Ir al contenido principal
Español— Elegir un idioma
Menú

Vercel AI SDK e integración con el frontend

Lección 6 de 12 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Vercel AI SDK para aplicaciones web
  2. Instalación
  3. Lado del servidor: generación de texto
  4. Streaming en el servidor
  5. Lado del cliente: el hook useChat
  6. Ruta de API correspondiente
  7. Puntos clave

Actualizado el 3 de noviembre de 2026 según la documentación de AI SDK 7 (ai 7.0.x, @ai-sdk/react 4.x): useChat funciona con DefaultChatTransport y sendMessage, los mensajes se muestran mediante parts, la ruta devuelve createUIMessageStreamResponse, system pasa a ser instructions, y el proveedor @ai-sdk/xai 5 ya no admite Chat Completions: xai() utiliza la API de Responses (código verificado con el compilador de TypeScript usando ai 7.0.162 y @ai-sdk/xai 5.0.38). La versión anterior utilizaba la API de AI SDK 4 (input, handleSubmit, isLoading, toDataStreamResponse). Fuentes: AI SDK, Chatbot · AI SDK, proveedor xAI.

Vercel AI SDK para aplicaciones web

Vercel AI SDK es un framework de TypeScript diseñado para integrar modelos de IA en aplicaciones web. Ofrece hooks de React, utilidades de streaming y una abstracción unificada que admite de forma nativa xAI/Grok a través del paquete @ai-sdk/xai.

Si estás construyendo una aplicación en Next.js, Nuxt, SvelteKit o cualquier proyecto React que necesite mostrar respuestas en streaming, Vercel AI SDK simplifica considerablemente el trabajo.

Instalación

Instala el SDK principal y el proveedor de xAI:

npm install ai @ai-sdk/xai

Configura tu clave de API en las variables de entorno:

# .env.local
XAI_API_KEY=tu-clave-api

Lado del servidor: generación de texto

La función generateText es el equivalente más sencillo de client.chat.create(). Ha cambiado un aspecto que afecta directamente a este curso: desde la versión 5 del proveedor @ai-sdk/xai (septiembre de 2026), compatible con AI SDK 7, el proveedor ya no admite el endpoint de Chat Completions. xai(model) utiliza la API de Responses, que xAI recomienda ahora. El método xai.chat(model), que algunas guías de migración siguen citando, solo existió en la versión 4 del proveedor; para código que deba mantenerse en Chat Completions, usa el SDK de OpenAI apuntando a xAI en su lugar (lección 5).

import { generateText } from "ai";
import { xai } from "@ai-sdk/xai";

const { text } = await generateText({
  model: xai("grok-4.7"), // API de Responses de xAI
  instructions: "Eres un asistente técnico.",
  prompt: "Explica el concepto de contenedorización.",
});

console.log(text);

El proveedor xai lee automáticamente XAI_API_KEY del entorno; createXai() te permite crear una instancia con configuraciones personalizadas. La opción instructions reemplaza a system, que sigue siendo aceptada pero está obsoleta en AI SDK 7.

Streaming en el servidor

Para streaming, usa streamText. La respuesta se lee fragmento a fragmento desde textStream:

import { streamText } from "ai";
import { xai } from "@ai-sdk/xai";

const result = streamText({
  model: xai("grok-4.7"),
  instructions: "Eres un asistente docente.",
  messages: [
    { role: "user", content: "¿Cómo funciona una base de datos relacional?" },
  ],
});

for await (const chunk of result.textStream) {
  process.stdout.write(chunk);
}

Lado del cliente: el hook useChat

El hook useChat es la pieza central en el frontend. Gestiona el historial de conversación, el streaming y el estado de la solicitud; el campo de entrada, sin embargo, sigue siendo un estado simple de React que gestionas tú:

"use client";
import { useChat } from "@ai-sdk/react";
import { DefaultChatTransport } from "ai";
import { useState } from "react";

export default function ChatPage() {
  const { messages, sendMessage, status } = useChat({
    transport: new DefaultChatTransport({ api: "/api/chat" }),
  });
  const [input, setInput] = useState("");

  return (
    <div>
      {messages.map((m) => (
        <div key={m.id}>
          <strong>{m.role === "user" ? "Tú" : "Grok"}</strong>
          {m.parts.map((part, i) =>
            part.type === "text" ? <p key={i}>{part.text}</p> : null
          )}
        </div>
      ))}

      <form
        onSubmit={(e) => {
          e.preventDefault();
          if (input.trim()) {
            sendMessage({ text: input });
            setInput("");
          }
        }}
      >
        <input
          value={input}
          onChange={(e) => setInput(e.target.value)}
          placeholder="Haz tu pregunta..."
          disabled={status !== "ready"}
        />
        <button type="submit" disabled={status !== "ready"}>
          Enviar
        </button>
      </form>
    </div>
  );
}

Qué gestiona automáticamente useChat

  • Historial de mensajes: acumula los intercambios; cada mensaje lleva parts (texto, llamadas a herramientas…), muestra estos en lugar del antiguo campo content
  • Streaming: muestra la respuesta a medida que se genera
  • Estado de la solicitud: status es ready cuando se puede enviar un nuevo mensaje
  • Gestión de errores: intercepta errores de red y de API
  • Cancelación: stop() interrumpe una generación en curso

Ruta de API correspondiente

El hook espera una ruta que devuelva un flujo de mensajes de interfaz. Aquí tienes la implementación con Next.js App Router, basada en el ejemplo oficial de AI SDK 7:

// app/api/chat/route.ts
import {
  convertToModelMessages,
  createUIMessageStreamResponse,
  streamText,
  toUIMessageStream,
  type UIMessage,
} from "ai";
import { xai } from "@ai-sdk/xai";

export async function POST(req: Request) {
  const { messages }: { messages: UIMessage[] } = await req.json();

  const result = streamText({
    model: xai("grok-4.7"),
    instructions: "Eres un asistente útil. Responde en inglés.",
    messages: await convertToModelMessages(messages),
  });

  return createUIMessageStreamResponse({
    stream: toUIMessageStream({ stream: result.stream }),
  });
}

Dos conversiones envuelven el intercambio: convertToModelMessages transforma los mensajes de interfaz recibidos del cliente en mensajes de modelo, y toUIMessageStream hace lo inverso en el flujo de respuesta. Los métodos toUIMessageStreamResponse() en el resultado de streamText siguen funcionando en AI SDK 7, pero están obsoletos; en cuanto al antiguo toDataStreamResponse(), ya no existe.

Puntos clave

  • Vercel AI SDK admite xAI/Grok a través del paquete @ai-sdk/xai
  • generateText para respuestas síncronas, streamText para streaming
  • El hook useChat gestiona el estado completo de una conversación en el cliente
  • createUIMessageStreamResponse y toUIMessageStream devuelven el flujo que espera useChat; toDataStreamResponse() ya no existe
  • Desde @ai-sdk/xai 5, el proveedor ya no admite Chat Completions: xai() usa la API de Responses; para mantenerse en Chat Completions, usa el SDK de OpenAI
  • El proveedor createXai() detecta automáticamente la clave de API en el entorno