Las 8 mejores bibliotecas de function calling para LLMs, clasificadas [2026]

El function calling convierte los LLMs de simples chatbots en software que realmente hace cosas: consulta bases de datos, envía correos, activa despliegues. ¿El problema? Existen docenas de bibliotecas, y cada una resuelve solo una parte del rompecabezas. Hemos usado la mayoría en proyectos de producción, así que aquí está nuestra lista clasificada con opiniones honestas.

¿Eres nuevo en el tema? Empieza con nuestra guía completa de function calling para LLMs para entender los fundamentos antes de elegir una herramienta.

Nuestras clasificaciones de un vistazo

Estas herramientas caen en tres categorías distintas: bibliotecas de abstracción, plataformas de herramientas y SDK nativos. Elegir entre categorías es una decisión fundamentalmente diferente a elegir dentro de una categoría. Explicaremos las fortalezas, debilidades y el perfil ideal de cada herramienta.

Entendiendo las tres categorías

Antes de llegar a las clasificaciones, una nota rápida sobre lo que estas herramientas realmente hacen. No todas resuelven el mismo problema.

Las bibliotecas de abstracción (Instructor, Mirascope, Magentic, LiteLLM, Vercel AI SDK) envuelven las API de los proveedores con seguridad de tipos, validación, reintentos y soporte multi-proveedor. Mejoran la experiencia del desarrollador al hacer function calling.

Las plataformas de herramientas (Composio, Toolhouse) adoptan un enfoque completamente diferente. En lugar de ayudarte a definir herramientas, proporcionan integraciones de herramientas prefabricadas con autenticación gestionada, sandboxing y ejecución. Si estás construyendo agentes IA para empresas, pueden ahorrarte semanas de trabajo de integración.

Los SDK nativos (OpenAI, Anthropic, Google) te dan acceso directo a la API sin dependencias adicionales, pero te atan al formato de ese proveedor.

Elegir Instructor sobre Mirascope es una preferencia de estilo. Elegir Instructor sobre Composio es una decisión arquitectónica. Ten en cuenta esa distinción mientras lees las clasificaciones.

no. 1: Instructor – El mejor en general para desarrolladores Python

Instructor es la biblioteca a la que recurrimos primero en la mayoría de proyectos Python, y con aproximadamente 10.000 estrellas en GitHub, la comunidad está de acuerdo.

Lo que es excelente

Creada por Jason Liu, Instructor parchea los clientes LLM para que devuelvan modelos Pydantic en lugar de JSON crudo. Define tu esquema de salida como una clase Pydantic, e Instructor gestiona automáticamente la validación, los reintentos ante salidas malformadas y la coerción de tipos. Ese mecanismo de reintento es la característica verdaderamente decisiva: cuando un modelo devuelve JSON inválido (y lo hace con más frecuencia de la esperada), Instructor envía el error de validación de vuelta al modelo y le pide que se corrija. Esto solo ahorra horas de depuración en pipelines de producción.

Admite 15+ proveedores, incluyendo OpenAI, Anthropic, Gemini, Mistral y Cohere. El soporte multi-proveedor significa que escribes tus modelos Pydantic una vez y cambias el LLM subyacente sin modificar tu código de esquema.

import instructor
from pydantic import BaseModel
from openai import OpenAI

class UserInfo(BaseModel):
    name: str
    age: int
    email: str

client = instructor.from_openai(OpenAI())

# Validación automática + reintentos ante fallos
user = client.chat.completions.create(
    model="gpt-4o",
    response_model=UserInfo,
    messages=[{"role": "user", "content": "Extract: John is 30, [email protected]"}]
)
print(user.name)  # "John" -- tipado, validado, garantizado

Lo que no es tan bueno

El enfoque de parcheo de clientes de Instructor modifica el comportamiento del SDK en tiempo de ejecución. Si eres el tipo de desarrollador que prefiere saber exactamente qué ocurre bajo el capó, esto puede sentirse un poco mágico. La depuración a veces requiere entender tanto la capa de Instructor como el SDK subyacente. También es exclusivamente Python, lo que significa que los equipos TypeScript necesitan buscar en otro lugar.

Precio

Completamente gratuito y open source. Sin nivel de pago, sin funciones premium bloqueadas detrás de un muro de pago.

