Múltiples herramientas y ciclos de herramientas

Capítulo 7 · un agente es un ciclo while con un dict de despacho

La hora

• Varias tools, cadenas planeadas por el modelo
• El ciclo de agente acotado
• Errores de tools como datos, no excepciones
• Efectos secundarios verificados desde el estado, no desde el modelo

El problema

"¿Qué artículos de menos de $30 hay en stock, y cuánto costaría uno de cada uno?"

Ninguna llamada sola responde eso. Primero descubre, luego cotiza, luego filtra, luego suma.

Las tres piezas móviles

DISPATCH = {"list_products": list_products,
            "get_product": get_product}

1. Un dict de despacho: nombre de tool → función de Python
2. Una conversación a la que sigues agregando
3. Un ciclo while acotado

El ciclo (OpenAI)

for _ in range(10):                # the safety rail
    response = client.responses.create(
        model="gpt-5.4-nano",
        input=input_list, tools=TOOLS)
    calls = [i for i in response.output
             if i.type == "function_call"]
    if not calls:
        break                      # no calls = the answer
    input_list += response.output
    for call in calls:
        result = DISPATCH[call.name](
            **json.loads(call.arguments))
        input_list.append({...call_id, output...})

El ciclo (Gemini)

for _ in range(10):
    response = client.models.generate_content(
        model="gemini-3.1-flash-lite",
        contents=contents, config=CONFIG)
    if not response.function_calls:
        break
    contents.append(response.candidates[0].content)
    # one function_response part per call, batched

Los modelos agrupan varias llamadas por turno — maneja una lista.

Los errores son datos

return {"error": f"no product called {name!r}"}

El modelo lo lee, corrige el nombre, reintenta. Lanza la excepción, y un error recuperable se vuelve un 500.

Nunca despliegues un ciclo abierto

range(10), no while True.

Un modelo confundido va a pedir la misma tool por siempre. El tope es la diferencia entre una mala respuesta y una caída.

Ponlo a trabajar — tres apps

• Analista de CSV — descubrimiento de esquema + filtro + agregación sobre una tabla oculta
• Automatización del hogar — lee el estado, actúa sobre lo que califica, reporta el diff
• Presupuestador de viajes — consultas encadenadas hacia una calculadora con whitelist de AST

Cada una es una app web de docker compose up.

Verifica los efectos secundarios desde el estado

La respuesta de automatización del hogar agrega un diff antes/después calculado en Python. Los modelos reportan mal lo que hicieron; el estado no.

Conclusión

Un agente es un ciclo while con un dict de despacho. Digno de producción significa: acotado, errores-como-datos, efectos secundarios verificados desde el estado calculado.