Proveedores y conexiones de LLM

Una conexión de Proveedor de LLM es el lugar donde elige el modelo que impulsa la IA en su espacio de trabajo. Contiene el proveedor, su clave de API, un modelo predeterminado e instrucciones permanentes, y es el punto en el que un administrador decide cuánto se le permite hacer al modelo.

Qué contiene la conexión

Campo	Qué hace
Proveedor	Anthropic, OpenAI, Google Gemini, xAI Grok, Azure OpenAI o GitHub Models.
Clave de API	Suya. El uso se factura a su cuenta con ese proveedor y no se revende a través de PlaidCloud.
Modelo predeterminado	Se elige entre la oferta actual del propio proveedor, obtenida con su clave de API. Otros… acepta un id de modelo que usted escriba, para cualquier modelo que la lista no incluya.
URL base	Se muestra solo para los proveedores que la leen: obligatoria para Azure OpenAI (el punto de conexión de su recurso) y una anulación opcional para OpenAI, Grok y GitHub Models. Anthropic y Gemini no la usan.
Versión de API	Solo para Azure OpenAI.
Reglas	Instrucciones permanentes que se anteponen a cada mensaje del sistema: convenciones de la casa, tono, qué no hacer nunca.
Acceso del agente	El límite máximo de lo que pueden hacer los agentes y los pasos que usan esta conexión. Solo lectura, a menos que se eleve.

Aquí también se definen el nombre, la nota y quién puede ver la conexión, y Probar conexión comprueba la clave antes de que dependa de ella.

Un espacio de trabajo puede contener varias conexiones; una se marca como predeterminada. Un paso de flujo de trabajo puede fijar una conexión específica cuando necesita un modelo distinto del predeterminado del espacio de trabajo.

Un espacio de trabajo también puede contener una conexión Anthropic Claude anterior, de cuando el proveedor aún no era un campo de un único tipo de conexión. Tiene la misma configuración y se abre en el mismo editor, con el proveedor fijado en Anthropic. Cree las conexiones nuevas como Proveedor de LLM.

Consejo

La lista de modelos proviene del proveedor, no de PlaidCloud. Al abrir la conexión se pregunta a su proveedor qué modelos puede alcanzar su clave, de modo que un modelo lanzado esta mañana se ofrece sin esperar a una versión de PlaidCloud. Los modelos que no pueden responder a una indicación (modelos de incrustaciones, voz, imagen y moderación) se omiten.

Si no se puede contactar con el proveedor (una clave que aún no se ha introducido, una incorrecta o una interrupción del servicio), la lista recurre a la integrada de PlaidCloud y lo indica. Otros… sigue aceptando cualquier id de modelo que usted escriba.

Proveedores y adaptadores

Seis proveedores visibles para el usuario se asignan a cuatro adaptadores de ejecución. El adaptador determina cómo se estructura la solicitud y a qué puede acceder el modelo. Los nombres de proveedor que aparecen a continuación son las etiquetas tal como figuran en la lista desplegable del formulario de conexión.

Proveedor	Adaptador	Notas
Anthropic (Claude)	anthropic	La única ruta con vinculaciones limitadas a tablas, dimensiones y documentos.
OpenAI (ChatGPT)	openai_compatible
xAI (Grok)	openai_compatible
GitHub Models	openai_compatible	Modelos alojados en GitHub para equipos centrados en GitHub.
Google (Gemini)	gemini
Azure OpenAI	azure	El punto de conexión de su recurso; el “modelo” es su nombre de la implementación, y la versión de API proviene de la conexión.

Precaución

GitHub Copilot no es una opción aquí, y no es un descuido. Copilot no tiene una API de chat independiente a la que pueda apuntar un servidor: intercambia un token de OAuth por un derecho de uso en el editor. La vía de Microsoft para los modelos GPT de la clase de Copilot es Azure OpenAI (o GitHub Models). GitHub Copilot como cliente de IDE que se conecta a PlaidCloud es algo completamente distinto, y funciona; consulte GitHub Copilot.

Cómo se intermedian las herramientas

Un LLM solo es útil aquí si puede llamar a las herramientas de PlaidCloud. Para el asistente interactivo hay dos mecanismos, y cuál se ejecuta depende del proveedor. (El paso LLM del flujo de trabajo, que se ejecuta sin supervisión, funciona de otra manera; lea también esa sección).

Conector del lado del servidor: Anthropic

La API de Anthropic se conecta por sí misma a su punto de conexión MCP de PlaidCloud, con el token delegado de corta duración. Anthropic administra el catálogo de herramientas de su lado, de modo que el modelo ve todo lo que el token tiene permitido invocar y descubre las herramientas sin ayuda.

Esta es también la única ruta que admite vinculaciones limitadas; consulte más abajo.

Bucle del lado del cliente: todos los demás

Los demás proveedores no tienen un conector equivalente, así que PlaidCloud ejecuta el bucle por sí mismo: se conecta a su propio servidor MCP como cliente, enumera las herramientas, se las entrega al modelo como definiciones nativas de funciones, ejecuta las llamadas que el modelo solicita, devuelve los resultados y repite hasta que el modelo produce una respuesta.

