El proceso de 5 pasos
En esta página
Un protocolo claro entre tú y el modelo
La llamada a funciones de Mistral sigue un proceso bien definido de cinco pasos. Lo que hace legible este protocolo es que cada paso tiene un único propietario: tú (el desarrollador), el modelo o el usuario. Ningún paso se comparte y ninguno es ambiguo. Tómate tu tiempo para memorizar esta división del trabajo antes de escribir una sola línea de código: la mayoría de los errores en la llamada a funciones ocurren cuando un desarrollador espera que el modelo se encargue de un paso que en realidad es su responsabilidad.
Definir las funciones (Desarrollador)
Describes cada función disponible con un esquema JSON: nombre, descripción, parámetros, tipos y campos obligatorios. El modelo solo ve esta especificación, no tu código.
El usuario hace una pregunta (Usuario)
El usuario formula su pregunta en lenguaje natural. Tú envías esta solicitud al modelo de Mistral junto con la lista de herramientas disponibles.
Generar argumentos (Modelo)
El modelo analiza la solicitud, selecciona la función adecuada y genera los argumentos en formato JSON. No ejecuta la función; simplemente te indica qué llamar y con qué parámetros.
Ejecutar la función (Desarrollador)
Tu código extrae el nombre de la función y los argumentos de la respuesta del modelo, ejecuta la función correspondiente y recupera el resultado.
Generar la respuesta final (Modelo)
Envías el resultado de la función de vuelta al modelo. Este integra el resultado en el contexto de la conversación y formula una respuesta natural para el usuario.
El flujo en detalle
Estos cinco pasos se traducen directamente en código. Vamos a recorrerlos utilizando un único ejemplo, intencionadamente minimalista: un usuario quiere conocer el estado del pago T1001. Utilizaremos este mismo ejemplo como hilo conductor hasta el final del bloque «Implementación en Python», así que familiarízate ahora con sus identificadores.
Paso 1: Tú defines las herramientas
tools = [
{
"type": "function",
"function": {
"name": "get_payment_status",
"description": "Retrieves the status of a payment given its transaction ID",
"parameters": {
"type": "object",
"properties": {
"transaction_id": {
"type": "string",
"description": "The unique transaction identifier (e.g., T1001)"
}
},
"required": ["transaction_id"]
}
}
}
]
Nada aquí es código ejecutable: es una descripción. El modelo aprende que existe una función llamada get_payment_status, qué hace y que requiere un transaction_id de tipo cadena (string). Nunca llega a saber cómo está implementada la función.
Paso 2: El usuario hace su pregunta
messages = [
{"role": "user", "content": "What is the status of payment T1001?"}
]
Paso 3: El modelo genera los argumentos
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
tools=tools
)
# The model returns a tool_call:
# function.name = "get_payment_status"
# function.arguments = '{"transaction_id": "T1001"}'
El modelo ha extraído «T1001» de la frase y lo ha colocado en el campo correcto. Ten en cuenta que arguments llega como una cadena, no como un diccionario: tendrás que gestionar ese detalle en el siguiente paso.
Paso 4: Tú ejecutas la función
import json
tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
result = get_payment_status(**args)
# → {"status": "paid", "date": "2026-03-15"}
Paso 5: El modelo formula la respuesta
messages.append(response.choices[0].message)
messages.append({
"role": "tool",
"name": "get_payment_status",
"content": json.dumps(result),
"tool_call_id": tool_call.id
})
final = client.chat.complete(
model="mistral-large-latest",
messages=messages,
tools=tools
)
print(final.choices[0].message.content)
# → "Payment T1001 was made on March 15, 2026."
Se añaden dos mensajes al historial, nunca solo uno: el mensaje del asistente que contiene la solicitud de llamada, seguido del mensaje que contiene el resultado. El tool_call_id vincula ambos. Si omites cualquiera de ellos, la API rechazará la solicitud o el modelo responderá fuera de contexto.
Patrones de flujo
Dependiendo de la complejidad de la solicitud, este flujo puede adoptar diferentes formas. El caso más simple es cuando no interviene ninguna función: el usuario hace una pregunta general («¿Qué puedes hacer?») y el modelo responde directamente sin tocar nunca las herramientas. A continuación está la llamada simple que acabamos de ver: una función, un resultado, una respuesta.
Las dos formas siguientes son más interesantes. En una cadena secuencial, el modelo llama a una primera función, lee el resultado y lo utiliza para decidir una segunda llamada; típicamente, recupera un ID de cliente antes de consultar sus facturas. En una llamada paralela, solicita la ejecución de múltiples funciones a la vez porque ninguna depende de la otra. Dedicaremos lecciones enteras a estos dos patrones; por ahora, recuerda que ambos se basan exactamente en los cinco pasos anteriores, simplemente repetidos.
Puntos clave
- La llamada a funciones sigue un proceso de 5 pasos con responsabilidades claras
- El modelo nunca puede ejecutar una función directamente; solo genera argumentos
- Tu código es el guardián: decide si ejecuta o no la función
- El resultado de la función se envía de vuelta al modelo para que pueda formular una respuesta natural
- El flujo puede ser simple (una llamada) o complejo (secuencial, paralelo)