Herramientas y fuentes de conocimiento en el asistente AI4CALL

En la configuración del asistente AI4CALL encuentras dos familias de recursos: las herramientas y las fuentes de conocimiento. Los plugins y los custom tools son herramientas: permiten ejecutar acciones. El RAG y el Knowledge Prompt son fuentes de conocimiento: aportan la información que se usa en las respuestas. El vídeo de arriba muestra cómo distinguirlos y dónde configurarlos.

La diferencia es práctica: para que se ejecute una acción hace falta una herramienta disponible y configurada; para responder sobre tus contenidos hace falta la fuente de conocimiento correcta. Veamos, pestaña a pestaña, dónde se configura cada recurso.

Plugins: compra, configuración y asignación

En los plugins, la pestaña separa tres pasos: compra, configuración y asignación. El plugin debe estar disponible en tu cuenta y tener una instancia configurada. Solo después eliges qué herramientas puede usar este asistente.

Al abrir el servicio de email vemos la instancia seleccionada y la herramienta disponible. Puedes elegir una sola herramienta o seleccionar todas las de esa instancia. Comprueba siempre qué instancia estás asignando: dos instancias del mismo plugin pueden trabajar en cuentas distintas. En el prompt explica cuándo usar las herramientas y qué datos recoger antes de invocarlas.

Custom tools: conectar servicios externos con REST y MCP

Con los custom tools conectas servicios externos. Una herramienta REST describe un único endpoint. Una conexión MCP permite obtener el catálogo de herramientas que expone un servidor. En ambos casos la configuración incluye también las autenticaciones necesarias para acceder al servicio.

Cómo crear una nueva herramienta REST

Abrimos Nueva herramienta REST. El nombre identifica la herramienta y debe respetar el formato que indica el campo. En el ejemplo definimos una comprobación de disponibilidad: las instrucciones piden recoger primero fecha y hora, comunicar el resultado y no crear reservas. Después introduces el endpoint, el método y la autenticación que exige tu API.

Los parámetros del body describen los datos que se envían al servicio. Para cada uno defines nombre, tipo, descripción y obligatoriedad. La descripción debe aclarar también el formato esperado: para una fecha, por ejemplo, especifica el formato que requiere el endpoint. Así evitas que un dato correcto se rechace solo por haberse enviado de una forma que el servicio no acepta.

Cómo configurar una herramienta MCP

En la pestaña Herramienta MCP configuras el servidor, el método, el endpoint y las instrucciones. El servidor expone un catálogo de acciones que el asistente puede descubrir. Usa las instrucciones para aclarar qué ofrece ese servicio y cuándo invocarlo. Una vez preparado el recurso, vuelve al asistente y asígnalo.

RAG: responder con tus documentos

El RAG permite responder a partir de tus documentos: manuales, reglamentos, catálogos. Los contenidos se dividen en fragmentos y, durante la conversación, se recuperan los pertinentes para la pregunta. Organiza los documentos en colecciones dedicadas a un tema y después asigna la colección al asistente.

Al crear una colección defines nombre, descripción y división de los documentos. Puedes limitar el tamaño de los fragmentos o elegir un número de partes. Los fragmentos demasiado pequeños corren el riesgo de perder el contexto; los demasiado grandes arrastran información inútil para la pregunta. Ojo: los cambios en la división se aplican a los archivos que se suban después, como recuerda la pantalla.

Knowledge Prompt: respuestas breves y recurrentes

El Knowledge Prompt es adecuado para respuestas breves y recurrentes. Defines una respuesta por defecto y las expresiones con las que el cliente podría hacer esa pregunta; una expresión también puede tener una respuesta específica. Estos contenidos se insertan directamente en el prompt, así que conviene mantenerlos breves.

Por ejemplo, creamos una knowledge dedicada al horario de la oficina: la respuesta por defecto indica los días y las horas de apertura. Después de crearla puedes preparar las variantes de la pregunta y asignar la knowledge a los asistentes que corresponda. Usa información verificada y actualízala cuando cambie.

• Plugins: ejecutan acciones; requieren estar disponibles en la cuenta, tener una instancia configurada y asignar sus herramientas al asistente.
• Herramientas REST: describen un único endpoint, con nombre, instrucciones, método, autenticación y parámetros del body.
• Herramientas MCP: conectan un servidor que expone un catálogo de acciones que el asistente puede descubrir.
• RAG: usa documentos divididos en fragmentos y organizados en colecciones dedicadas a un tema.
• Knowledge Prompt: respuestas breves y recurrentes insertadas directamente en el prompt, con sus variantes de la pregunta.

Antes de guardar: revisa los recursos asignados

Antes de guardar, revisa los recursos asignados y el resumen de la derecha. La regla sigue siendo la misma: para que se ejecute una acción hace falta una herramienta disponible y configurada; para responder sobre tus contenidos hace falta la fuente de conocimiento correcta. Completa las instrucciones en el prompt y guarda el asistente.

Preguntas frecuentes sobre la configuración del asistente

¿Cuál es la diferencia entre plugins y custom tools?

Ambos son herramientas que permiten ejecutar acciones. El plugin debe estar disponible en tu cuenta y tener una instancia configurada; después asignas cada herramienta al asistente. Los custom tools conectan servicios externos: una herramienta REST describe un único endpoint, mientras que una conexión MCP obtiene el catálogo de herramientas que expone un servidor.

¿Cuándo usar el RAG y cuándo el Knowledge Prompt?

El RAG sirve para documentos como manuales, reglamentos y catálogos: los contenidos se dividen en fragmentos y se recuperan durante la conversación. El Knowledge Prompt es adecuado para respuestas breves y recurrentes, que se insertan directamente en el prompt y por eso conviene mantener breves.

¿Por qué la descripción de los parámetros debe indicar el formato?

Porque la descripción de cada parámetro del body debe aclarar también el formato que espera el endpoint. Para una fecha, por ejemplo, hay que especificar el formato requerido. Así evitas que un dato correcto se rechace solo por haberse enviado de una forma que el servicio no acepta.