Ir al contenido

Implementación de Tool Calling Básico en Nodos

LANGGRAPH — HERRAMIENTAS, MEMORIA Y HUMANOS EN EL BUCLE · LECCIÓN 04/16

Implementación de Tool Calling Básico en Nodos

Aprende a definir herramientas y a conectarlas a los nodos de un grafo en LangGraph para que el agente consulte sistemas externos y ejecute acciones de forma condicional.

Definir la herramienta
Definir la herramienta

Definir la herramienta

Cada herramienta se declara con un nombre, una descripción y un esquema de parámetros que el modelo puede leer. Esa firma clara es lo que permite al LLM decidir cuándo invocarla y con qué argumentos. Sin una definición precisa, el agente falla al elegir.

Nodo que recibe tools
Nodo que recibe tools

Nodo que recibe tools

El nodo del grafo recibe el estado y expone las herramientas disponibles al modelo durante la llamada. LangGraph enruta la solicitud del modelo hacia la ejecución de la herramienta y devuelve el resultado al mismo estado. Así el flujo conserva contexto entre pasos.

Invocación condicional
Invocación condicional

Invocación condicional

El modelo decide si responde directo o pide una herramienta según la consulta recibida. Un enrutador condicional revisa esa decisión y manda el control al nodo de ejecución o al de respuesta final. Esta bifurcación evita llamadas innecesarias.

Ejecutar y devolver
Ejecutar y devolver

Ejecutar y devolver

La herramienta corre fuera del modelo, consulta la fuente externa y entrega un resultado estructurado. Ese resultado se agrega a los mensajes del estado para que el LLM lo interprete en el siguiente turno. El ciclo se repite hasta que ya no se solicitan herramientas.

Supervisar el recorrido
Supervisar el recorrido

Supervisar el recorrido

Observar la cadena de nodos permite ver qué herramienta se invocó, con qué argumentos y qué devolvió. Esa traza facilita depurar errores y ajustar descripciones o esquemas cuando el agente elige mal. La supervisión cierra el ciclo de mejora.

Define herramientas con firmas claras, enrútalas de forma condicional y supervisa cada invocación para construir agentes confiables.
Calificación
0 0

No hay comentarios por ahora.

para ser el primero en comentar.