Dos límites hacen que esto sea predecible:

• Una superficie de herramientas acotada. Los proveedores limitan cuántas funciones puede declarar una solicitud, y cada esquema consume tokens de la indicación. El conjunto expuesto está acotado, y las metaherramientas de descubrimiento siempre están presentes para que el modelo pueda seguir encontrando e invocando cualquier cosa que esté fuera de la lista directa.
• Un límite fijo de ciclos. Un bucle de herramientas descontrolado se detiene en lugar de consumir tokens indefinidamente.

Nota

Distinto intermediario, misma aplicación de reglas. El bucle del lado del cliente llama al mismo servidor MCP con el mismo token delegado, de modo que los alcances, las ACL, el Acceso del agente y la lista de denegación se aplican exactamente igual que en la ruta de Anthropic.

El paso LLM del flujo de trabajo es diferente

Todo lo anterior describe la IA interactiva. El paso LLM del flujo de trabajo, que se ejecuta sin supervisión, no usa el bucle del lado del cliente en absoluto, y conviene entender la diferencia antes de elegir un proveedor para uno.

Proveedor en la conexión del paso	Qué puede hacer el paso
Anthropic	Accede a sus datos mediante el conector MCP, restringido a vinculaciones limitadas: las tablas, dimensiones y documentos específicos que usted nombró en el paso, cada uno marcado como lectura o escritura. Todo lo que quede fuera de esos objetos se rechaza aunque la herramienta exista.
Todos los demás	Sin acceso a datos. El paso es una única respuesta estructurada: entran la indicación, las reglas y el esquema; sale JSON.

De ahí se derivan directamente dos consecuencias:

• Las vinculaciones se ignoran en un paso que no es de Anthropic. No se respetan en silencio y no son un error: el paso registra que el acceso limitado a datos es exclusivo de Anthropic y se ejecuta sin ellas. Si cambia un paso con vinculaciones de Anthropic a otro proveedor, deja de leer sus datos.
• Se requiere un esquema de resultado en un paso que no es de Anthropic. Sin herramientas que invocar, el resultado estructurado es lo único que produce el paso.

Precaución

Si un paso necesita leer o escribir objetos del proyecto, colóquelo en una conexión de Anthropic. En cualquier otro proveedor, el paso aún puede clasificar, resumir, extraer o reescribir el texto que usted incluya en la indicación, pero no puede ir a buscar nada.

Acceso del agente

Cada conexión de LLM tiene una configuración de Acceso del agente. Es un límite máximo que siempre se cruza con los permisos reales de la persona que actúa.

Acceso del agente	Qué pueden hacer los agentes y pasos de esta conexión
Solo lectura (predeterminado)	Enumerar, describir, leer datos de tablas, leer miembros de dimensiones, leer documentos y ejecutar SQL de solo lectura.
Lectura y escritura	Lo anterior, más los cambios que la persona ya tiene permiso de hacer, mediante las herramientas de escritura de PlaidCloud. El SQL sin procesar sigue siendo de solo lectura.
Completo (obsoleto: se eliminará el 15 de enero de 2027)	El conjunto completo de herramientas de la persona, incluido el SQL que escribe. Use Lectura y escritura en su lugar.

En cada configuración de Acceso del agente se aplica una lista de denegación incondicional: la configuración de conexiones y credenciales, quién es propietario de una conexión o tiene acceso a ella, las credenciales y ACL de las cuentas de documentos, la administración de miembros y grupos, el restablecimiento de contraseñas, las ACL de proyectos, el modo de contabilización de ERP de un proyecto, la publicación, el código de funciones definidas por el usuario y las implementaciones de aplicaciones. Una credencial de IA nunca puede invocarlas.

En un paso de flujo de trabajo de Anthropic, el Acceso del agente interactúa con las vinculaciones: en Lectura y escritura, la escritura se concede por objeto vinculado, de modo que un paso puede escribir en la única tabla que usted marcó y en nada más.

Resultados estructurados

Cuando un paso declara un esquema de resultado, la respuesta se valida contra él en lugar de extraerse de texto libre. Como los proveedores expresan los esquemas de forma distinta, el esquema se traduce para cada proveedor (el dialecto JSON estricto para los puntos de conexión compatibles con OpenAI, el subconjunto de OpenAPI para Gemini), y una negativa o una respuesta truncada se notifica como su propio error en lugar de un confuso “JSON no válido”.

Medidas de protección que conviene conocer

• Las URL salientes se validan antes de cualquier llamada. Una URL base debe ser HTTPS y resolverse a una dirección pública; se rechazan las direcciones de bucle local, de rango privado, de enlace local y de metadatos de la nube, y las redirecciones están desactivadas para que una respuesta no pueda desviar la llamada a otro lugar.
• Las claves no aparecen en registros ni errores. Los errores del proveedor se depuran en lugar de devolverse con credenciales dentro.
• Las reglas son instrucciones, no permisos. Las reglas permanentes de una conexión moldean cómo se comporta el modelo. No pueden elevar lo que se le permite alcanzar.

Relacionado

• Arquitectura de IA y LLM: las superficies y la ruta compartida
• Uso de su propio LLM controlado: Azure OpenAI y opciones autoalojadas
• Conexiones: creación y administración de conexiones en general