Cuando el LLM intenta ejecutar una herramienta, la respuesta no debe mostrarse como texto plano. Debe ser manejada como un tool_call o function_call y ejecutada localmente.

Regla importante

Añade esta instrucción al System Prompt:

When outputting Windows file paths in JSON arguments, you must strictly escape all backslashes (for example: C:\\Users\\name\\file.txt).

Patrón recomendado

El LLM devuelve una llamada como JSON.
Tu cliente detecta tool_calls o function_call.
Tu código ejecuta la función localmente.
Se envía de vuelta al LLM el resultado con rol tool o function.

Ejemplo de implementación

El proyecto incluye un ejemplo funcional en tool_call_demo.py que:

simula un tool_call del modelo,
valida que la ruta JSON esté escapada correctamente,
lee el archivo físico en disco,
devuelve el contenido al modelo para continuar.

python tool_call_demo.py

Ejemplo de payload válido

{
  "tool_calls": [
    {
      "id": "call_read_001",
      "type": "function",
      "function": {
        "name": "read_file",
        "arguments": "{\"path\": \"c:\\\\Workspace\\\\llm-server-setup\\\\README.md\"}"
      }
    }
  ]
}

Si el JSON tiene barras invertidas sin escape, el parser falla y el modelo parece "no responder". Usar rutas con \\ en JSON es obligatorio en Windows.

Instalación Rápida

# 1. Clonar repositorio
git clone https://github.com/tuuser/llm-server-setup.git
cd llm-server-setup

# 2. Instalar OpenClaw sin iniciar el asistente
bash install_openclaw.sh

# 3. Ejecutar el asistente inicial cuando quieras
openclaw onboard --install-daemon

# También puedes instalar y abrir el asistente en el mismo paso
bash install_openclaw.sh --onboard

El script está pensado para Ubuntu 22.04/24.04 y WSL2. Usa el instalador oficial de OpenClaw, que instala Node.js si es necesario. Revisa las instrucciones oficiales si vas a usar otra distribución o un entorno restringido.

Instalación del servidor LLM

nano setup_llm_server.sh

chmod +x setup_llm_server.sh
sudo ./setup_llm_server.sh