SkyDeck.ai Docs
RegístrateInicio de sesión de administradorContáctenos
Español
Español
  • SkyDeck.ai
  • GenStudio Workspace
    • Conversaciones
    • Aplicación Ayudante de SkyDeck AI
    • Carga de Documentos
    • Compartir y Colaborar
    • Sincronización con Slack
    • Instantáneas Públicas
    • Navegación Web
    • Herramientas
      • Programador en Pareja
        • Cómo Usar
        • Ejemplo – Asistencia con Script de Python
      • Asistente SQL
        • Cómo Usar
        • Ejemplo – Depuración de Consultas
      • Revisión de Acuerdos Legales
        • Cómo Usar
        • Ejemplo – Cláusula de NDA
      • Enséñame Cualquier Cosa
        • Cómo Usar
        • Ejemplo – Introducción a la Programación
      • Consultor Estratégico
        • Cómo Usar
        • Ejemplo – Retención de Empleados
      • Generador de Imágenes
        • Cómo Usar
        • Ejemplo – Maravilla Invernal
    • Seguridad de Datos
      • Prevención de Pérdida de Datos
  • Centro de Control
    • Herramientas para Administradores y Propietarios
    • Guía de Configuración
      • Configurar Cuenta
      • Configurar Integraciones
        • Asistencia para Integración
      • Configurar Seguridad
        • Autenticación (SSO)
      • Organizar Equipos
        • Agregar Nuevo Grupo
        • Eliminar Grupos
      • Curar Herramientas
        • Herramientas del Sistema
        • Asignar Etiquetas
      • Gestionar Miembros
        • Agregar Miembros
        • Importar Archivo
        • Invitar Miembros
        • Editar Miembros
    • Facturación
      • Prueba Gratuita
      • Comprar Crédito
      • Planes y Mejoras
      • Precios de Uso de Modelos
  • Integraciones
    • LLMs y Bases de Datos
      • Integración de Anthropic
      • Integración de Base de Datos
      • Integración de Groq
      • Integración de HuggingFace
      • Integración de Mistral
      • Integración de OpenAI
      • Integración de Perplexity
      • Integración de Together AI
      • Integración de Vertex AI
    • Integraciones de Aplicaciones
      • Integración de Rememberizer
      • Integración de Slack
  • Desarrolladores
    • Desarrolla Tus Propias Herramientas
      • Formato JSON para Herramientas
      • Formato JSON para Herramientas LLM
      • Ejemplo: Generador de UI Basado en Texto
      • Formato JSON para Herramientas Inteligentes
  • Casos de Uso
    • Creando una Política de Privacidad
  • Avisos
    • Términos de Uso
    • Política de Privacidad
    • Aviso de Cookies
  • Lanzamientos
    • 23 de Mayo de 2025
    • 16 de Mayo de 2025
    • 9 de Mayo de 2025
    • 2 de Mayo de 2025
    • 25 de Abr de 2025
    • 18 de Abr de 2025
    • 11 de Abr de 2025
    • 4 de Abr de 2025
    • 28 de Mar de 2025
    • 21 de Mar de 2025
    • 14 de Mar de 2025
    • 7 de Mar de 2025
    • 28 de Feb de 2025
    • 21 de Feb de 2025
    • 14 de Feb de 2025
    • 7 de Feb de 2025
    • 31 de Ene de 2025
    • 24 de Ene de 2025
    • 17 de Ene de 2025
    • 10 de Ene de 2025
    • 3 de Ene de 2025
    • 27 de Dic de 2024
    • 20 de Dic de 2024
    • 13 de Dic de 2024
    • 6 de Dic de 2024
    • 29 de Nov de 2024
    • 22 de Nov de 2024
    • 15 de Nov de 2024
    • 8 de Nov de 2024
    • 1 de Nov de 2024
    • 25 de Oct de 2024
    • 18 de Oct de 2024
    • 11 de Oct de 2024
    • 4 de Oct de 2024
    • 27 de Sep de 2024
    • 20 de Sep de 2024
    • 13 de Sep de 2024
    • 6 de Sep de 2024
    • 23 de Ago de 2024
    • 16 de Ago de 2024
    • 9 de Ago de 2024
    • 2 de Ago de 2024
    • 26 de Jul de 2024
    • 12 de Jul de 2024
    • 5 de Jul de 2024
    • 28 de Jun de 2024
    • 21 de Jun de 2024
    • 12 de Nov 2023
    • 6 de Nov 2023
    • 30 de Oct 2023
    • 23 de Oct 2023
    • 16 de Oct 2023
    • 18 de Sep 2023
    • 8 de Sep 2023
  • Seguridad
    • Prácticas de Seguridad de SkyDeck.ai
    • Programa de Recompensas por Errores
  • Documentación de IA
    • Informe de Evaluación de LLM
    • Documentación Lista para LLM de SkyDeck.ai
Con tecnología de GitBook
En esta página
  • Introducción
  • Especificación de Formato JSON
  • Descripción de los Campos
  1. Desarrolladores
  2. Desarrolla Tus Propias Herramientas

