Web search and camera vision

Dos capacidades nuevas en un crate aparte, asist-tools, registradas desde
asist-app: son el ejemplo de que el punto de extensión documentado funciona
sin tocar el orquestador.

Buscar admite tres buscadores intercambiables. Tavily devuelve una respuesta ya
redactada, que es lo que se puede leer en voz alta sin gastar otra vuelta del
modelo en resumir (0,54 s para «capital de Australia»); ddgs no necesita clave
y devuelve fragmentos que el modelo sintetiza (2,24 s). El tercero es un
backend de comando genérico: ejecuta un programa y lee JSON de su salida, así
que añadir otro buscador —o un puente a un servidor MCP— es escribir un guion.

Sobre DuckDuckGo, comprobado y no supuesto: curl contra html.duckduckgo.com
devuelve HTTP 202 con una página anti-bot y ni un resultado, y la API sin clave
api.duckduckgo.com devuelve vacío para casi todo lo que no sea una entidad de
enciclopedia. La librería ddgs —la misma que hay bajo duckduckgo-mcp— sí
funciona porque rota buscadores y cabeceras, y es la que usa
scripts/buscar-ddgs.sh.

Mirar aprovecha que el servidor ya carga el proyector multimodal: el mismo
modelo que conversa describe lo que capta la cámara. La pregunta del usuario
viaja hasta ahí, porque «¿de qué color es mi camiseta?» y «¿cuánta gente hay?»
necesitan la misma imagen y descripciones distintas. La imagen no entra en el
historial —cientos de tokens por turno para algo ya descrito— ni toca el disco.

Tres cosas más que salieron de medir, en docs/RENDIMIENTO.md:

- La resolución de captura manda en la latencia: 7,8 s a 1280x720 frente a
  2,9 s a 640x480, con la misma descripción útil. 640x480 pasa a ser el valor
  por defecto.
- Una herramienta ejecutándose en silencio deja el turno seis segundos mudo y
  parece un cuelgue. Tool::acknowledgement pronuncia una frase antes de
  ejecutar y baja el primer audio de ~8,4 s a 4,1 s.
- Con la instrucción de voz a secas en la pasada de redacción, el modelo
  anunciaba lo que acababa de hacer en vez de contar lo que averiguó, ignorando
  el resultado que tenía delante. general.tool_result_prompt lo corrige; ahí sí
  se puede añadir estilo sin riesgo, porque la llamada ya ocurrió.

Con tres herramientas declaradas el modelo elige bien entre ellas (15 de 16
medido), pero le cuesta abstenerse y busca cosas que ya sabe. Intentar
corregirlo con instrucciones empeora los aciertos sin reducir los falsos
positivos, coherente con la fragilidad ya documentada.

Corregido además un fallo que dejaba mudo al asistente tras la primera
respuesta: el anillo de reproducción no bajaba nunca su bandera de actividad,
así que el segmentador mantenía el micrófono cerrado creyendo que seguía
hablando. El segmentador se guía ahora por la cola, que no puede desfasarse, y
hay pruebas del anillo con un mando sin dispositivo detrás.

Claude-Session: https://claude.ai/code/session_01FNxz5cSdQSscJH9H7b8uGU

5 files changed, 473 insertions, 37 deletions

diff --git a/crates/asist-app/Cargo.toml b/crates/asist-app/Cargo.toml
index 6a5daee..205277f 100644
--- a/crates/asist-app/Cargo.toml
+++ b/crates/asist-app/Cargo.toml
@@ -14,6 +14,7 @@ asist-core.workspace = true
 asist-asr.workspace = true
 asist-llm.workspace = true
 asist-tts.workspace = true
+asist-tools.workspace = true
 
 [dependencies]
 asist-core.workspace = true
@@ -21,6 +22,7 @@ asist-audio.workspace = true
 asist-asr.workspace = true
 asist-llm.workspace = true
 asist-tts.workspace = true
+asist-tools.workspace = true
 anyhow.workspace = true
 crossbeam-channel.workspace = true
 serde_json.workspace = true
diff --git a/crates/asist-app/src/main.rs b/crates/asist-app/src/main.rs
index 2788d97..7b00b1f 100644
--- a/crates/asist-app/src/main.rs
+++ b/crates/asist-app/src/main.rs
@@ -5,11 +5,13 @@
 //! espera a la siguiente.
 
 mod pipeline;
+mod registry;
 mod render;
 mod session;
 mod supervisor;
 
 use std::path::PathBuf;
+use std::sync::Arc;
 use std::time::Duration;
 
 use anyhow::{bail, Context, Result};
@@ -19,7 +21,6 @@ use asist_asr::Recognizer;
 use asist_audio::{Capture, CaptureBlock, Playback};
 use asist_core::config::Config;
 use asist_core::event::Event;
-use asist_core::tools::ToolRegistry;
 use asist_llm::LlmClient;
 use asist_tts::TtsClient;
 
