazon EventBridge Pipelines o AWS Step Functions que mapean estados para enrutar las salidas

## Resumen
<a name="summary-calling-functions"></a>

Los agentes de llamada a funciones basados en herramientas representan un cambio de entender el lenguaje a realizar acciones. Estos agentes recurren a herramientas dinámicas y sensibles al contexto y, al mismo tiempo, mantienen el razonamiento LLM, transformando los asistentes pasivos en sistemas que completan tareas, acceden a los servicios e integran las operaciones comerciales. Este patrón es un componente importante de la IA de los agentes en los entornos empresariales, especialmente cuando se combina con esquemas declarativos, marcos de autorización y sistemas multiagente.