TOUCAN: 1.5M Datos Agent-Tool para LLMs. Supera a modelos cerrados en BFCL V3 y MCP

Descubre TOUCAN, el dataset tool-agentic disponible públicamente más grande hasta la fecha, esencial para la comunidad de código abierto que ha estado limitada por la falta de datos de entrenamiento de alta calidad. Este masivo corpus contiene 1.5 millones de trayectorias sintetizadas a partir de casi 500 Model Context Protocols (MCPs) del mundo real, proporcionando interacciones diversas, realistas y complejas. A diferencia de los enfoques anteriores que utilizan conjuntos de herramientas simulados o limitados, TOUCAN aprovecha entornos auténticos de MCP e involucra la ejecución real de herramientas para generar tareas desafiantes, cubriendo escenarios como llamadas de herramientas paralelas, multi-paso, y crucialmente, conversaciones multi-turno. Los experimentos demuestran la efectividad de TOUCAN, ya que los modelos ajustados superan a contrapartes cerradas y más grandes en benchmarks como BFCL V3 y MCP-Universe Bench, logrando un mejor equilibrio entre rendimiento y eficiencia en tareas agentic. Si buscas impulsar las capacidades de uso de herramientas de tus agentes LLM, TOUCAN es el dataset que necesitas.https://huggingface.co/papers/2510.01179?s=08https://arxiv.org/pdf/2510.01179