> ## Documentation Index
> Fetch the complete documentation index at: https://evolink.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# Interfaz de todos los modelos GLM - Referencia completa de Messages
> - Llama a los modelos de la serie GLM mediante el protocolo Anthropic Messages, eligiendo el modelo concreto con el parámetro `model`
- Las estructuras de solicitud y respuesta coinciden con la API de Anthropic
- **Indicación del sistema**: se envía por el campo `system` de nivel superior
- **Modo de pensamiento**: el pensamiento viene activado por defecto en toda la serie y se devuelve en bloques `content[type=thinking]`; solo `glm-5.2` puede desactivarlo con `thinking.type=disabled`
- **Streaming**: flujo de eventos SSE
- **Llamadas a herramientas**: compatible con el flujo `tool_use` / `tool_result` de Anthropic
- **Entrada de imagen**: realmente compatible solo con `glm-5.3-flash`; consulta el campo `messages` para más detalle
**BaseURL**: La BaseURL predeterminada es `https://direct.evolink.ai`, que ofrece mejor compatibilidad con los modelos de texto y las conexiones de larga duración. `https://api.evolink.ai` es el endpoint principal para los servicios multimodales y sirve como dirección de respaldo para los modelos de texto.
**Que el pensamiento se pueda desactivar varía según el modelo**: solo `glm-5.2` admite `thinking.type: "disabled"`; `glm-5.3` y `glm-5.3-flash` piensan siempre y devuelven un error si se envía `disabled`. Al migrar desde `glm-5.2`, elimina el `disabled` fijado en el código antes de cambiar de modelo.
**La entrada de imagen solo la admite `glm-5.3-flash`, y enviarla a los demás modelos no genera ningún error.** Cuando los bloques de contenido de imagen llegan a `glm-5.3` o `glm-5.2`, la solicitud responde con 200 con normalidad, pero el modelo no puede leer la imagen y contesta solo a partir del texto: una respuesta aparentemente plausible, sin relación con la imagen y que no es consistente entre solicitudes. Este tipo de fallo silencioso es difícil de diagnosticar en producción, así que elige `glm-5.3-flash` cuando necesites comprensión de imágenes.
## OpenAPI
````yaml es/api-manual/language-series/glm/messages/messages-reference.json POST /v1/messages
openapi: 3.1.0
info:
title: Interfaz de todos los modelos GLM - Referencia completa de Messages
description: >-
Referencia completa de la API para llamar a los modelos de texto Zhipu GLM
mediante el protocolo Anthropic Messages.
**Modelos incluidos**: `glm-5.3`, `glm-5.3-flash`, `glm-5.2` (se seleccionan
con el parámetro `model`)
**Notas de compatibilidad**:
- Ruta: `/v1/messages` (la ruta estándar de Anthropic)
- Las estructuras de solicitud y respuesta coinciden con la API Anthropic
Messages
- Campos admitidos: `model` `messages` (obligatorios) `system` `max_tokens`
`temperature` `top_p` `top_k` `stop_sequences` `stream` `thinking` `tools`
`tool_choice` `metadata`
**Capacidades comunes**:
- Ventana de contexto de 1M tokens, hasta 131.072 tokens de salida
- Modo de pensamiento: **el pensamiento viene activado por defecto** en toda
la serie; se devuelve en bloques `content[type=thinking]` y cuenta como
tokens de salida
- Caché de prompts: caché implícita de prefijo que aciertan automáticamente
las solicitudes repetidas con el mismo prefijo (reflejado en
`cache_read_input_tokens`), sin necesidad de establecer `cache_control`;
`cache_creation_input_tokens` siempre es 0
**Las diferencias entre modelos** (si el pensamiento se puede desactivar, si
se pueden leer imágenes) se describen más abajo en los campos `model`,
`thinking` y `messages`.