¿Para quién?

Cualquier desarrollador Python que necesite salidas estructuradas fiables de los LLMs. Si extraes datos, llamas funciones o construyes pipelines donde el formato de salida importa, Instructor debería ser tu primera parada.

Veredicto: Instructor merece el no. 1 porque resuelve el problema más común — salidas LLM poco fiables — con la mínima fricción. El bucle de reintento-validación es realmente revolucionario para producción.

no. 2: Vercel AI SDK – El mejor para desarrolladores TypeScript

El Vercel AI SDK domina el espacio de function calling en TypeScript de forma tan completa que apenas tiene competencia.

Lo que es excelente

El helper tool() proporciona una API limpia para definir herramientas con esquemas Zod, y la ejecución multi-paso gestiona automáticamente el bucle LLM-llama-herramienta-devuelve-resultado. La versión 6 añadió soporte real para agentes con maxSteps para cadenas de herramientas autónomas, más integración MCP para conectarse a servidores de herramientas externos.

Si construyes con Next.js, los hooks de React para transmitir resultados de llamadas a herramientas a la interfaz son incomparables. Ninguna otra biblioteca te ofrece este nivel de integración frontend: puedes mostrar a los usuarios el estado de ejecución de herramientas en tiempo real, resultados parciales y datos estructurados en streaming con unos pocos hooks.

import { generateText, tool } from 'ai';
import { openai } from '@ai-sdk/openai';
import { z } from 'zod';

const result = await generateText({
  model: openai('gpt-4o'),
  tools: {
    weather: tool({
      description: 'Get weather for a city',
      parameters: z.object({ city: z.string() }),
      execute: async ({ city }) => {
        // Your actual API call here
        return { temp: 22, condition: 'sunny' };
      },
    }),
  },
  maxSteps: 5, // Agent mode: auto-feeds tool results back
  prompt: 'What is the weather in Berlin?',
});

Admite 20+ proveedores mediante adaptadores de la comunidad, y es completamente gratuito y open source.

Lo que no es tan bueno

Es exclusivamente TypeScript. Si tu backend es Python, no es una opción. Los adaptadores de la comunidad para proveedores no principales pueden ir por detrás de las versiones oficiales, por lo que podrías encontrar casos límite con LLMs menos populares. Además, la historia de observabilidad es más débil que la de Mirascope: necesitarás configurar tu propio sistema de trazas.

Precio

Gratuito y open source. Vercel no cobra por el SDK; gana dinero con su plataforma de hosting.

¿Para quién?

Cualquier desarrollador TypeScript o Next.js que construya funciones de IA. Si estás en el ecosistema Node.js, no consideres siquiera alternativas: empieza aquí.

Veredicto: El Vercel AI SDK obtiene el no. 2 porque es el campeón indiscutible de TypeScript. Los hooks de React y la integración de streaming lo diferencian de todo lo demás en el ecosistema JS.

no. 3: LiteLLM – El mejor para equipos multi-proveedor

LiteLLM resuelve un problema diferente al de las bibliotecas anteriores. En lugar de mejorar la experiencia de desarrollo con function calling, normaliza 100+ proveedores de LLM detrás de una única interfaz compatible con OpenAI. Escribe tu código de function calling una vez y cambia de proveedor modificando solo una cadena de texto.

Lo que es excelente

El poder real se manifiesta en despliegues de equipos. El modo proxy de LiteLLM añade seguimiento de costes por clave API, balanceo de carga entre proveedores, limitación de velocidad y enrutamiento de respaldo. Si el proveedor A está caído o limitado, tus llamadas a herramientas se enrutan automáticamente al proveedor B. Para organizaciones que operan con múltiples proveedores de LLM — lo cual se está convirtiendo en la norma — esto es infraestructura imprescindible.