@@ -52,7 +53,9 @@ fn run(config: Config, args: &Args) -> Result<()> {
 
     // Los clientes se crean antes de arrancar nada: así se detecta lo que ya
     // esté escuchando y no se levanta un servidor por duplicado.
-    let llm = LlmClient::new(config.llm_authority(), &config.llm);
+    // Compartido: el orquestador conversa con él y la herramienta de cámara
+    // lo usa para describir lo que capta.
+    let llm = Arc::new(LlmClient::new(config.llm_authority(), &config.llm));
     let tts = TtsClient::new(config.tts_authority(), &config.tts);
     let (llm_up, tts_up) = (llm.healthy(), tts.healthy());
 
@@ -92,12 +95,33 @@ fn run(config: Config, args: &Args) -> Result<()> {
     let (capture_tx, capture_rx) = unbounded::<CaptureBlock>();
     let capture = Capture::open(&config.audio, capture_tx.clone())?;
 
-    let tools = ToolRegistry::from_config(&config.tools);
+    let (tools, skipped) = registry::build(&config, &llm);
     if tools.is_empty() {
         eprintln!("Herramientas: ninguna");
     } else {
         eprintln!("Herramientas: {}", tools.names().join(", "));
     }
+    // Lo que no se pudo activar se dice en voz alta, en vez de dejar al
+    // usuario preguntándose por qué el asistente no busca ni ve.
+    for skip in &skipped {
+        eprintln!("  · {} no disponible: {}", skip.tool, skip.reason);
+    }
+    // Las dos capacidades que tocan algo fuera del proceso se anuncian: una
+    // enciende la cámara y la otra ejecuta órdenes. Quien lo arranca debería
+    // saberlo sin tener que leerse la configuración.
+    if tools.get("mirar_por_la_camara").is_some() {
+        eprintln!(
+            "Cámara ACTIVA — {} a {}x{}{}",
+            config.camera.device.display(),
+            config.camera.width,
+            config.camera.height,
+            if config.camera.save_dir.is_empty() {
+                String::new()
+            } else {
+                format!(", guardando fotogramas en {}", config.camera.save_dir)
+            }
+        );
+    }
     if config.tools.shell {
         eprintln!(
             "Ejecución de órdenes ACTIVA — permitidas: {}{}",
@@ -263,6 +287,61 @@ fn check(config: &Config) -> Result<()> {
         }
     }
 
+    println!("Capacidades:");
+    // Ninguna de las dos es fatal: el asistente conversa igual sin ellas, así
+    // que se informa y no se cuentan como problema.
+    if !config.search.enabled {
+        println!("  -     búsqueda               desactivada en la configuración");
+    } else {
+        match config.search.backend.trim().to_lowercase().as_str() {
+            "tavily" => match std::env::var(&config.search.api_key_env) {
+                Ok(key) if !key.trim().is_empty() => ok(
+                    "búsqueda (tavily)",
+                    format!("clave en ${}", config.search.api_key_env),
+                ),
+                _ => println!(
+                    "  -     búsqueda (tavily)      falta ${}",
+                    config.search.api_key_env
+                ),
+            },
+            "ddgs" | "comando" => match config.search.command.first() {
+                // Un nombre suelto se resuelve por el PATH; una ruta tiene que
+                // existir, y más vale decirlo aquí que a mitad de una pregunta.
+                Some(program) if !program.contains('/') || PathBuf::from(program).exists() => {
+                    ok("búsqueda (ddgs)", config.search.command.join(" "))
+                }
+                Some(program) => {
+                    println!("  -     búsqueda (ddgs)        no existe {program}")
+                }
+                None => println!("  -     búsqueda (ddgs)        search.command está vacío"),
+            },
+            "searxng" => ok("búsqueda (searxng)", config.search.base_url.clone()),
+            other => println!("  -     búsqueda               backend desconocido: «{other}»"),
+        }
+    }
+
+    if !config.camera.enabled {
+        println!("  -     cámara                 desactivada en la configuración");
+    } else if config.camera.device.exists() {
+        ok(
+            "cámara",
+            format!(
+                "{} a {}x{}",
+                config.camera.device.display(),
+                config.camera.width,
+                config.camera.height
+            ),
+        );
+        if which("ffmpeg").is_none() {
+            println!("  -     ffmpeg                 no está; hace falta para capturar");
+        }
+    } else {
+        println!(
+            "  -     cámara                 no existe {}",
+            config.camera.device.display()
+        );
+    }
+
     println!("Servidores:");
     let llm = LlmClient::new(config.llm_authority(), &config.llm);
     let tts = TtsClient::new(config.tts_authority(), &config.tts);
@@ -412,6 +491,16 @@ impl Args {
     }
 }
 