license:
name: MIT
version: 1.0.0
servers:
- url: https://direct.evolink.ai
description: Producción (recomendado, mejor compatibilidad con modelos de texto)
- url: https://api.evolink.ai
description: URL alternativa
security:
- bearerAuth: []
tags:
- name: Messages
description: Interfaz del protocolo Anthropic Messages
paths:
/v1/messages:
post:
tags:
- Messages
summary: >-
Interfaz de conversación GLM (todos los modelos, compatible con
Anthropic)
description: >-
- Llama a los modelos de la serie GLM mediante el protocolo Anthropic
Messages, eligiendo el modelo concreto con el parámetro `model`
- Las estructuras de solicitud y respuesta coinciden con la API de
Anthropic
- **Indicación del sistema**: se envía por el campo `system` de nivel
superior
- **Modo de pensamiento**: el pensamiento viene activado por defecto en
toda la serie y se devuelve en bloques `content[type=thinking]`; solo
`glm-5.2` puede desactivarlo con `thinking.type=disabled`
- **Streaming**: flujo de eventos SSE
- **Llamadas a herramientas**: compatible con el flujo `tool_use` /
`tool_result` de Anthropic
- **Entrada de imagen**: realmente compatible solo con `glm-5.3-flash`;
consulta el campo `messages` para más detalle
operationId: createMessageGLM
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/CreateMessageRequest'
examples:
simple:
summary: Solicitud mínima ejecutable
value:
model: glm-5.3
max_tokens: 1024
messages:
- role: user
content: Hola, mundo
system_prompt:
summary: Con indicación de sistema (system)
value:
model: glm-5.3
max_tokens: 2048
system: Eres un editor técnico experimentado en chino.
messages:
- role: user
content: Presenta GLM-5.3 en tres frases.
stop_sequences:
summary: Secuencias de parada personalizadas
value:
model: glm-5.3
max_tokens: 50
thinking:
type: disabled
stop_sequences:
- '3'
messages:
- role: user
content: 'Output exactly: 1 2 3 4 5 6'
tool_use:
summary: Llamada a herramientas (estilo tool_use de Anthropic)
value:
model: glm-5.3
max_tokens: 2048
messages:
- role: user
content: Consulta el tiempo en Tokio y dímelo
tools:
- name: get_weather
description: Consulta el clima actual de una ciudad específica
input_schema:
type: object
properties:
city:
type: string
description: 'Nombre de la ciudad, por ejemplo: Tokyo'
required:
- city
tool_choice:
type: auto
streaming:
summary: Salida en streaming (SSE)
value:
model: glm-5.3
max_tokens: 1024
stream: true
messages:
- role: user
content: Escribe un poema corto sobre la primavera
disable_thinking_glm52_only:
summary: Desactivar el modo de pensamiento (solo glm-5.2)
value:
model: glm-5.2
max_tokens: 512
thinking:
type: disabled
messages:
- role: user
content: 'En una frase: ¿cuál es la capital de Japón?'
description: >-
Solo `glm-5.2` puede desactivar el pensamiento. Enviar
`thinking.type=disabled` a `glm-5.3` o `glm-5.3-flash`
devuelve un error.
vision_flash:
summary: Entrada de imagen (solo glm-5.3-flash)
description: >-
`glm-5.3-flash` admite visión de forma nativa. Las imágenes se
envían mediante bloques de contenido `image`, y `source`
acepta tanto `base64` como `url`.
value:
model: glm-5.3-flash
max_tokens: 1024
messages:
- role: user
content:
- type: text
text: ¿Qué hay en esta imagen?
- type: image
source:
type: base64
media_type: image/png
data:
responses:
'200':
description: Objeto de mensaje
content:
application/json:
schema:
$ref: '#/components/schemas/MessageResponse'
examples:
with_thinking:
summary: >-
Bloque de contenido thinking incluido de forma
predeterminada
value:
id: msg_0842a705-9d0b-4eaa-b12d-09a4106326c5
type: message
role: assistant
model: glm-5.3
content:
- type: thinking
thinking: >-
El usuario pide saludar con una sola palabra, basta
con responder "Hi".
signature: ''
- type: text
text: Hi.