Lo bueno es que LiteLLM se combina perfectamente con otras herramientas de esta lista. Ejecuta LiteLLM como tu capa de proveedor, luego usa Instructor encima para el function calling validado. Obtienes lo mejor de ambos mundos: flexibilidad de proveedor debajo, salidas con tipos seguros encima.

from litellm import completion

# El mismo código, diferentes proveedores -- cambia solo el string del modelo
response = completion(
    model="gpt-4o",  # o "claude-3-5-sonnet", "gemini/gemini-pro", etc.
    messages=[{"role": "user", "content": "What's the weather?"}],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "parameters": {
                "type": "object",
                "properties": {"city": {"type": "string"}}
            }
        }
    }]
)

Lo que no es tan bueno

LiteLLM por sí solo no añade validación, reintentos ni seguridad de tipos al function calling. Es una capa de enrutamiento y normalización, no una capa de experiencia de desarrollo. Casi con toda seguridad necesitarás algo como Instructor encima. La configuración del proxy también tiene una curva de aprendizaje: configurar los fallbacks, presupuestos y reglas de enrutamiento lleva tiempo.

Precio

Núcleo open source gratuito. El nivel enterprise añade dashboards de gestión del gasto, SSO y análisis avanzados. Los precios no están listados públicamente: tendrás que hablar con su equipo de ventas.

¿Para quién?

Equipos que operan con múltiples proveedores de LLM y necesitan visibilidad de costes, enrutamiento de conmutación por error e interfaz API unificada. Especialmente valioso combinado con Instructor o Mirascope para la lógica real de function calling.

Veredicto: LiteLLM ocupa el no. 3 porque la flexibilidad de proveedor se está volviendo imprescindible para equipos serios. Es la capa de infraestructura que hace que todo lo demás funcione entre proveedores.

no. 4: Composio – La mejor plataforma de herramientas prefabricadas

Composio adopta un enfoque fundamentalmente diferente al de todo lo clasificado anteriormente. En lugar de ayudarte a configurar la fontanería del function calling, te da las herramientas reales: prefabricadas, autenticadas y listas para ejecutar.

Lo que es excelente

Más de 250 integraciones de herramientas prefabricadas que cubren todo, desde GitHub y Slack hasta Salesforce y bases de datos. La característica clave es el OAuth gestionado: tu agente puede autenticarse con servicios de terceros sin que tengas que construir flujos de tokens desde cero. Cualquiera que haya pasado una semana implementando OAuth para cinco APIs diferentes entiende por qué esto importa.

Composio admite servidores MCP (Model Context Protocol), haciéndolo compatible con el creciente ecosistema MCP. Está diseñado para agentes desde su concepción, con sandboxing de ejecución integrado para que tu agente IA no pueda eliminar accidentalmente tu base de datos de producción.

from composio_openai import ComposioToolSet, Action

toolset = ComposioToolSet()

# Herramientas GitHub prefabricadas y autenticadas -- sin código OAuth necesario
tools = toolset.get_tools(actions=[Action.GITHUB_CREATE_ISSUE])

# Pásalas directamente a tu LLM
response = openai_client.chat.completions.create(
    model="gpt-4o",
    tools=tools,
    messages=[{"role": "user", "content": "Create a bug report for the login issue"}]
)

Lo que no es tan bueno

Si solo necesitas dos o tres integraciones de herramientas, la sobrecarga de Composio no vale la pena. Hay una curva de aprendizaje en torno a su descubrimiento de herramientas, gestión de autenticación y modelo de ejecución. El SDK también es más pesado que un simple pip install instructor. Para casos de uso sencillos de salidas estructuradas, Composio es excesivo.

Precio

Nivel gratuito disponible con ejecución limitada. Planes de pago para mayor uso, funciones de equipo e integraciones enterprise. Los precios cambian con frecuencia: consulta su sitio para las tarifas actuales.

¿Para quién?

Equipos que construyen agentes que necesitan interactuar con muchos servicios de terceros. Si tu agente toca GitHub, Slack, Jira, Google Workspace, CRMs y bases de datos, escribir todos esos conectores tú mismo llevaría meses. Composio lo hace en horas.

Veredicto: Composio merece el no. 4 porque resuelve un problema genuinamente difícil — la integración de múltiples servicios — que ninguna cantidad de Instructor o LiteLLM puede solucionar. Está en una categoría diferente a las bibliotecas de abstracción, y es la mejor en esa categoría.

no. 5: Mirascope – El mejor para observabilidad en producción

Mirascope se autodefine como un "anti-framework", y la filosofía se nota. En lugar de envolver todo en abstracciones, usa decoradores Python que hacen que tu código parezca Python normal.