Formato JSON para Herramientas LLM

Una forma portátil de compartir herramientas

Introducción

Compartir una herramienta de una manera que se pueda agregar rápidamente a un programa o editor de herramientas se mejoraría enormemente con una forma estándar de representar una herramienta y cómo usarla. Queremos habilitar características como las siguientes:

  • Un icono para representar visualmente la herramienta

  • Metadatos para el aviso:

    • Un nombre para la herramienta

    • Una descripción de la herramienta

    • Notas de uso para la herramienta

  • Parámetros de marcador de posición que se incluyen en la cadena de la herramienta

  • Salida esperada

  • Versiones y marcas de tiempo.

Especificación de Formato JSON

{
  "version": "cadena de texto o número entero",
  "model_prompt": "cadena de texto con marcadores de posición {{nombre_de_variable}}",
  "metadata": {
    "prompt_name": "cadena de texto",
    "description": "cadena de texto",
    "usage_notes": "cadena de texto",
    "model_version": ["cadena de texto", "cadena de texto", …],
    "creator": {
      "name": "cadena de texto",
      "email": "cadena de texto",
      "organization": "cadena de texto"
    },
    "parameters": {
      "temperature": "número fraccionado",
      "max_tokens": "número entero",
      "top_p": "número fraccionado",
      "frequency_penalty": "número fraccionado",
      "presence_penalty": "número fraccionado"
    },
    "variables": [
      {
        "name": "nombre de la variable 1",
        "type": "texto",
        "description": "cadena de texto",
        "default": "cadena de texto",
      },
      {
        "name": "nombre de la variable 2",
        "type": "selección-única",
        "description": "cadena de texto",
        "default": "valor1",
        "allowed_values": ["valor1", "valor2", "valor3"]
      },
      {
        "name": "nombre de la variable 3",
        "type": "selección-múltiple",
        "description": "cadena de texto",
        "default": ["valor1", "valor2"]
        "allowed_values": ["valor1", "valor2", "valor3"]
      },
      ...
    ],
    "expected_output": {
      "type": "cadena de texto (p. ej., texto, código, limitado)",
      "format": "cadena de texto (opcional, p. ej., JSON, XML, CSV)",
      "language": "cadena de texto (opcional, p. ej., Python, JavaScript)",
      "allowed_values": ["cadena de texto1", "cadena de texto2", ...] (opcional)
    },
    "avatar_type": "cadena de texto (p. ej., url, base64)",
    "avatar": "cadena de texto (URL o imagen codificada en base64), se recomienda 256x256 pixels",
    "timestamp": "cadena de texto (formato ISO 8601)"
  }
}

Descripción de los Campos

  • model_prompt: Una cadena que contiene el prompt del modelo GPT.

  • metadata: Un objeto que contiene información adicional sobre el prompt del modelo GPT, que incluye los siguientes subcampos:

    • model_version: Una cadena que indica la versión del modelo GPT utilizado.

    • creator: Un objeto que contiene información sobre el creador del prompt del modelo GPT, con los siguientes subcampos:

      • name: Una cadena que representa el nombre del creador.