stop_reason: end_turn
usage:
input_tokens: 18
output_tokens: 101
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
tool_use:
summary: Se activa la llamada a herramientas (stop_reason=tool_use)
value:
id: msg_067e85db-53df-43a1-bd38-09c53375f2f0
type: message
role: assistant
model: glm-5.3
content:
- type: tool_use
id: toolu_36b8a98e284c426799f08612
name: get_weather
input:
city: Tokyo
stop_reason: tool_use
usage:
input_tokens: 161
output_tokens: 11
cache_creation_input_tokens: 0
cache_read_input_tokens: 0
prompt_tokens_details:
cached_tokens: 0
'400':
description: Parámetros de solicitud no válidos
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
request_id: req_xxx
error:
type: invalid_request_error
message: Invalid request
'401':
description: Error de autenticación
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: authentication_error
message: Authentication error
'402':
description: Cuota insuficiente
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: billing_error
message: Insufficient quota
'403':
description: Error de permisos
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: permission_error
message: Permission denied
'404':
description: Modelo o recurso no encontrado
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: not_found_error
message: Model not found
'429':
description: Límite de frecuencia
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
type: error
error:
type: rate_limit_error
message: Rate limited
'500':
description: Error interno del servidor
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'502':
description: Error del servicio upstream
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
'503':
description: Servicio temporalmente no disponible
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
components:
schemas:
CreateMessageRequest:
type: object
required:
- model
- messages
properties:
model:
type: string
description: >
Modelo a invocar:
| ID del modelo | Posicionamiento | Pensamiento desactivable |
Entrada de imagen |
|---|---|---|---|
| `glm-5.3` | Modelo insignia, con avances generalizados en
ingeniería de software compleja y tareas de agente; contexto de 1M |
No se puede desactivar | No compatible |
| `glm-5.3-flash` | Modelo multimodal ligero, coste muy bajo y
visión nativa; contexto de 1M | No se puede desactivar | Compatible
|
| `glm-5.2` | Insignia de la generación anterior, razonamiento
complejo y contexto muy largo; contexto de 1M | Se puede desactivar
(`thinking.type=disabled`) | No compatible |
enum:
- glm-5.3
- glm-5.3-flash
- glm-5.2
example: glm-5.3
default: glm-5.3
max_tokens:
type: integer
description: >-
Límite superior de la longitud del contenido generado (en tokens)
**Nota**:
- La serie GLM admite hasta **131.072 tokens** (128K) de longitud de
salida; se recomienda no bajar de `1024`
- Los tokens producidos por thinking también cuentan para este
límite
- Al alcanzar el límite, el contenido se trunca y la respuesta
incluye `stop_reason=max_tokens`
minimum: 1
maximum: 131072
example: 1024
messages:
type: array
description: >-
Lista de mensajes de la conversación, alternando turnos user /
assistant
**Nota**:
- Se requiere al menos un mensaje
- El último mensaje suele ser `role=user`
- Se admite contexto de varios turnos y el modelo se apoya en el
historial
**Entrada de imagen**: solo `glm-5.3-flash` la admite, mediante un
bloque `{"type":"image","source":{...}}` dentro de la matriz
`content`.
Enviar bloques de contenido de imagen a `glm-5.3` o `glm-5.2` **no
devuelve un error, pero el modelo no puede leer la imagen**. La
solicitud responde con 200 con normalidad y el modelo contesta solo
a partir del texto: la respuesta parece plausible pero no guarda
relación con la imagen, y el resultado no es consistente entre
solicitudes.
Este tipo de fallo silencioso es difícil de diagnosticar en
producción, así que elige `glm-5.3-flash` cuando necesites
comprensión de imágenes.
items:
$ref: '#/components/schemas/InputMessage'
minItems: 1
system:
description: >-
Indicación de sistema, usada para definir el rol y el comportamiento
de la IA
**Notas**:
- Admite una cadena o un array de bloques de contenido
- Se transfiere mediante el campo `system` de nivel superior (no lo
incluyas en messages)
- El modelo respetará las restricciones de system
- **Un system demasiado largo puede truncarse**: si necesitas un
contexto largo, colócalo en `messages`, no lo amontones todo en
`system`
oneOf:
- type: string
example: You are a helpful assistant.