Lo que es excelente

Lo que distingue a Mirascope es el enfoque de observabilidad. Las trazas OpenTelemetry para cada llamada LLM y ejecución de herramienta están integradas, no añadidas como complemento. Para equipos que ejecutan function calling en producción, esa visibilidad sobre latencia, uso de tokens y tasas de fallos en cadenas de herramientas vale su peso en oro.

La API basada en decoradores (@llm.call) se siente natural para los desarrolladores Python. Obtienes definiciones de herramientas con tipos seguros, generación automática de esquemas y lógica de reintentos similar a Instructor, sin adoptar un framework con opiniones propias. Tu código sigue pareciendo y sintiéndose como Python, no como un DSL.

from mirascope.core import openai

@openai.call("gpt-4o")
def get_weather(city: str) -> str:
    return f"What's the weather in {city}?"

# Trazado OTel integrado, seguridad de tipos, generación automática de esquemas
response = get_weather("Berlin")

Lo que no es tan bueno

Comunidad más pequeña que Instructor (menos estrellas de GitHub, menos respuestas en Stack Overflow). Cuando te encuentras con un caso límite, es más probable que leas el código fuente que encontrar una entrada de blog con la solución. El soporte de proveedores con 10+ es bueno pero está por detrás de los 15+ de Instructor.

Precio

Gratuito y open source. Sin nivel de pago.

¿Para quién?

Desarrolladores Python que se preocupan por la observabilidad en producción y quieren trazas OTel sin añadir una herramienta de monitorización separada. Especialmente bueno para equipos que ya tienen una configuración Grafana/Jaeger/Datadog y quieren que las llamadas LLM aparezcan en los mismos dashboards.

Veredicto: Mirascope obtiene el no. 5 porque la observabilidad integrada es un diferenciador genuino para cargas de trabajo en producción. Si ya has invertido en OTel, Mirascope encaja a la perfección.

no. 6: Magentic – El diseño de API más elegante

Magentic adopta el enfoque más minimalista de toda esta lista. Si valoras el código limpio y legible por encima de todo, te encantará.

Lo que es excelente

El decorador @prompt te permite definir flujos de function calling que se leen como firmas de funciones Python normales. Las salidas estructuradas en streaming funcionan directamente desde el primer momento. La superficie de la API es intencionalmente pequeña: casi no hay nada que aprender. Para desarrolladores que encuentran el parcheo de clientes de Instructor o el sistema de decoradores de Mirascope sobrediseñado, Magentic es un soplo de aire fresco.

from magentic import prompt

@prompt("Extract the user's name and age from: {text}")
def extract_user(text: str) -> UserInfo:
    ...  # Magentic lo gestiona todo

user = extract_user("John is 30 years old")

Lo que no es tan bueno

Menos proveedores (alrededor de 5) que Instructor o Mirascope. Sin lógica de reintento o validación integrada: si el modelo devuelve basura, tú lo gestionas. Sin características de observabilidad. Magentic hace una cosa bien, pero solo hace una cosa.

Precio

Gratuito y open source.

¿Para quién?

Desarrolladores que quieren la API más Python y minimalista para function calling y salidas estructuradas. Excelente para proyectos personales, prototipos y equipos que valoran la legibilidad del código por encima de la completitud de funciones.

Veredicto: Magentic llega al no. 6 porque la elegancia es maravillosa, pero la falta de reintentos y el soporte limitado de proveedores lo frenan para uso en producción.

no. 7: Toolhouse – La configuración más rápida para herramientas de agentes

Toolhouse se posiciona como un Backend-as-a-Service para herramientas de agentes IA. El argumento es la simplicidad: añade ejecución de herramientas a tu agente en tres líneas de código.

Lo que es excelente

Toolhouse gestiona las definiciones de funciones, el entorno de ejecución y el formateo de resultados. La fricción de configuración es genuinamente la más baja de esta lista. Si quieres un agente funcional con ejecución de herramientas en menos de cinco minutos, Toolhouse lo entrega. Admite servidores MCP y ofrece sandboxing de ejecución gestionado.

Lo que no es tan bueno

El catálogo de herramientas es más pequeño que el de Composio (100+ vs 250+). Las funciones enterprise son más limitadas. El enfoque de "todo gestionado" significa menos control: si necesitas comportamiento de herramienta personalizado u orquestación compleja, alcanzarás los límites de la plataforma más rápido que con Composio.

