Generador de JSON Schema para IA

Genera JSON schemas a partir de datos de ejemplo optimizados para function calling y salidas estructuradas de IA

~/schema-generator

Pega un JSON de ejemplo para generar un JSON Schema automáticamente.

Infiere tipos, campos requeridos y estructuras anidadas. Salida en schema puro, formato OpenAI o formato Anthropic.

¿Qué es un Generador de JSON Schema para IA?

Un generador de JSON Schema para IA crea definiciones de schema estructuradas a partir de datos JSON de ejemplo, optimizadas para uso con function calling de IA y salidas estructuradas. En lugar de escribir JSON Schema manualmente desde cero — lo cual es tedioso y propenso a errores — pegas un ejemplo de los datos que esperas, y la herramienta infiere el schema automáticamente: tipos, campos requeridos, patrones, restricciones y anidamiento.

JSON Schema es la base del function calling de IA en todos los principales proveedores. Cuando defines una herramienta para OpenAI, Anthropic o Google Gemini, las definiciones de parámetros se escriben en formato JSON Schema. El modelo usa este schema para entender qué argumentos acepta tu función, qué tipos deben tener y cuáles son requeridos. Un schema preciso y bien descrito conduce a llamadas de función más precisas y menos errores en tiempo de ejecución.

Nuestro generador gratuito va más allá de la inferencia básica de tipos. Detecta patrones comunes (emails, URLs, fechas, UUIDs), sugiere valores enum para campos con opciones limitadas, maneja objetos y arrays anidados, y genera descripciones para ayudar a los modelos de IA a entender cada campo. Todo el procesamiento ocurre en tu navegador sin enviar datos a ningún servidor.

Cómo Usar Este Generador

Generar un JSON Schema a partir de datos de ejemplo es sencillo:

  1. Pega tu JSON de ejemplo — Proporciona un ejemplo de la estructura JSON que quieres describir. Puede ser los argumentos esperados de una función, una respuesta de API o cualquier objeto JSON. Usa una muestra representativa que incluya todos los campos posibles y valores realistas.
  2. Revisa el schema inferido — El generador analiza tu muestra y produce un JSON Schema con tipos, campos requeridos, indicaciones de formato y descripciones. Inspecciona cada campo para verificar que el tipo inferido sea correcto.
  3. Refina descripciones y restricciones — Edita las descripciones auto-generadas para que sean específicas y útiles para los modelos de IA. Añade restricciones min/max, valores enum o valores por defecto donde sea apropiado. Las buenas descripciones mejoran drásticamente la precisión del function calling.
  4. Selecciona tu formato de destino — Elige entre JSON Schema estándar, formato de function calling de OpenAI, formato de tool use de Anthropic o formato de Google Gemini. Cada salida está correctamente estructurada para uso directo con ese proveedor.
  5. Copia e integra — Copia el schema generado y úsalo en tus definiciones de herramientas, solicitudes de salida estructurada o lógica de validación de API.

Entendiendo JSON Schema para IA

JSON Schema juega un papel central en el desarrollo moderno de IA. Comprender sus conceptos clave te ayuda a escribir mejores schemas y obtener salidas de IA más fiables.

Tipos y Formatos

JSON Schema soporta seis tipos primitivos: `string`, `number`, `integer`, `boolean`, `array` y `object`. La palabra clave `format` añade significado semántico — por ejemplo, `"format": "email"` indica al modelo que la cadena debe ser una dirección de email válida, lo que le ayuda a generar valores correctos.

Campos Requeridos vs. Opcionales

El array `required` lista qué propiedades deben estar presentes. Para el function calling de IA, marcar parámetros críticos como requeridos evita que el modelo los omita. Sin embargo, requerir demasiados campos lleva al modelo a fabricar valores que no tiene — solo requiere campos que el usuario probablemente proporcionará en su prompt.

Enums y Restricciones

La palabra clave `enum` restringe un campo a un conjunto específico de valores. Esto es extremadamente útil para el function calling de IA — cuando un parámetro solo puede ser uno de unos pocos valores (por ejemplo, "asc" o "desc" para orden de clasificación), un enum evita que el modelo invente opciones inválidas. Las restricciones numéricas como `minimum` y `maximum` limitan de manera similar la salida del modelo.