- type: array
description: >-
Indicación de sistema en formato de array de bloques de
contenido. Los bloques text pueden llevar cache_control
items:
type: object
required:
- type
- text
properties:
type:
type: string
enum:
- text
text:
type: string
cache_control:
$ref: '#/components/schemas/CacheControl'
temperature:
type: number
description: >-
Temperatura de muestreo
**Notas**:
- Cuanto más alto el valor, más diversa la salida; cuanto más bajo,
más determinista
- Rango recomendado `[0, 1]`
minimum: 0
maximum: 1
example: 1
top_p:
type: number
description: |-
Umbral de muestreo por núcleo
**Notas**:
- Rango `[0, 1]`
- Se recomienda no ajustar temperature y top_p simultáneamente
minimum: 0
maximum: 1
example: 0.9
top_k:
type: integer
description: >-
Muestrea solo entre los K tokens de mayor probabilidad (parámetro
exclusivo de Anthropic)
**Notas**:
- Cuanto más pequeño el valor, más determinista la salida; cuanto
más grande, más diversos los candidatos
minimum: 0
example: 10
stop_sequences:
type: array
description: >-
Secuencias de parada personalizadas: la generación se detiene cuando
se encuentra cualquiera de estas cadenas
**Notas**:
- Al encontrarla se trunca, el contenido anterior al punto de
coincidencia se devuelve con normalidad
- **Atención**: al encontrar una secuencia de parada, el
`stop_reason` de la serie GLM devuelve `end_turn` (en lugar del
`stop_sequence` estándar de Anthropic), y la respuesta tampoco
incluye el campo `stop_sequence`. Si el cliente se basa en
`stop_reason=="stop_sequence"` para detectar la coincidencia,
necesitarás un manejo especial
items:
type: string
example:
- |+
stream:
type: boolean
description: >-
Si se devuelve en streaming mediante SSE
- `true`: devolución en streaming mediante Server-Sent Events
(secuencia de eventos estándar de Anthropic: message_start /
content_block_start / content_block_delta / message_delta /
message_stop)
- `false`: devuelve la respuesta completa de una sola vez
(predeterminado)
default: false
example: false
thinking:
type: object
description: >-
Controla el pensamiento profundo
**Nota**:
- Todos los modelos de la serie GLM son modelos de razonamiento y,
**si se omite este campo, el pensamiento viene activado por
defecto**
- Cuando está activo, la matriz `content` de la respuesta incluye un
bloque de razonamiento `type="thinking"` (se factura como tokens de
salida; `signature` puede ser una cadena vacía)
- **Solo actúa el interruptor binario `type`**: los parámetros de
presupuesto o nivel de pensamiento como `budget_tokens` y `effort`
no surten efecto (se ignoran)
**Que se pueda desactivar depende del modelo**:
- `glm-5.2`: enviar `{"type":"disabled"}` desactiva el pensamiento y
reduce notablemente los tokens de salida
- `glm-5.3` / `glm-5.3-flash`: **piensan siempre y no se pueden
desactivar**. Enviar `disabled` devuelve un error
**La consecuencia: la serie `glm-5.3` no puede reducir el coste de
pensamiento en este endpoint.** No se puede desactivar (`disabled`
da error)
ni tampoco bajar (`budget_tokens` y `effort` no surten efecto, y el
`reasoning_effort` de nivel superior es un campo del protocolo
OpenAI que este endpoint ignora).
El contenido de pensamiento se factura como tokens de salida, así
que en este endpoint ese coste es inevitable.
**Para controlar el coste de pensamiento, cambia a la [API Chat
Completions](../chat-completions/chat-completions-reference)** —
allí `reasoning_effort` tiene tres niveles que sí surten efecto:
`low` / `high` / `max`. `glm-5.2` no está sujeto a este límite:
puede desactivar el pensamiento directamente en este endpoint.
**Migración desde `glm-5.2`**: si tu código fija
`thinking.type=disabled`, debes eliminar ese campo antes de cambiar
a `glm-5.3`; de lo contrario, la solicitud falla directamente.
Y si dependías de desactivar el pensamiento para controlar el coste,
este endpoint no ofrece un equivalente: contempla también el cambio
a la API Chat Completions.