      • email: Una cadena que representa el correo electrónico del creador.

      • organization: Una cadena que representa la organización a la que está afiliado el creador.

    • parameters: Un objeto que contiene información sobre los parámetros del modelo GPT, con los siguientes subcampos:

      • temperature: Un flotante que indica la temperatura utilizada para controlar la aleatoriedad de la salida.

      • max_tokens: Un entero que indica el número máximo de tokens en la respuesta generada.

      • top_p: Un flotante que representa el umbral de probabilidad de muestreo del núcleo.

      • frequency_penalty: Un flotante que representa la penalización aplicada a los tokens en función de su frecuencia en el conjunto de datos.

      • presence_penalty: Un flotante que representa la penalización aplicada a los nuevos tokens basada en su presencia en el prompt.

    • timestamp: Una cadena en formato ISO 8601 que representa la fecha y la hora en que se creó o modificó por última vez el prompt del modelo GPT.

    • expected_output (Opcional): Un objeto que contiene campos relacionados con la salida esperada del model_prompt, incluyendo los siguientes subcampos:

      • type: Una cadena que indica el tipo de salida esperada del model_prompt.

      • format (Opcional): Una cadena que representa el formato de la salida esperada si es aplicable.

      • language (Opcional): Una cadena que representa el lenguaje de programación de la salida esperada si el tipo es code.

      • allowed_values (Opcional): Un array de cadenas que contiene una lista de valores de salida permitidos si el tipo es limited.

    • variables (Opcional): Una lista que contiene variables que podrían insertarse en la cadena model_prompt en un estilo de f-string. Cada variable contiene los siguientes subcampos:

      • name: Una cadena que representa el nombre de la variable.

      • type: Una cadena que muestra el tipo de variable. Actualmente los valores posibles de type son text para la variable por defecto, y single-select o multi-select para las variables de selección.

      • description: Una cadena que muestra la descripción de la variable, incluyendo usos y ejemplos.

      • default: Un valor que muestra el valor por defecto de la variable. Este valor es una cadena si type es text o single-select, y un array de cadenas para multi-select.

      • allowed_values: Un array de cadenas que contiene una lista de valores permitidos si el tipo de variable es single-select o multi-select.

    • avatar (Opcional): Un objeto que contiene campos relacionados con la imagen gráfica que actúa como avatar o icono para el prompt, que incluye los siguientes subcampos:

      • avatar_type: Una cadena que especifica el tipo de datos del avatar incluido.

      • avatar: Una cadena que contiene el URL que apunta a la imagen si el avatar_type es url, o una cadena codificada en base64 que representa la imagen si el avatar_type es base64.

    • prompt_name (Opcional): Una cadena que representa el nombre del prompt.

    • description (Opcional): Una cadena que proporciona una breve descripción de la herramienta y su propósito.

    • usage_notes (Opcional): Una cadena que contiene notas de formato libre del creador sobre el uso o cualquier consideración específica relacionada con la herramienta.

Para especificar el formato de la salida esperada del model_prompt, puedes agregar un objeto expected_output dentro del objeto metadata. Dependiendo del tipo de salida esperada, puedes incluir los subcampos relevantes en el objeto expected_output.

Para incluir campos para variables que podrían insertarse en la cadena model_prompt en un estilo de f-string, puedes agregar una lista variables separada dentro del objeto metadata.

Para incluir una imagen gráfica que actúa como avatar o icono para el prompt, puedes agregar un campo avatar dentro del objeto metadata.

Incluir los campos expected_output, variables, avatar, prompt_name, description, y usage_notes dentro del objeto metadata ayuda a mantener toda la información contextual sobre el prompt en un solo lugar, lo que facilita su gestión y comprensión.

Puedes usar el campo version en el nivel superior del objeto JSON para rastrear explícitamente la versión de todo el archivo JSON.

AnteriorFormato JSON para HerramientasSiguienteEjemplo: Generador de UI Basado en Texto

Última actualización hace 25 días

Puedes descargar nuestra muestra JSON .

aquí