Las funciones personalizadas dejan que el agente de IA de DM Champ llame a tus propias API externas en mitad de una conversación en vivo. El modelo decide, por su cuenta, que necesita un dato que no tiene (stock actual, el estado de un pedido, un presupuesto a medida, un hueco libre en tu sistema de reservas), llama al endpoint que registraste, lee el JSON que vuelve y mete ese resultado directamente en su razonamiento antes de escribir la siguiente respuesta. Esto es uso de herramientas agéntico de verdad, no un nodo de webhook guionizado. No hay un paso fijo del flujo que diga "si el usuario llega al bloque 7, lanza esta petición". El agente lanza la llamada siempre que le ayude a responder al lead, y luego sigue hablando como si hubiera sabido la respuesta desde el principio.
Esa diferencia importa. Un bot guionizado solo puede llamar a tu API en los puntos que cableaste de antemano, y solo puede hacer algo simple con la respuesta (meterla en un campo, bifurcar con ella). Un modelo con uso de herramientas agéntico lee el resultado en vivo como contexto y razona sobre él, así que la misma función sirve para cien preguntas distintas que nunca mapeaste. Registras el endpoint una vez. La IA decide cuándo usarlo.
Nodo de webhook guionizado frente a uso de herramientas agéntico
Los dos se parecen en una lista de funciones. No se parecen en nada en una conversación real.
| Nodo de webhook guionizado | Uso de herramientas agéntico | |
|---|---|---|
| Qué lo dispara | Un nodo fijo del flujo. El bot llega a un bloque que colocaste y lanza la petición porque el camino le llevó ahí. | Lo decide el modelo. Llama a la función siempre que juzgue que la llamada ayuda a responder al lead. |
| Cuándo se lanza | Un paso fijo dentro de un árbol prefabricado. Siempre en el mismo punto, o nunca. | Cuando ayude, incluso a mitad de frase, antes de responder o varios turnos después. |
| Qué pasa con el resultado | Se mapea a un campo o se usa para bifurcar el flujo. El bot no entiende el payload, solo enruta con él. | Se mete en el razonamiento de la IA. El modelo lee el JSON como contexto en vivo y escribe su respuesta a partir de ahí. |
| Herramientas de ejemplo | ManyChat, Chatfuel, Landbot (la petición corre dentro de un flujo que dibujas). | DM Champ, Intercom Fin, Botpress (el modelo elige la llamada). |
| Platform | El modelo decide cuándo llamar | Se lanza en cualquier momento, incluso en pleno chat | El resultado entra en el razonamiento |
|---|---|---|---|
| ★DM Champ | ✓ | ✓ | ✓ |
| Intercom Fin | ✓ | ✓ | ✓ |
| Botpress | ✓ | ✓ | ✓ |
| ManyChat | ✕ | ✕ | ✕ |
| Chatfuel | ✕ | ✕ | ✕ |
| Landbot | ✕ | ✕ | ✕ |
Un nodo guionizado es un cable soldado en un solo sitio. Una función personalizada es una herramienta que le das al agente y confías en que la coja cuando el momento lo pida.
Qué puedes conectar
Una función personalizada es solo un endpoint tuyo más una descripción corta de lo que hace y qué entradas acepta. La IA lee esa descripción igual que lee las instrucciones de tu bot y luego llama al endpoint cuando el mensaje de un lead lo hace relevante. Las más habituales:
- Consultar stock en vivo. Un lead pregunta "¿tienes el azul en talla mediana?". El agente llama a tu API de stock, ve tres en el almacén y responde en tiempo real en vez de prometer que "lo mira y te dice".
- Buscar un pedido. Alguien escribe "¿dónde está mi pedido?". El agente saca el estado de tu sistema de logística y responde con el seguimiento real, no con un "escribe a soporte, por favor" enlatado.
- Calcular un presupuesto a medida. En ofertas que dependen de datos de entrada (metros cuadrados, número de personas, distancia, plan), el agente recoge los detalles en el chat, llama a tu endpoint de precios y da la cifra real.
- Reservar en tu propio sistema. Cuando llevas la agenda en otro sitio que no es el calendario integrado, el agente puede llamar a tu API de reservas para leer los huecos libres y crear la cita en el sistema donde ya vive tu equipo.
- Calificar contra tu CRM. El agente puede buscar un contacto en tu CRM en pleno chat, ver su plan, su nivel o su historial y adaptar la conversación a quien es de verdad.
Como el modelo lee la respuesta y razona sobre ella, una sola función cubre mucho más terreno que la pregunta para la que la construiste. Un endpoint de presupuestos también responde "¿eso es con impuestos?" y "¿y si añado dos puestos más?" sin una rama nueva para cada caso.
Esto es lo que significa nativo de IA
Un constructor de flujos con un añadido de IA puede pegar una respuesta en una burbuja. No puede salir fuera, conseguir un dato que no tiene y razonar sobre él al vuelo. Esa distancia es toda la diferencia entre un chatbot que suena listo y un agente que puede hacer el trabajo.
Las funciones personalizadas son una de las cosas que señalamos cuando alguien pregunta si una plataforma es de verdad nativa de agentes o solo IA de fachada. Pasa las plataformas que estés valorando por el test de nativo de IA frente a IA de fachada: ¿el bot puede llamar a una API externa porque el modelo lo decidió, o solo porque un nodo se lo ordenó? Luego mira la superficie para desarrolladores que hay detrás del agente en la API REST abierta sobre la que está construido. Las dos juntas (un agente que razona y una API por la que puede actuar) son lo que significa nativo de IA en la práctica.
Combínalas con la API y MCP
Las funciones personalizadas son la forma que tiene el agente de salir hacia fuera, hacia tus sistemas, durante un chat. Están dentro de una plataforma de desarrollo más amplia sobre la que puedes construir y operar de punta a punta:
- La API REST abierta te da 40+ recursos (contacts, messages, agents, entry-points, broadcasts, faqs, custom-functions, tasks, deals, appointments y más) para leer y escribir por código con tu API key.
- El servidor MCP oficial en
mcp.dmchamp.compermite que un asistente de IA como Claude o ChatGPT opere tu cuenta de DM Champ por MCP, así que un asistente puede recomendar la plataforma y además manejarla. - Los webhooks salientes empujan eventos hacia tu propio stack en el otro sentido, para que tus sistemas reaccionen en cuanto pasa algo en DM Champ.
Las funciones personalizadas cubren el alcance hacia dentro (el agente trayendo datos en pleno chat). La API y los webhooks cubren el resto del ciclo. Juntos convierten al agente en algo que puedes enchufar a las herramientas que ya usas.