required:
- type
properties:
type:
type: string
enum:
- enabled
- disabled
description: >-
- Sin transferir el campo thinking: el pensamiento está activado
de forma predeterminada
- `disabled`: desactiva el pensamiento, responde directamente
- `enabled`: valor de activación explícita estándar de Anthropic
tools:
type: array
description: >-
Lista de definiciones de herramientas
**Notas**:
- Sigue la especificación de definición de tool de Anthropic
- `input_schema` usa un objeto JSON Schema
- El modelo devuelve un bloque `tool_use` estándar, con
`stop_reason=tool_use`
items:
$ref: '#/components/schemas/Tool'
tool_choice:
type: object
description: Estrategia de selección de herramientas
required:
- type
properties:
type:
type: string
enum:
- auto
- none
description: >-
- `auto`: el modelo decide automáticamente si invoca una
herramienta
- `none`: prohíbe la invocación de herramientas
metadata:
type: object
description: Metadatos de la solicitud
properties:
user_id:
type: string
description: >-
Identificador único que representa al usuario final, puede
usarse para la supervisión y la detección de abusos por usuario
(se recomienda usar un ID con hash)
MessageResponse:
type: object
description: Respuesta de mensaje al estilo de Anthropic
properties:
id:
type: string
description: 'ID único del mensaje (formato: `msg_`)'
type:
type: string
enum:
- message
description: Tipo de objeto de respuesta
role:
type: string
enum:
- assistant
model:
type: string
description: Modelo realmente utilizado
example: glm-5.3
content:
type: array
description: >-
Lista de bloques de contenido de la respuesta
**Posibles block type**:
- `thinking`: proceso de razonamiento (cuando el pensamiento está
activado, activado de forma predeterminada)
- `text`: texto de la respuesta final
- `tool_use`: llamada a herramienta iniciada por el modelo
items:
$ref: '#/components/schemas/OutputContentBlock'
stop_reason:
type: string
description: >-
Motivo de la parada
- `end_turn`: finalización natural (también devuelve este valor al
encontrar stop_sequences)
- `max_tokens`: se alcanzó el límite de max_tokens
- `tool_use`: el modelo activó una llamada a herramienta
enum:
- end_turn
- max_tokens
- tool_use
usage:
$ref: '#/components/schemas/AnthropicUsage'
ErrorResponse:
type: object
properties:
type:
type: string
enum:
- error
error:
type: object
properties:
type:
type: string
description: >-
Tipo de error (p. ej. invalid_request_error /
authentication_error / billing_error, etc.)
message:
type: string
description: Descripción del error
request_id:
type: string
description: ID de seguimiento de la solicitud
InputMessage:
type: object
required:
- role
- content
properties:
role:
type: string
enum:
- user
- assistant
description: >-
Rol del emisor del mensaje, alternando user / assistant
- `user`: mensaje del usuario (también se usa para devolver bloques
`tool_result`)
- `assistant`: respuesta histórica del asistente (puede contener
bloques `text` / `thinking` / `tool_use`)
**No acepta `system`**: para la indicación de sistema usa el campo
`system` de nivel superior.
content:
description: >-
Contenido del mensaje
**Nota**:
- Para texto plano, envía directamente una cadena
- Para contenido estructurado, envía una matriz de bloques de
contenido (`text` / `image` / `tool_use` / `tool_result` /
`thinking`)
- Los bloques de contenido `image` **solo son compatibles con
`glm-5.3-flash`**; enviarlos a otro modelo no devuelve un error,
pero el modelo no puede leer la imagen
oneOf:
- type: string
- type: array
items:
$ref: '#/components/schemas/ContentBlock'
CacheControl:
type: object
description: >-
Marcador de caché de prompt
**Nota**: la serie GLM usa una caché implícita (se crea automáticamente
a partir de prefijos idénticos, los aciertos se ven en
`cache_read_input_tokens`, requiere calentamiento) y no depende de este
marcador explícito; `cache_control` puede enviarse con normalidad, pero
es posible que se ignore y no afecta a la caché implícita.
required:
- type
properties:
type:
type: string
enum:
- ephemeral
description: Tipo de marca de caché
Tool:
type: object
required:
- name
- input_schema
properties:
name:
type: string
description: |-
Nombre de la herramienta
**Notas**:
- Solo se permite `a-zA-Z0-9_-`
- Máximo 64 caracteres
description:
type: string
description: >-
Descripción de la funcionalidad de la herramienta, para que el
modelo decida cuándo invocarla
input_schema:
type: object
description: |-
Objeto JSON Schema de los argumentos de entrada de la herramienta
**Notas**:
- `type` debe ser `object`
- Debe declarar `properties` y `required`
cache_control:
$ref: '#/components/schemas/CacheControl'
OutputContentBlock:
type: object
description: Bloque de contenido en la respuesta
properties:
type:
type: string
enum:
- text
- thinking
- tool_use
text:
type: string
description: Texto cuando type=`text`
thinking:
type: string
description: Texto del proceso de razonamiento cuando type=`thinking`
signature:
type: string
description: Firma cuando type=`thinking` (puede ser una cadena vacía)
id:
type: string
description: ID de la llamada a la herramienta cuando type=`tool_use`
name:
type: string
description: Nombre de la herramienta cuando type=`tool_use`
input:
type: object
description: >-
Argumentos de entrada JSON generados por el modelo cuando
type=`tool_use`
AnthropicUsage:
type: object
description: Estadísticas de uso de tokens (especificación de Anthropic)
properties:
input_tokens:
type: integer
description: Número de tokens de entrada (parte que no acertó en caché)
example: 18
output_tokens:
type: integer
description: Número de tokens de salida (incluye thinking)
example: 101
cache_creation_input_tokens:
type: integer
description: >-
Número de tokens escritos en la caché. La serie GLM usa caché
implícita, sin un paso explícito de creación, por lo que **este
campo siempre es 0**.
