Introducción

Hasta este punto tu app puede hablar con su propia base de datos, pero no puede pensar ni obtener información externa. En esta lección conectas dos piezas que faltan: un modelo de IA (para generar respuestas, resúmenes o clasificaciones) y una API externa (para datos en vivo como clima, tasas de cambio o precios de acciones). Ambas conexiones siguen el mismo patrón — enviar una solicitud, esperar una respuesta, manejar el resultado — así que una vez que entiendes una, la otra es solo una dirección diferente y una forma diferente de datos.

Cómo funcionan las llamadas a modelos de IA

Una llamada a un modelo de IA es simplemente una solicitud de entrada de texto, salida de texto. Empaquetas la pregunta del usuario (y cualquier instrucción de sistema) en un payload JSON, lo envías por POST al endpoint del modelo y lees el texto generado. Las herramientas no-code envuelven esto en un bloque visual, pero debajo el formato de transmisión es idéntico.

Un cuerpo de solicitud típico se ve así:

{
  "model": "gpt-4o-mini",
  "messages": [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "Summarize this product review in one sentence."}
  ],
  "temperature": 0.3
}

El mensaje `system` define el comportamiento; el mensaje `user` es la entrada real. `temperature` controla qué tan creativo versus determinista es el resultado — bajo para tareas factuales, alto para lluvia de ideas.

Cómo funcionan las llamadas a APIs externas

Las APIs externas (clima, monedas, noticias) funcionan de la misma manera, pero el payload suele ser más simple — unos pocos parámetros de consulta en lugar de un historial de conversación. Por ejemplo, una consulta del clima podría necesitar solo un nombre de ciudad y una API key.

GET https://api.weatherapi.com/v1/current.json?key=YOUR_KEY&q=Hanoi&aqi=no

La respuesta llega como JSON. Tu herramienta no-code te permite elegir qué campos extraer y dónde almacenarlos en tu base de datos o UI.

Manejo de entradas, salidas y errores

Tres cosas salen mal en casi cualquier integración: campos faltantes, respuestas lentas y formas de respuesta inesperadas.

Primero, valida las entradas antes de enviar. Si el usuario no proporcionó un nombre de ciudad, no llames a la API del clima — muestra un prompt amigable en su lugar.

if (!userInput.city || userInput.city.trim() === "") {
  return { error: "Please enter a city name." };
}

Segundo, configura timeouts. La mayoría de plataformas no-code te permiten establecer un tiempo máximo de espera (8–15 segundos es razonable). Si la IA o la API no responden a tiempo, muestra un mensaje de fallback en lugar de dejar la pantalla colgada.

Tercero, protégete contra respuestas malformadas. Los modelos de IA ocasionalmente devuelven strings vacíos o se niegan a responder; las APIs a veces devuelven objetos de error en una respuesta 200.

if (!response.choices || response.choices.length === 0) {
  return { error: "The AI did not return a result. Please try again." };
}

Un patrón común es envolver cada llamada externa en un try/catch (o el equivalente no-code: una rama de error en el nodo del workflow) y registrar el fallo para ti mientras muestras un mensaje educado al usuario.

Resumen

Las llamadas a modelos de IA y a APIs externas comparten el mismo esqueleto: validar la entrada, enviar una solicitud estructurada, parsear la respuesta y manejar el fallo con elegancia. En tu flujo de trabajo no-code, cada paso es un bloque visual, pero la lógica es la misma que en los snippets de código de arriba. Familiarízate con este patrón de solicitud-respuesta-error, porque cada integración que construyas de aquí en adelante lo seguirá.

En la próxima lección combinarás múltiples llamadas a APIs en un solo flujo de trabajo para que tu app pueda, por ejemplo, obtener el clima, pasarlo a un modelo de IA y devolver una recomendación de viaje — tres integraciones encadenadas.