Las Descripciones Son Críticas

En JSON Schema estándar, las descripciones son documentación. En el function calling de IA, las descripciones son instrucciones. El modelo lee las descripciones de propiedades para entender qué valor generar. Una descripción como "La ciudad" es menos útil que "El nombre de la ciudad para la consulta del tiempo, por ejemplo, 'San Francisco'". Invierte tiempo en escribir descripciones claras y específicas — son el factor individual más importante en la precisión del function calling.

Casos de Uso para la Generación de Schemas de IA

La generación de JSON Schema es útil en muchos escenarios de desarrollo de IA:

  • Definiciones de function calling — Genera schemas de parámetros para definiciones de herramientas de IA a partir de objetos de argumentos de ejemplo. Pega lo que esperas que genere el modelo, obtén el schema.
  • Salidas estructuradas — La funcionalidad de salida estructurada de OpenAI y capacidades similares de otros proveedores requieren JSON Schema para definir el formato de respuesta. Genera schemas a partir de respuestas de ejemplo para asegurar la seguridad de tipos.
  • Validación de respuestas de API — Crea schemas a partir de respuestas reales de API para validar la consistencia de datos y detectar cambios de schema a lo largo del tiempo.
  • Prototipado rápido — Al construir integraciones de IA rápidamente, generar schemas a partir de datos de ejemplo es mucho más rápido que escribirlos manualmente, especialmente para estructuras anidadas complejas.
  • Documentación — Los schemas generados sirven como documentación legible por máquinas de tus estructuras de datos, útil tanto para desarrolladores humanos como para sistemas de IA.

Preguntas Frecuentes

¿Qué es JSON Schema y por qué es importante para la IA?

JSON Schema es un estándar para describir la estructura, tipos y restricciones de datos JSON. En el contexto de la IA, JSON Schema se usa para definir parámetros de function calling (qué argumentos acepta una función) y salidas estructuradas (qué formato debe seguir la respuesta del modelo). Proveedores como OpenAI, Anthropic y Google usan JSON Schema para especificar tipos de parámetros de herramientas, campos requeridos, enums y objetos anidados. Un schema bien definido asegura que el modelo de IA genere argumentos válidos y con tipos correctos.

¿Qué tan precisa es la inferencia de schema a partir de datos de ejemplo?

El generador analiza tu JSON de ejemplo para inferir tipos, detectar patrones (emails, URLs, fechas, UUIDs), identificar campos anulables y determinar tipos de elementos de arrays. La precisión depende de la calidad de tu muestra — un solo ejemplo puede omitir campos opcionales o tipos alternativos. Para mejores resultados, proporciona una muestra que incluya todos los campos posibles, casos límite (valores nulos, arrays vacíos) y datos representativos. Siempre puedes refinar manualmente el schema generado.

¿Puedo editar las descripciones en el schema generado?

Sí, y deberías hacerlo. El generador crea descripciones placeholder basadas en nombres de campos y tipos inferidos, pero estas son genéricas. Para el function calling de IA, el campo de descripción es crítico — le dice al modelo qué significa cada parámetro y cómo usarlo. Después de generar el schema base, edita las descripciones para que sean específicas y accionables. Por ejemplo, cambia "El ID de usuario" a "El identificador único del usuario a recuperar, tal como lo devuelve el endpoint /users".

¿Qué formatos de salida admite el generador de schemas?

El generador produce JSON Schema estándar (compatible con Draft 2020-12) que funciona universalmente. También ofrece salidas optimizadas para proveedores de IA específicos: function calling de OpenAI (envuelto en la estructura de definición de herramienta con soporte de modo strict), tool use de Anthropic (con campo input_schema) y Google Gemini (con palabras clave no soportadas eliminadas). Puedes generar un schema independiente o una definición de función completa lista para cualquier proveedor.

Herramientas Relacionadas

Explora más herramientas para construir integraciones de function calling de IA:

Herramientas Relacionadas

Calculadora de Costes de API de IA

Calcula y compara costes entre proveedores de IA incluyendo OpenAI, Anthropic, Google, Mistral AI, xAI y más

Linter de Definiciones de Tool/Function

Valida y analiza tus definiciones de function calling para formatos de OpenAI, Anthropic, Google y Cohere

OpenAPI a Function Calling de IA

Convierte especificaciones OpenAPI/Swagger en definiciones de function calling de IA para cualquier proveedor