Envío de herramientas de agente

solicitudes de importación def despacho_search(intención: cadena, consulta: cadena) -> dict: platform_map = {"producto": "amazon", "video": "YouTube", "discusión": "Reddit", "general": "google"} plataforma = plataforma_map.get(intención, "google") res = solicitudes.post( "https://api.Scavio.dev/api/v1/search", encabezados = {"x-api-key": "TU_LLAVE"}, json={"consulta": consulta, "plataforma": plataforma}, ) devolver res.json()

Envío de herramientas de agente es relevante para Google, Amazon, YouTube, TikTok, Reddit. Scavio proporciona una API unificada para acceder a datos de todas estas plataformas.

El envío de herramientas de agentes es el ciclo de decisión central en tiempo de ejecución en cualquier agente de IA que utilice herramientas. Cuando un usuario pregunta "cuáles son los mejores resultados para X", el agente debe: (1) reconocer que esto requiere una herramienta de búsqueda, (2) seleccionar qué herramienta de búsqueda (Google, Amazon, Reddit, etc.), (3) construir la llamada API correcta con parámetros, (4) ejecutar la llamada y manejar los errores, (5) analizar la respuesta en un contexto conversacional. Patrones de envío en 2026: llamada de función (OpenAI/Anthropic nativo): el LLM genera una llamada de herramienta estructurada que ejecuta el tiempo de ejecución. MCP (Protocolo de contexto modelo): las herramientas se descubren dinámicamente y se llaman a través de un protocolo estandarizado. Bucle ReAct: el agente razona sobre qué herramienta llamar, actúa, observa el resultado y repite. Código simple: el agente escribe y ejecuta código Python/JS que llama a las API directamente. Envío consciente de los costos: a $0,005/consulta (Scavio) o $0,008/crédito (Tavily), las llamadas a herramientas tienen un costo real. El envío inteligente evita llamadas redundantes: almacena en caché los resultados recientes, consultas relacionadas por lotes y omite búsquedas cuando la respuesta ya está en contexto. Un bucle de despacho mal diseñado puede realizar entre 5 y 10 llamadas de búsqueda por pregunta del usuario. Uno bien diseñado tiene un promedio de 1-2. Presupuesto de latencia: cada llamada de herramienta agrega entre 200 y 2000 ms de latencia. El diseño de despacho debe equilibrar la minuciosidad (más llamadas = mejores respuestas) con la capacidad de respuesta (los usuarios esperan respuestas en menos de 3 segundos). El envío paralelo (llamar a varias herramientas simultáneamente) reduce el tiempo de trabajo a costa de un mayor gasto en API.