Precio

Nivel gratuito con límites de uso. Planes de pago para mayor volumen y funciones adicionales.

¿Para quién?

Desarrolladores que quieren el camino más rápido hacia un agente funcional con ejecución de herramientas, y no necesitan integraciones a escala enterprise. Ideal para hackathons, prototipos y MVPs.

Veredicto: Toolhouse obtiene el no. 7 porque la velocidad para tener una demo funcional es su superpoder, pero el catálogo más pequeño y la menor flexibilidad lo limitan para producción.

no. 8: SDK nativos del proveedor – Control máximo, cero abstracciones

Si estás comprometido con un único proveedor de LLM y quieres cero dependencias adicionales, los SDK nativos son la elección de metal puro.

Lo que es excelente

OpenAI tiene el soporte de function calling más maduro. La API Responses gestiona llamadas de funciones paralelas, y el nuevo Agents SDK añade orquestación de herramientas multi-paso. La mayoría de las bibliotecas de terceros usan el formato de OpenAI como referencia.

El SDK Claude de Anthropic usa una API de uso de herramientas con gran precisión que compite con GPT-4o. Se integra bien con el pensamiento extendido de Claude para cadenas complejas de múltiples pasos.

El SDK Gemini de Google admite ejecución automática de funciones: el modelo puede llamar a tus herramientas y devolver resultados sin gestión manual del bucle.

Lo que no es tan bueno

Estás atado a un único proveedor. Sin reintentos ante salidas malformadas. Sin seguridad de tipos más allá de lo que construyas tú mismo. Sin observabilidad. Sin soporte multi-proveedor. Cada función de conveniencia que proporcionan bibliotecas como Instructor, tendrías que construirla desde cero.

Precio

Gratuito (solo pagas por el uso de la API con el proveedor).

¿Para quién?

Proyectos completamente comprometidos con un solo proveedor, que necesitan control máximo sobre la interacción con la API y tienen los recursos de ingeniería para construir su propia validación y gestión de errores.

Veredicto: Los SDK nativos están en el no. 8 no porque sean malos — son el fundamento sobre el que todo lo demás está construido — sino porque las bibliotecas de abstracción añaden tanto valor por tan poco coste.

Por qué Techsy elige Instructor como no. 1

Hemos construido pipelines de function calling con la mayoría de estas herramientas en proyectos de clientes. Por eso Instructor sale consistentemente en primer lugar para nuestro equipo:

1. Fiabilidad en producción — El bucle de reintento-validación captura salidas malformadas que harían fallar un pipeline. Lo hemos visto recuperarse de JSON incorrecto 3-4 veces por cada 100 llamadas en algunos modelos.
2. Integración con Pydantic — La mayoría de los proyectos Python ya usan Pydantic para la validación de datos. Instructor hace que tus salidas LLM encajen en el mismo sistema de tipos que usa toda tu base de código.
3. Bajo coste de cambio — Si decides cambiar de GPT-4o a Claude, cambias una línea. Tus modelos Pydantic permanecen idénticos.
4. Componibilidad — A menudo ejecutamos Instructor sobre LiteLLM. Las dos herramientas se complementan perfectamente: LiteLLM gestiona el enrutamiento, Instructor la validación.

Dicho esto, si estás en TypeScript, el Vercel AI SDK es la elección obvia. Y si necesitas docenas de integraciones de terceros, ninguna cantidad de Instructor reemplazará lo que Composio te da. La herramienta correcta depende de qué capa del stack estás resolviendo.

Matriz de comparación de características

¿Qué biblioteca de function calling deberías elegir?

¿Todavía no tienes claro? Sigue este marco de decisión.

La mayoría de los proyectos reales combinan capas. Una pila que usamos con frecuencia: LiteLLM para el enrutamiento de proveedores, Instructor encima para el function calling validado, y Composio cuando los agentes necesitan integraciones de terceros. Empieza por lo que resuelve tu problema más urgente y luego añade capas según sea necesario.

¿Necesitas algo personalizado?

