No campo da Inteligência Artificial (IA), embora os Modelos de Linguagem Grandes (LLMs) se destaquem no processamento de linguagem natural, eles frequentemente se mostram inadequados para tarefas de raciocínio complexo. Essas tarefas geralmente exigem raciocínio de múltiplas etapas, conhecimento específico do domínio ou integração eficaz de ferramentas externas. Para superar essas limitações, os pesquisadores têm explorado como melhorar as capacidades dos LLMs por meio do uso de ferramentas externas. Os métodos tradicionais de aumento geralmente exigem ajuste fino ou treinamento adicional do modelo, resultando em limitações em sua adaptabilidade e flexibilidade a tarefas.