Ir al contenido principal
Español— Elegir un idioma
Menú

Conversaciones de varios turnos con herramientas

Lección 11 de 14 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. Conversaciones de varios turnos con llamada a funciones
  2. El parámetro max_turns
  3. Bucle de varios turnos en el lado del cliente
  4. Contexto de varios turnos con la API de Responses
  5. Patrones de conversación de varios turnos
  6. Gestión de la memoria
  7. Puntos clave

Conversaciones de varios turnos con llamada a funciones

En una conversación real, el modelo puede necesitar llamar a herramientas varias veces a lo largo del intercambio. Cada turno puede implicar nuevas llamadas, resultados que desencadenan otras llamadas o solicitudes de aclaración al usuario antes de utilizar una herramienta.

El parámetro max_turns

El parámetro max_turns limita el número de turnos de asistente/herramienta en el lado del servidor en una única solicitud. Solo se aplica a herramientas integradas (web_search, code_interpreter, etc.).

response = client.responses.create(
    model="grok-4.5",
    input="Analyze 2026 tech trends",
    tools=[{"type": "web_search"}],
    max_turns=5  # Maximum 5 web searches before responding
)

Punto importante: las invocaciones de herramientas en el lado del cliente reinician el contador. Cuando envías de vuelta un function_call_output, comienza una nueva asignación de max_turns.

Bucle de varios turnos en el lado del cliente

Para gestionar conversaciones donde el modelo llama a herramientas varias veces, implementa un bucle:

import json

def multi_turn_chat(user_message, tools, max_iterations=10):
    messages = [{"role": "user", "content": user_message}]

    for i in range(max_iterations):
        response = client.chat.completions.create(
            model="grok-4.5",
            messages=messages,
            tools=tools
        )

        message = response.choices[0].message
        messages.append(message)

        # If no tool_call, the conversation is over
        if not message.tool_calls:
            return message.content

        # Execute all requested tools
        for tool_call in message.tool_calls:
            args = json.loads(tool_call.function.arguments)
            result = execute_function(tool_call.function.name, args)
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "content": json.dumps(result)
            })

    return "Maximum number of iterations reached"

La variable max_iterations es una salvaguarda esencial para evitar bucles infinitos. En producción, establece un límite razonable (de 5 a 10 turnos).

Contexto de varios turnos con la API de Responses

La API de Responses ofrece dos mecanismos para mantener el contexto:

1. Almacenamiento remoto

# First message
r1 = client.responses.create(
    model="grok-4.5",
    input="What's the weather like in Paris?",
    tools=tools,
    store_messages=True
)

# Tool result
r2 = client.responses.create(
    model="grok-4.5",
    input=[{
        "type": "function_call_output",
        "call_id": r1.output[0].call_id,
        "output": {temp: 18}
    }],
    previous_response_id=r1.id,
    store_messages=True
)

# Follow-up question (context is preserved)
r3 = client.responses.create(
    model="grok-4.5",
    input="What about tomorrow?",
    previous_response_id=r2.id,
    tools=tools,
    store_messages=True
)

La ventaja: no tienes que gestionar el historial de mensajes. xAI lo almacena y recupera automáticamente mediante previous_response_id.

2. Contenido cifrado en el lado del cliente

response = client.responses.create(
    model="grok-4.5",
    input="Search for flight prices to Nice",
    tools=tools,
    use_encrypted_content=True
)

Con use_encrypted_content=True, recibes el razonamiento y los resultados de las herramientas en forma cifrada. Los envías de vuelta tal cual en solicitudes posteriores, sin poder leerlos. Esto es útil cuando no quieres que los datos circulen en texto claro a través de tu servidor.

Patrones de conversación de varios turnos

Patrón: Búsqueda y luego acción

Turn 1 : User → "Find a cheap Paris-Nice flight"
         Model → tool_call: search_flights(from="CDG", to="NCE")
         Client → result : [{flight1}, {flight2}, {flight3}]
Turn 2 : Model → "I found 3 flights. The cheapest is €89. Do you want to book it?"
         User → "Yes, book the €89 flight"
Turn 3 : Model → tool_call: book_flight(flight_id="FL123", passengers=1)

Patrón: Agregación de datos

Turn 1 : Model → tool_call: get_sales(month="march")
Turn 2 : Model → tool_call: get_expenses(month="march")
Turn 3 : Model → tool_call: get_headcount(month="march")
Turn 4 : Model → "Here is the monthly report: sales +12%, expenses -3%, headcount stable."

Patrón: Refinamiento progresivo

Turn 1 : Model → tool_call: search_products(query="running shoes")
         Result → 150 products
Turn 2 : Model → "I found 150 products. What size and budget?"
         User → "42, max €120"
Turn 3 : Model → tool_call: search_products(query="running shoes", size=42, max_price=120)
         Result → 8 products

Gestión de la memoria

En conversaciones largas, el historial —que incluye cada tool_call y cada resultado de herramienta— crece rápidamente, y con él el coste de cada turno. Tienes a tu disposición tres estrategias, que van desde la manual hasta la totalmente delegada. La resumición periódica condensa los turnos más antiguos en un párrafo que se inyecta en el prompt del sistema: conservas la sustancia de los intercambios pasados por una fracción de su peso en tokens, a costa de perder cierto detalle. La ventana deslizante es más brusca pero más simple: mantén solo los últimos N turnos, aceptando que el modelo olvidará el inicio de la conversación; esto es adecuado cuando los intercambios más antiguos ya no tienen importancia operativa. El almacenamiento remoto, finalmente, delega el problema en xAI con store_messages=True: el historial vive en el lado del servidor y tu aplicación solo lleva una referencia. La elección correcta depende de lo que tu aplicación necesite recordar y durante cuánto tiempo.

Puntos clave

  • max_turns limita los turnos de herramientas en el servidor; las herramientas del cliente reinician el contador
  • Implementa un bucle con max_iterations para evitar bucles infinitos
  • previous_response_id encadena conversaciones sin reenviar el historial
  • store_messages=True delega el almacenamiento del contexto en xAI
  • use_encrypted_content=True protege los datos en tránsito
  • Gestiona la memoria en conversaciones largas (resumición, ventana deslizante)