Tool Calls — Cómo los AI Agents toman acción

Qué es un Tool Call

Un tool call es una invocación estructurada que un modelo AI emite durante su proceso de razonamiento. En lugar de generar texto, el modelo genera una petición para ejecutar una función específica con parámetros específicos. El sistema host ejecuta esa función y devuelve el resultado. El modelo continúa razonando con los nuevos datos.

Este es el mecanismo que convierte un modelo de lenguaje de generador de texto en un sistema que puede actuar.

La analogía de la llamada telefónica

Piensa así: un AI Agent razona sobre una tarea. Llega a un punto donde necesita información que no tiene — o necesita realizar una acción que no puede con solo texto. Entonces coge el teléfono, llama a un sistema específico, hace una pregunta precisa o da una instrucción precisa, obtiene la respuesta, cuelga y continúa trabajando.

Esa llamada telefónica es un tool call.

Anatomía de un Tool Call

Cada tool call tiene tres componentes:

1. Nombre de función — qué sistema o capacidad invocar
2. Parámetros — los inputs específicos requeridos
3. Resultado — los datos devueltos por el sistema

Ejemplo — búsqueda de candidatos:

Ejemplo — creación de requisición:

Herramientas de lectura vs. de escritura

Los tool calls se dividen en dos categorías con implicaciones de gobernanza muy distintas:

Principio de gobernanza: la mayoría de organizaciones empiezan dando a los Agent acceso solo de lectura y exigen aprobación humana para acciones de escritura. Cuando crece la confianza, se otorgan permisos de escritura específicos con audit trails.

Cadenas de Tool Calls

El verdadero poder de los tool calls aparece cuando se encadenan. Una sola tarea de Agent puede implicar 5, 10 o 50 tool calls en secuencia:

1. get_role_profile("Senior Data Engineer") → recupera tareas, skills, targets de proficiency
2. get_pay_band(role: "Senior Data Engineer", level: 4, location: "Munich") → recupera rango de compensación
3. search_candidates(skills: [...], min_proficiency: 3) → encuentra candidatos coincidentes
4. score_candidates(candidates: [...], role_profile: {...}) → rankea por fit
5. generate_shortlist_report(top_n: 5, include_reasoning: true) → crea el entregable

Cada paso informa al siguiente. El Agent razona entre llamadas, decidiendo qué hacer según resultados intermedios. Esto es lo que hace que los Agent sean fundamentalmente distintos de los Chatbot — componen acciones en workflows.

Seguridad y gobernanza

Los tool calls crean consecuencias reales. Un Agent mal configurado con acceso de escritura al HRIS podría modificar registros de empleados, cambiar compensación o enviar requisiciones no autorizadas. La gobernanza no es opcional.

Mejores prácticas:

• Principio de mínimo privilegio — los Agent reciben solo las herramientas que necesitan para su tarea específica
• Humano en el bucle para acciones de escritura — exige aprobación antes de que el sistema ejecute cambios
• Audit logging — cada tool call se registra con timestamp, parámetros, resultado y razonamiento del Agent
• Rate limiting — evita que Agent descontrolados hagan miles de llamadas
• Sandboxing — prueba Agent en entornos no productivos antes de conceder acceso en vivo

Qué significa para RRHH

Los tool calls son el mecanismo que conecta el razonamiento AI a los sistemas de RRHH. Cuando un Agent tiene acceso a herramientas que leen y escriben en el HRIS, ATS, LMS y sistemas de compensación — puede ejecutar los procesos de RRHH descritos en esta categoría de documentación.

La forma estandarizada de exponer estas herramientas a los Agent es mediante MCP — el Model Context Protocol. Cubierto en el siguiente artículo.