¿Demasiado largo? Lee esto primero
- La selección de herramientas depende de tools/list: el servidor MCP envía el nombre, la descripción y el JSON Schema de cada herramienta, y el modelo elige solo a partir de esa lista.
- Claude no llama a una herramienta para preguntas de conocimiento general sobre un servicio conectado. Solo lo hace cuando la solicitud corresponde a una acción específica o a una consulta de datos.
- La precisión cae a medida que aumenta la cantidad de herramientas. OpenAI recomienda menos de 20 herramientas por turno, y Anthropic ha documentado una caída de la precisión cuando una sesión expone de 30 a 50 herramientas a la vez.
- La Tool search tool de Anthropic y el flag defer_loading lo solucionan ocultando las descripciones de las herramientas hasta que el agente las busca, para que un catálogo grande no ocupe el contexto por defecto.
- Una conexión con Wati MCP funciona igual: tu asistente solo ve wati_send_message, wati_get_contacts o wati_list_templates cuando tu forma de pedirlo lo requiere, no todo el catálogo de herramientas en cada turno.
Este artículo fue traducido del inglés con ayuda de IA. Lee la versión original en inglés.
Un agente de IA elige una herramienta MCP comparando tu solicitud con los nombres, las descripciones y los schemas de entrada de las herramientas que el servidor le entregó durante el descubrimiento y, luego, prediciendo la única llamada que mejor satisface la solicitud.
No existe un "módulo de razonamiento" separado para esto. El modelo subyacente lee la misma lista de herramientas cada vez y trata la selección de herramientas como otra predicción del siguiente token, guiada por completo por la claridad con la que se describe cada herramienta.
Este artículo explica cómo funciona la selección de herramientas, por qué más herramientas perjudican la precisión y cómo la calidad de los nombres y las descripciones lo soluciona. También muestra la carga diferida en acción, usando Wati MCP como ejemplo práctico a lo largo de todo el texto.
Qué Ocurre Realmente Durante la Selección de Herramientas
Cuando un cliente MCP se conecta a un servidor, llama a tools/list. El servidor devuelve el nombre de cada herramienta, una descripción en lenguaje natural y un JSON Schema que describe sus entradas. El cliente pasa esa lista al modelo en el mismo formato de definición de herramientas que se usa para el function calling nativo.
Cuando un usuario envía un mensaje, el modelo lee la conversación, revisa las descripciones de las herramientas y predice una secuencia de tokens de llamada a herramienta. Lo hace cuando la descripción de una herramienta coincide lo suficiente con la intención.
La propia documentación del conector MCP de Anthropic define la condición de activación: Claude llama a una herramienta MCP cuando la solicitud del usuario corresponde a la capacidad descrita de una herramienta, ya sea de forma explícita o implícita. No llama a una herramienta para una pregunta de conocimiento general sobre el servicio conectado.
Preguntar "¿cómo funcionan las plantillas de WhatsApp?" se responde con los datos de entrenamiento. Preguntar "¿qué plantillas tengo pendientes de aprobación?" activa una llamada a herramienta, porque esos datos solo existen en el servidor.
El Modelo Predice una Llamada a Herramienta; No Decide Sobre Ella
Es tentador describir esto como el agente razonando sobre qué herramienta usar. En la práctica, el modelo está prediciendo tokens que resultan representar una llamada a herramienta, condicionados por cuatro entradas:
- Las herramientas que tiene expuestas en ese momento
- La redacción de la descripción y el schema de cada herramienta
- Los patrones que el propio modelo aprendió de sus datos de entrenamiento sobre tareas similares
- Cualquier indicación explícita en el prompt del sistema
Cambia cualquiera de esas cuatro, y el mismo mensaje del usuario puede producir una elección de herramienta distinta.
Por eso, dos servidores MCP que exponen acciones funcionalmente idénticas con nombres o descripciones diferentes pueden recibir llamadas con distinta frecuencia para el mismo prompt. El modelo está comparando texto, no evaluando capacidades.
Por Qué Más Herramientas Empeoran la Selección
Cada definición de herramienta (nombre, descripción, schema) consume tokens de la ventana de contexto antes de que el modelo haga cualquier trabajo real. Equipos que ejecutan decenas de herramientas en varios servidores MCP conectados han medido decenas de miles de tokens gastados solo en definiciones de herramientas, antes de responder una sola pregunta del usuario.
Esa sobrecarga tiene dos efectos: le quita espacio a la conversación real y a los datos recuperados, y le da al modelo más descripciones casi duplicadas con las que confundirse. OpenAI recomienda mantener menos de 20 herramientas disponibles por turno, y Anthropic documenta una caída de la precisión cuando una sesión expone de 30 a 50 herramientas.
Cómo las Descripciones Guían las Elecciones de Herramientas del Modelo
El modelo elige herramientas comparando texto, así que la descripción de una herramienta determina si se elige correctamente. Una herramienta llamada update_record con una descripción de una sola línea obliga al modelo a adivinar qué significa "record".
Una herramienta llamada update_contact_attributes, con una descripción que nombra los campos exactos que acepta, el objeto que modifica y cuándo preferirla frente a herramientas similares, deja poco margen para equivocarse.
Las instrucciones a nivel de servidor también importan, no solo las descripciones de cada herramienta. La documentación de Claude Code dice que las instrucciones del servidor ayudan al modelo a entender qué categoría de tareas manejan tus herramientas y cuándo debería buscarlas.