Si estás construyendo un producto IA que depende intensamente del function calling — extraer datos de documentos, orquestar flujos de trabajo de múltiples pasos, o conectar agentes a tus herramientas internas — lo hemos hecho en múltiples proyectos de clientes. Nuestro enfoque comienza por entender tu flujo de datos y los requisitos del proveedor antes de recomendar una pila.

Preguntas frecuentes

¿Cuál es la mejor biblioteca para function calling con LLMs en 2026?

Instructor es nuestra primera recomendación para desarrolladores Python que necesitan salidas estructuradas fiables. Para TypeScript, el Vercel AI SDK es el ganador claro. LiteLLM es el mejor para enrutamiento multi-proveedor, y Composio gana cuando necesitas integraciones de herramientas prefabricadas.

¿Debo usar SDK nativos o una biblioteca para function calling?

Usa los SDK nativos solo si estás ligado a un proveedor y quieres control absoluto. En cuanto necesites reintentos ante salidas malformadas, soporte multi-proveedor o esquemas con tipos seguros, una biblioteca como Instructor o Mirascope se paga sola en la primera semana.

¿Cuál es la diferencia entre function calling y tool calling?

Son el mismo concepto con nombres diferentes. OpenAI lo llamó originalmente "function calling", Anthropic usa "tool use", y la industria está convergiendo en "tool calling". La mecánica es idéntica: el LLM produce una solicitud estructurada, tu código la ejecuta, y el resultado vuelve al modelo.

¿Es LangChain todavía bueno para function calling en 2026?

Muchos desarrolladores han migrado a alternativas más ligeras. LangChain funciona, pero sus capas de abstracción profundas añaden complejidad que es excesiva si el function calling es tu necesidad principal. Instructor, Mirascope y LiteLLM resuelven el mismo problema con significativamente menos sobrecarga y mejor depuración.

¿Cuál es la diferencia entre Composio y Toolhouse?

Ambas son plataformas de herramientas, pero optimizan para escalas diferentes. Composio ofrece 250+ integraciones con OAuth gestionado y funciones enterprise — ideal para agentes en producción que tocan muchos servicios. Toolhouse se enfoca en la simplicidad con una configuración de 3 líneas, haciéndolo mejor para prototipos y proyectos más pequeños.

¿Qué biblioteca de function calling soporta más proveedores de LLM?

LiteLLM lidera con 100+ proveedores a través de su proxy compatible con OpenAI. El Vercel AI SDK soporta 20+ mediante adaptadores de la comunidad. Instructor cubre 15+, y Mirascope gestiona 10+.

¿Puedo usar Instructor con Anthropic Claude?

Sí. Instructor soporta Claude mediante parcheo de clientes, junto con 14+ otros proveedores incluyendo Gemini, Mistral, Cohere y modelos locales vía Ollama. La lógica de reintento y validación funciona de forma idéntica en todos los proveedores soportados.

¿Qué es MCP y cómo se relaciona con el function calling?

MCP (Model Context Protocol) es el estándar abierto de Anthropic para conectar LLMs a herramientas y fuentes de datos externas. Estandariza cómo se descubren y ejecutan las herramientas. Composio, Toolhouse y el Vercel AI SDK soportan todos los servidores MCP. Lee nuestra guía completa de MCP para tener el panorama completo.

¿Puedo combinar múltiples bibliotecas de function calling?

Absolutamente — y deberías hacerlo. La pila de producción más común es LiteLLM para el enrutamiento de proveedores más Instructor para las salidas validadas. Añade Composio encima si necesitas integraciones de terceros. Estas herramientas resuelven diferentes capas del problema, por lo que se componen de forma natural.

¿Necesito function calling para chatbots simples?

No. El function calling añade complejidad que solo merece la pena cuando tu LLM necesita tomar acciones o devolver datos estructurados. Si estás construyendo un chatbot de preguntas y respuestas que simplemente responde con texto, la chat completion del SDK nativo es todo lo que necesitas. Reserva el function calling para cuando el modelo necesite interactuar con sistemas externos.

Fuentes

• Documentación de Instructor
• Documentación de Mirascope
• Documentación de LiteLLM
• Documentación de Composio
• Documentación de Toolhouse
• Vercel AI SDK – Tools and Tool Calling
• Documentación de Magentic
• Paul Simmering – Best Library for Structured LLM Output