Tool Calling con OpenAI y Python: el flujo real

Concepto clave

El modelo de lenguaje no ejecuta funciones. Solo devuelve una estructura indicando qué debería ejecutarse.

El backend en Python es quien: valida, ejecuta y controla.

Tool real (código ejecutable)

Esta función nunca se envía al modelo.

from datetime import datetime

def get_server_time():
    return datetime.utcnow().isoformat()

Declaración de la Tool (metadata)

Esto es lo único que OpenAI recibe.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_server_time",
            "description": "Devuelve la hora actual del servidor",
            "parameters": {
                "type": "object",
                "properties": {}
            }
        }
    }
]

Primera llamada al LLM

from openai import OpenAI

client = OpenAI()

messages = [
    {"role": "user", "content": "¿Qué hora es en el servidor?"}
]

response = client.chat.completions.create(
    model="gpt-4.1-mini",
    messages=messages,
    tools=tools
)

El LLM solicita la Tool

{
  finish_reason: "tool_calls",
  tool_calls: [
    {
      name: "get_server_time",
      arguments: {}
    }
  ]
}

Ejecución explícita de la Tool

tool_call = response.choices[0].message.tool_calls[0]

if tool_call.function.name == "get_server_time":
    result = get_server_time()

Reinyección del resultado (role=tool)

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

messages.append({
    "role": "tool",
    "tool_call_id": tool_call.id,
    "content": result
})

Segunda llamada al LLM

final_response = client.chat.completions.create(
    model="gpt-4.1-mini",
    messages=messages
)

print(final_response.choices[0].message.content)

Respuesta final

"La hora actual del servidor es 2025-12-18T03:10:00 UTC."

Roles involucrados

• user: intención
• assistant: razonamiento
• tool: datos reales

Conclusión

Tool Calling es un patrón de orquestación backend, no una feature mágica del modelo.

El LLM sugiere. Python ejecuta. Vos controlás.