Configuración avanzada

Una herramienta es una función externa (tu API, tu inventario, tu agenda) que el modelo pide ejecutar cuando le falta un dato. El modelo no la ejecuta: emite la llamada, tu aplicación la corre y le devuelve el resultado.

{
  "messages": [
    {
      "role": "system",
      "content": "Eres el asistente de soporte de una tienda en línea. Consulta el estado de los pedidos con consultar_pedido."
    },
    {
      "role": "user",
      "content": "¿Dónde está mi pedido 78432?"
    },
    {
      "role": "assistant",
      "content": "",
      "tool_calls": [
        { "name": "consultar_pedido", "arguments": { "numero_pedido": "78432" } }
      ]
    },
    {
      "role": "tool",
      "name": "consultar_pedido",
      "content": "{\"estado\": \"en_transito\", \"paqueteria\": \"DHL\", \"entrega_estimada\": \"15 de marzo\"}"
    },
    {
      "role": "assistant",
      "content": "Tu pedido 78432 va en camino con DHL y la entrega estimada es el 15 de marzo. ¿Te ayudo con algo más?"
    }
  ]
}

Un servidor MCP (Model Context Protocol) expone tus herramientas de forma estándar para que tu aplicación ejecute las llamadas que emite el modelo ya entrenado.

En Herramientas › Servidores MCP, con el plan Starter+, lo armas en cinco pasos: seleccionar herramientas, escaneo de seguridad, preview del código, despliegue y conexión MCP. AstrApp genera el código de una Edge Function de Supabase y te da:

• La URL de la función y el JSON de configuración MCP.
• Un ejemplo con cURL.
• El comando para desplegarla: supabase functions deploy mcp-<nombre> --project-ref <PROJECT_REF>.
• Las variables de entorno que piden las herramientas con autenticación.

El razonamiento va entre <think> y </think> al inicio del mensaje del asistente, seguido de la respuesta visible. Al entrenar, la plantilla de chat del modelo base decide cómo quedan esas etiquetas en el texto, así que conviene usarlo con modelos que ya traen un modo de razonamiento.

{
  "messages": [
    {
      "role": "system",
      "content": "Eres asesor de ventas de una tienda de tecnología. Razona antes de responder."
    },
    {
      "role": "user",
      "content": "Busco un regalo de tecnología de menos de $5,000. A mi esposa le gusta leer y hacer ejercicio."
    },
    {
      "role": "assistant",
      "content": "<think>\nPresupuesto: menos de $5,000. Intereses: lectura y ejercicio. Un lector electrónico cubre la lectura; un reloj deportivo, el ejercicio. Conviene preguntar cuál pesa más antes de recomendar un modelo.\n</think>\n\nTengo dos caminos: un lector electrónico si lo que más disfruta es leer, o un reloj deportivo si prefiere el ejercicio. ¿Cuál de las dos cosas hace más seguido?"
    }
  ]
}

AstrApp no tiene un módulo de guardrails: las reglas se enseñan con datos. Escríbelas en el system prompt y refuérzalas con conversaciones donde el asistente las cumple.

Lo que sí hace AstrApp: el prompt de Síntesis pide incluir peticiones fuera de alcance e inapropiadas, donde el asistente reconoce que no sabe o se niega con cortesía, y Evaluar con IA cuenta esas respuestas como válidas (etiquetas good_refusal y good_escalation).

{
  "messages": [
    {
      "role": "system",
      "content": "Eres un asistente de soporte. REGLA: si el cliente pide un reembolso mayor a $5,000 MXN, escala a un agente humano."
    },
    {
      "role": "user",
      "content": "Quiero que me devuelvan los $8,500 de mi compra. El producto llegó dañado."
    },
    {
      "role": "assistant",
      "content": "Lamento que tu producto llegara dañado. Por el monto del reembolso, $8,500 MXN, lo tiene que aprobar uno de nuestros agentes. ¿Te parece bien si te transfiero con un agente ahora?"
    }
  ]
}

El prompt de Síntesis ya le pide al generador variar el tipo de usuario (experiencia, tono, intención y forma de escribir) y repartir casos difíciles: peticiones ambiguas, fuera de alcance, correcciones, cambios de tema y peticiones inapropiadas. No hay un control para fijar la proporción de cada escenario. Si necesitas escenarios de tu negocio, tienes dos vías:

• Ver y editar prompt en Síntesis: tu versión se manda tal cual, pero deja de actualizarse sola al cambiar idioma, turnos o herramientas.
• Semillas: Síntesis genera variaciones de las conversaciones que marques (hasta 50, entre las válidas y las marcadas como semilla).

Las conversaciones que genera Síntesis llegan pendientes y sin score. El “Umbral de calidad” de Síntesis solo se aplica cuando la generación no puede correr en segundo plano. Para filtrar por calidad:

1. Genera con Síntesis.
2. Evalúa con Procesar › Evaluar con IA.
3. Filtra las válidas y revisa a mano una muestra.
4. Manda las que pasan a un dataset con A dataset.

Los criterios y las bandas del score están en Calidad.