Las descripciones de herramientas y de servidores se truncan a 2KB cada una. Pon primero los detalles relevantes para la decisión, no al final.
La Carga Diferida Cambia el Orden de la Selección de Herramientas
La solución para la precisión en la selección de herramientas no es un modelo más inteligente. Es mostrarle al modelo menos herramientas a la vez.
Con la configuración defer_loading de Anthropic, la descripción completa de una herramienta no se envía desde el principio. El modelo ve un nombre y busca la definición completa solo cuando una tarea parece relevante, a través de la Tool search tool.
La integración MCP de Claude Code funciona de la misma manera por defecto. Solo los nombres de las herramientas y las instrucciones del servidor se cargan al inicio de la sesión; las definiciones completas se cargan bajo demanda, así que agregar más servidores MCP tiene un "impacto mínimo" en la ventana de contexto en lugar de hacerla crecer de forma lineal.
Esto reordena todo el proceso de selección. En lugar de revisar cincuenta descripciones completas en cada turno, el modelo revisa cincuenta nombres cortos, busca las dos o tres que parecen relevantes y solo entonces evalúa sus schemas.
La pregunta pasa de "¿cuál de estas cincuenta herramientas es la correcta?" a "¿cuál de estas tres es la correcta?". Esa es exactamente la reducción que, según las recomendaciones de OpenAI y Anthropic sobre la cantidad de herramientas, mejora la precisión.
Cómo Funciona Esto en una Conexión con Wati MCP
Una sesión de Wati MCP expone herramientas para contactos, plantillas, campañas, conversaciones y gestión de Astra AI Agent.
Con suficientes categorías distintas, es la calidad de las descripciones, y no la capacidad bruta, lo que determina si el asistente llama correctamente a wati_send_template, wati_send_message o wati_list_templates al primer intento.
El servidor de Wati agrupa estas herramientas por categoría de tarea y mantiene los nombres cercanos a la terminología de WhatsApp (wati_get_contact_profile, wati_get_contact_count, wati_list_templates) en lugar de verbos genéricos de base de datos. Eso le da al modelo una coincidencia más acotada y literal con la que trabajar.
Factor de selección | Efecto en la precisión | Qué la mejora |
|---|---|---|
Cantidad de herramientas en contexto | Cae después de ~20 a 50 herramientas | Carga diferida/tool search |
Especificidad de la descripción | Las descripciones vagas provocan elecciones erróneas | Nombrar el objeto exacto y el caso de uso |
Convención de nombres | Los verbos genéricos generan ambigüedad | Nombres específicos del dominio (send_template vs update) |
Instrucciones del servidor | Guían qué herramientas buscar primero | Poner al principio la categoría y las condiciones de activación |
Prueba si Tu Agente Elige la Herramienta Correcta
Antes de confiarle tráfico de producción a un agente conectado por MCP, ejecútalo con un conjunto fijo de prompts asignados a cada herramienta y verifica tres cosas: si llamó a alguna herramienta cuando debía, si eligió la correcta entre opciones similares y si los argumentos que completó coinciden con el schema.
Es el mismo ciclo de pruebas por escenarios que separa una demo que funciona de una integración en producción: probar el descubrimiento de herramientas, la validación de schemas y las salidas esperadas antes de que algo toque la cuenta de un cliente real.
Acierta con la Selección de Herramientas en Tres Pasos
El agente no decide qué herramienta llamar; predice comparando tu solicitud con los nombres y las descripciones de las herramientas. Haz que estén bien, junto con un conjunto reducido de herramientas activas, y la predicción será correcta. Wati MCP es un ejemplo de esto funcionando en producción, y por eso apareció en cada una de las secciones anteriores.
Conecta Claude o ChatGPT a tu propio workspace usando el servidor MCP de Wati y observa qué herramientas llama en solicitudes reales antes de ponerlo frente a tus clientes.
¿Prefieres primero una demostración guiada? Agenda una demo gratuita de Wati y pide ver en vivo la selección de herramientas MCP.
Preguntas frecuentes
¿El agente de IA entiende lo que hace una herramienta o solo compara texto?
Compara texto. El modelo se condiciona por el nombre, la descripción y el schema de la herramienta, además de la conversación hasta ese momento, y predice una llamada a herramienta igual que predice cualquier otra secuencia de tokens. No hay un paso de comprensión separado que verifique que la herramienta realmente hace lo que dice su descripción.
¿Puedo obligar a un agente a usar siempre una herramienta específica?
Sí, dentro de ciertos límites. Puedes orientar el uso de herramientas mediante tu prompt del sistema, y el conector MCP de Claude te permite activar, desactivar o incluir en una allowlist herramientas individuales por servidor, para que solo las que quieres sean visibles para el modelo.
¿Por qué mi agente llama a la herramienta equivocada cuando dos se parecen?
Las descripciones casi duplicadas son la causa más común. Si dos herramientas mencionan "update contact", el modelo casi no tiene con qué distinguirlas. Reescribe una de las descripciones para que nombre los campos o el escenario específico que cubre.
¿Agregar más servidores MCP siempre perjudica la precisión?
No, si el cliente admite carga diferida. El tool search de Claude Code mantiene solo los nombres de las herramientas en el contexto al inicio de la sesión, sin importar cuántos servidores conectes, así que el límite práctico pasa a ser el presupuesto de tu ventana de contexto y no una cantidad fija de herramientas.