Las herramientas disponibles actualmente incluyen la herramienta de búsqueda predeterminada, una herramienta de detalles del elemento que obtiene información sobre un elemento específico, una herramienta de comparación que ayuda a evaluar dos elementos diferentes y una herramienta de consultas de conjunto que reúne diferentes consultas, por ejemplo, para ayudar a planificar un recorrido o organizar una lista de lectura de artículos sobre un conjunto de temas. Se pueden agregar herramientas más especializadas, con un conjunto de herramientas para trabajar con recetas parte de la primera versión. Estos pueden ayudar a sustituir los ingredientes o encontrar los acompañamientos correctos. Para sus propios casos de uso y contenido, puede definir y agregar sus propias herramientas para su propio caso de uso específico, trabajar con el código del proyecto y extender y cambiar según sea necesario. Los desarrollos futuros pueden permitir que los servidores MCP se utilicen como herramientas. Comenzando con NLWEB, el equipo de desarrollo de NLWEB ofrece un puñado de comienzos rápidos para ayudarlo a implementar sus primeras instancias de NLWEB. Estos comienzan con una instancia local básica, ejecutándose en un entorno virtual de Python con una base de datos vectorial. Necesitará acceso a un punto final LLM, siendo el valor predeterminado Azure OpenAI, para inferencias y para generar los incrustaciones que se almacenan en su base de datos Vector. La búsqueda de demostración funciona en un conjunto de alimentos RSS, y puede agregar rápidamente sus propias opciones. Los feeds RSS son una buena primera opción para una fuente estructurada de contenido web, ya que el formato RDF ofrece muchas de las características que NLWEB requiere para generar respuestas.