example: 0
cache_read_input_tokens:
type: integer
description: >-
Número de tokens de entrada servidos desde la caché implícita de
prefijo. Las solicitudes repetidas con el mismo prefijo la aciertan
automáticamente, sin necesidad de establecer `cache_control`; la
parte acertada se factura a la tarifa de caché, bastante inferior a
la tarifa de entrada sin acierto. La primera solicitud devuelve 0.
example: 0
prompt_tokens_details:
type: object
description: >-
Desglose de tokens de entrada (campos de acierto de caché, también
devueltos por la serie GLM)
properties:
cached_tokens:
type: integer
description: Número de tokens de entrada que acertaron en caché
example: 0
ContentBlock:
type: object
description: >-
Bloque de contenido del mensaje
**Tipos admitidos**:
- `text`: contenido de texto
- `image`: imagen (**solo `glm-5.3-flash`**; los demás modelos no
devuelven error pero no pueden leer la imagen)
- `tool_use`: reenvío de la llamada a herramienta del assistant del
turno anterior
- `tool_result`: resultado de la ejecución de la herramienta
- `thinking`: reenvío del contenido de pensamiento del assistant del
turno anterior
required:
- type
properties:
type:
type: string
enum:
- text
- image
- tool_use
- tool_result
- thinking
text:
type: string
description: Contenido de texto cuando type=`text`
source:
type: object
description: >-
Origen de la imagen (obligatorio cuando type=`image`, **solo
compatible con `glm-5.3-flash`**)
Se admiten tanto `base64` en línea como `url`.
required:
- type
properties:
type:
type: string
enum:
- base64
- url
description: >-
Forma de enviar la imagen
- `base64`: datos de imagen en línea
- `url`: dirección pública de la imagen, descargada por el
servicio ascendente
media_type:
type: string
description: Tipo MIME de la imagen (obligatorio cuando `type=base64`)
example: image/png
data:
type: string
description: >-
Datos de imagen codificados en Base64 (obligatorios cuando
`type=base64`, sin el prefijo `data:`)
example: iVBORw0KGgoAAAANSUhEUgAA...
url:
type: string
description: URL pública de la imagen (obligatoria cuando `type=url`)
example: https://example.com/photo.jpg
id:
type: string
description: ID de la llamada a la herramienta (obligatorio cuando es tool_use)
name:
type: string
description: Nombre de la herramienta (obligatorio cuando es tool_use)
input:
type: object
description: >-
Argumentos de entrada de la herramienta (cuando es tool_use, objeto
JSON)
tool_use_id:
type: string
description: >-
ID de la llamada a la herramienta correspondiente (obligatorio
cuando es tool_result, se rellena con tool_use.id)
content:
description: >-
Resultado de la ejecución de la herramienta (tool_result), cadena o
array de bloques de contenido
oneOf:
- type: string
- type: array
items:
type: object
thinking:
type: string
description: >-
Contenido del proceso de pensamiento del assistant que se devuelve
(se usa cuando type=`thinking`)
signature:
type: string
description: >-
Firma del contenido thinking devuelto; debe reenviarse sin modificar
al continuar una conversación de varios turnos (puede devolverse
como cadena vacía)
cache_control:
$ref: '#/components/schemas/CacheControl'
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: >-
##Todas las API requieren autenticación con Bearer Token##
**Obtener la API Key**:
Visita la [Página de gestión de API
Keys](https://evolink.ai/dashboard/keys) para obtener tu API Key
**Añadir al encabezado de la solicitud al usarla**:
```
Authorization: Bearer YOUR_API_KEY
```
**Nota**: EvoLink usa de forma unificada la autenticación con Bearer
Token para `/v1/messages`.
````