Ir al contenido principal
Español— Elegir un idioma
Menú

Límites y buenas prácticas

Lección 3 de 14 Actualizado el 29 de julio de 2026 Desarrollador
En esta página
  1. Restricciones técnicas de la llamada a funciones
  2. Máximo 200 herramientas por solicitud
  3. El modelo no garantiza la validez de los argumentos
  4. Gestión de errores
  5. Nombres únicos y explícitos
  6. Descripciones: el factor de calidad nº 1
  7. Optimización del número de herramientas
  8. Seguridad: nunca confíes en el modelo
  9. Puntos clave

Restricciones técnicas de la llamada a funciones

Antes de empezar a implementar, debes comprender los límites del sistema. La llamada a funciones de Grok es potente, pero opera dentro de restricciones específicas que debes dominar para construir aplicaciones robustas.

Máximo 200 herramientas por solicitud

La API de Grok acepta hasta 200 definiciones de herramientas en una única solicitud. Este límite es generoso; la mayoría de las aplicaciones utilizan solo entre 5 y 20. Sin embargo, si construyes un sistema escalable (plugins, mercado de herramientas), debes tenerlo en cuenta.

Cada definición de herramienta ocupa espacio en la ventana de contexto. En concreto:

  • Una herramienta sencilla (2-3 parámetros) consume unos 50-100 tokens
  • Una herramienta compleja (más de 10 parámetros, descripciones detalladas) puede superar los 300 tokens
  • 200 herramientas complejas = 60 000 tokens solo para las definiciones

Por eso debes ser estratégico: declara únicamente las herramientas relevantes para la solicitud actual.

El modelo no garantiza la validez de los argumentos

Grok hace todo lo posible por generar argumentos que coincidan con el esquema, pero no es infalible. El modelo puede:

  • Generar un formato de fecha incorrecto
  • Pasar un string donde se espera un integer
  • Omitir un campo obligatorio en casos raros
  • Alucinar valores de enumeración que no existen

Tu código del lado del cliente debe validar siempre los argumentos recibidos antes de ejecutar la función.

import json

def handle_tool_call(tool_call):
    args = json.loads(tool_call.function.arguments)

    # Validar antes de la ejecución
    if "city" not in args:
        return {"error": "El parámetro city es obligatorio"}

    if not isinstance(args["city"], str):
        return {"error": "city debe ser una cadena de texto"}

    return get_weather(args["city"], args.get("unit", "celsius"))

Gestión de errores

Cuando una función falla, debes devolver el error al modelo en lugar de fallar en silencio. Así, el modelo puede:

  • Reformular su solicitud con parámetros corregidos
  • Informar al usuario del problema
  • Intentar usar una herramienta alternativa
try:
    result = search_database(query=args["query"])
    return json.dumps(result)
except ConnectionError:
    return json.dumps({
        "error": "Base de datos no disponible",
        "suggestion": "Reinténtalo en unos segundos"
    })

Devuelve siempre JSON estructurado, incluso en caso de error. El modelo comprende los mensajes de error y adapta su respuesta en consecuencia.

Nombres únicos y explícitos

Los nombres de las funciones deben ser únicos en la lista de herramientas. Si dos herramientas comparten el mismo nombre, el comportamiento es indefinido: la API podría rechazar la solicitud o ignorar una de ellas.

Adopta una convención de nomenclatura coherente:

✅ Buenas prácticas:
   get_weather          → recuperación de datos
   search_products      → búsqueda
   create_ticket        → creación
   update_order_status  → actualización
   delete_draft         → eliminación

❌ Evitar:
   fn1, fn2             → incomprensibles
   doStuff              → demasiado vago
   getWeatherData       → camelCase (prefiere snake_case)

Descripciones: el factor de calidad nº 1

La calidad de la descripción determina directamente la fiabilidad de la llamada a funciones. Aquí tienes una tabla comparativa:

Descripción débil Descripción eficaz
"Buscar" "Buscar productos por nombre, categoría o rango de precios en el catálogo de comercio electrónico"
"Enviar mensaje" "Enviar un correo electrónico a un destinatario. Requiere un asunto y el cuerpo del mensaje. No admite adjuntos."
"Calcular" "Calcular el precio total con impuestos a partir de un precio sin impuestos y un tipo de IVA. Devuelve el importe en euros con 2 decimales."

Optimización del número de herramientas

En lugar de declarar 200 herramientas en cada solicitud, selecciona dinámicamente las que realmente importan. El primer filtro es el contexto: si el usuario habla del tiempo, cargar herramientas de facturación solo añade ruido; un enrutamiento ligero previo (por palabras clave o una primera llamada de clasificación) basta para presentar solo la familia relevante. El segundo filtro es el rol: un agente de soporte no necesita herramientas de administración, y eliminarlas es cuestión de precisión tanto como de seguridad. El tercero es el paso: en un flujo de trabajo multipaso, cada fase tiene sus propias herramientas; cargarlas a medida que avanzas mantiene al modelo centrado en lo que debe hacer ahora.

El beneficio es doble e inmediato: menos tokens de entrada por solicitud (las definiciones de herramientas tienen coste en cada llamada) y mayor precisión en la selección; un modelo que elige entre seis herramientas bien descritas rara vez comete errores, mientras que el mismo modelo frente a doscientas definiciones acaba confundiendo variantes similares.

Seguridad: nunca confíes en el modelo

La llamada a funciones es un vector potencial de inyección. Un usuario malintencionado podría formular su solicitud para manipular los argumentos pasados a las funciones. Reglas de seguridad:

  • Valida todos los argumentos en el servidor
  • Limita los permisos: una función de lectura no debe poder escribir
  • Registra las llamadas: traza cada llamada a función para auditoría
  • Limpia las entradas: escapa los caracteres especiales antes de consultas SQL o de shell

Puntos clave

  • Máximo 200 herramientas por solicitud, pero apunta a 5-20 para mayor eficiencia
  • Valida siempre los argumentos del lado del cliente antes de la ejecución
  • Devuelve los errores al modelo en JSON estructurado
  • Los nombres deben ser únicos, en snake_case y explícitos
  • Las descripciones detalladas mejoran drásticamente la fiabilidad
  • Selecciona dinámicamente las herramientas relevantes para cada solicitud
  • Nunca confíes en los argumentos sin validación