Z.AI muestra cómo construir sistemas de agentes listos para producción con GLM-5 y tool calling

Z.AI ha publicado un análisis técnico de una utilidad poco habitual, en el que GLM-5 no se presenta como otra interfaz de chat, sino como base para sistemas de agentes listos para producción. El material recorre paso a paso el camino desde la primera solicitud al modelo hasta un agente multipaso completo, con llamada a herramientas, respuesta en streaming, modo de razonamiento y soporte de diálogo en varios turnos. Para los desarrolladores es una señal importante: la apuesta no se limita a la calidad de las respuestas, sino que alcanza la madurez de la integración en un stack de producto real.

Al principio, los autores montan un entorno básico con zai-sdk, openai y rich, obtienen la clave de API desde variables de entorno o mediante entrada oculta en la terminal y levantan un ZaiClient para las primeras llamadas al modelo. A continuación se muestra un escenario mínimo de chat completion: GLM-5 responde a una pregunta técnica sencilla y después se usa la misma interfaz en modo streaming, en el que los tokens llegan a medida que se generan. No es una función cosmética.

En interfaces, asistentes y paneles de agentes, el streaming influye directamente en la velocidad percibida y, por tanto, en la idoneidad del modelo para escenarios de trabajo en los que el usuario no quiere esperar a que termine una respuesta larga.

El siguiente bloque se centra en el thinking mode y el contexto multi-turn. En el ejemplo se activa explícitamente thinking para GLM-5 con el parámetro enabled y, en la respuesta en streaming, se lee por separado reasoning_content y después la respuesta final del modelo. Luego los autores construyen una cadena de varios mensajes: primero preguntan por la diferencia entre list y tuple en Python, después aclaran cuándo conviene NamedTuple y, al final, piden un ejemplo práctico con type hints.

Lo importante de esta sección no son las preguntas, sino la demostración de que el modelo conserva el contexto entre turnos, mientras que el desarrollador puede seguir el crecimiento del historial de mensajes y el consumo de tokens. Para los sistemas de agentes es un requisito básico: sin una memoria de diálogo estable, las cadenas complejas se desmoronan rápido.

La parte más aplicada empieza cuando GLM-5 se conecta a funciones externas. El tutorial describe dos herramientas: una consulta del tiempo y una calculadora para evaluar expresiones de forma segura. El modelo recibe una solicitud en lenguaje natural, decide por sí mismo qué herramienta llamar y devuelve los argumentos; el código local ejecuta la función y el resultado vuelve al contexto del modelo para la respuesta final.

Justo después se muestra la salida estructurada: se pide a GLM-5 que extraiga datos financieros de un texto y devuelva JSON limpio, sin explicaciones. Es un patrón muy cercano al típico de producción, donde el modelo no solo debe escribir bien, sino también entregar de forma estable un resultado legible por máquinas para pipelines, CRM, analítica o servicios backend internos.

El bloque técnico final lo reúne todo en la clase GLM5Agent. Se le añaden varias herramientas a la vez: tiempo, calculadora, hora actual y conversión de unidades. El agente trabaja de forma iterativa, llama por sí mismo a las funciones necesarias mientras resuelve la tarea y continúa el ciclo hasta obtener una respuesta final o alcanzar el límite de pasos.

En un ejemplo aparte, los autores comparan cómo se resuelve un problema lógico complicado con el thinking mode activado y desactivado, midiendo el tiempo de respuesta y el volumen de tokens generados. Por último, muestran que GLM-5 también puede usarse a través del SDK estándar de OpenAI para Python: basta con cambiar base_url y la conocida interfaz chat.completions sigue funcionando.

Según la documentación oficial de Z.AI, GLM-5 tiene un contexto de hasta 200K tokens y un máximo de 128K tokens de salida, lo que hace este escenario especialmente interesante para tareas largas de varios pasos.

¿Qué significa esto en la práctica? Z.AI intenta reducir la barrera de migración para equipos que ya tienen código compatible con OpenAI, pero necesitan un flujo de trabajo agéntico más marcado: herramientas, JSON, streaming, memoria de diálogo y ciclos de ejecución controlables. También importa que el tutorial no se pierde en abstracciones y muestra el circuito mínimo funcional en torno al modelo.

Aun así, conviene no hacerse ilusiones: los ejemplos del tiempo y la calculadora siguen siendo didácticos, y para producción harán falta igualmente autorización, logging, reintentos, restricciones sobre las herramientas y protección frente a llamadas inseguras. Pero como mapa de las capacidades de GLM-5, el material resulta útil: muestra que el modelo de Z.AI ya se empaqueta no solo como un LLM para chat, sino como un bloque de construcción para agentes de IA aplicados.