+/// Busca un ejecutable en el PATH, para avisar de lo que falta antes de que
+/// falle a mitad de una conversación.
+fn which(program: &str) -> Option<PathBuf> {
+    std::env::var_os("PATH").and_then(|path| {
+        std::env::split_paths(&path)
+            .map(|dir| dir.join(program))
+            .find(|candidate| candidate.is_file())
+    })
+}
+
 /// ¿Hay una persona al otro lado de la entrada estándar?
 fn stdin_is_tty() -> bool {
     #[cfg(unix)]
diff --git a/crates/asist-app/src/pipeline.rs b/crates/asist-app/src/pipeline.rs
index 9e9037e..69fc66a 100644
--- a/crates/asist-app/src/pipeline.rs
+++ b/crates/asist-app/src/pipeline.rs
@@ -67,7 +67,7 @@ impl Pipeline {
         config: &Config,
         session: Session,
         recognizer: Recognizer,
-        llm: LlmClient,
+        llm: Arc<LlmClient>,
         tts: TtsClient,
         tools: ToolRegistry,
         playback: PlaybackHandle,
@@ -175,7 +175,11 @@ fn run_segmenter(
         }
         // El micrófono se cierra mientras suena el altavoz. Con barge-in
         // activo no se cierra, sólo sube el listón de volumen.
-        segmenter.set_gate(if session.is_speaking() || playback.is_active() {
+        //
+        // La segunda condición mira la cola y no una bandera a propósito: la
+        // cola no puede quedarse desfasada, y una bandera que se olvide de
+        // bajar deja el micrófono cerrado para el resto de la sesión.
+        segmenter.set_gate(if session.is_speaking() || playback.queued_secs() > 0.0 {
             Gate::Speaking
         } else {
             Gate::Open
@@ -253,7 +257,7 @@ fn run_segmenter(
 fn run_brain(
     config: &Config,
     session: Session,
-    llm: LlmClient,
+    llm: Arc<LlmClient>,
     tools: ToolRegistry,
     results: Receiver<AsrResult>,
     speak: Sender<SpeakJob>,
@@ -337,6 +341,12 @@ struct Prompts {
     /// Para la pasada en que el modelo decide si llamar a una herramienta.
     deciding: String,
     /// Para redactar la respuesta hablada, ya con los resultados en la mano.
+    ///
+    /// Lleva pegada la orden de usar lo que la herramienta devolvió. Sin ella
+    /// el modelo se limita a anunciar lo que acaba de hacer —«he tomado una
+    /// foto, ahora puedo responderte sobre el objeto o color»— y se deja el
+    /// dato que tenía delante. Aquí sí se puede añadir estilo sin riesgo: la
+    /// llamada ya ocurrió, así que no hay nada que estropear.
     speaking: String,
     /// `false` cuando no hay herramientas: entonces ambas son la misma.
     two_phase: bool,
@@ -352,7 +362,11 @@ impl Prompts {
             } else {
                 speaking.clone()
             },
-            speaking,
+            speaking: if two_phase {
+                format!("{speaking}\n\n{}", config.general.tool_result_prompt.trim())
+            } else {
+                speaking.clone()
+            },
             two_phase,
         }
     }
@@ -377,6 +391,27 @@ fn answer(
     let tools = (!tools.is_empty() && config.tools.enabled).then_some(tools);
     let mut splitter = SentenceSplitter::new();
     let mut spoken = String::new();
+    // Índice propio, y no el del troceador, porque al flujo de frases se le
+    // cuelan los acuses de las herramientas. El índice 0 marca el primer
+    // sonido del turno, que es de donde se mide la latencia percibida.
+    let mut emitted = 0usize;
+
+    // Manda una frase al sintetizador. Devuelve `false` si el canal se cerró.
+    let say = |index: &mut usize, text: String| -> bool {
+        let _ = events.send(Event::Sentence {
+            turn,
+            index: *index,
+            text: text.clone(),
+        });
+        let job = SpeakJob {
+            turn,
+            index: *index,
+            text,
+            turn_started,
+        };
+        *index += 1;
+        speak.send(job).is_ok()
+    };
 
     for round in 0..=config.llm.max_tool_rounds {
         let llm_started = Instant::now();
@@ -403,21 +438,7 @@ fn answer(
                     // Aquí está el solape: cada frase cerrada sale hacia el
                     // sintetizador sin esperar al resto de la respuesta.
                     for sentence in splitter.push(text) {
-                        let index = splitter.emitted() - 1;
-                        let _ = events.send(Event::Sentence {
-                            turn,
-                            index,
-                            text: sentence.clone(),
-                        });
-                        if speak
-                            .send(SpeakJob {
-                                turn,
-                                index,
-                                text: sentence,
-                                turn_started,
-                            })
-                            .is_err()
-                        {
+                        if !say(&mut emitted, sentence) {
                             return false;
                         }
                     }
@@ -449,20 +470,9 @@ fn answer(
 
         if outcome.tool_calls.is_empty() {
             if let Some(rest) = splitter.flush() {
-                let index = splitter.emitted() - 1;
-                let _ = events.send(Event::Sentence {
-                    turn,
-                    index,
-                    text: rest.clone(),
-                });
-                let _ = speak.send(SpeakJob {
-                    turn,
-                    index,
-                    text: rest,
-                    turn_started,
-                });
+                say(&mut emitted, rest);
             }
-            timer.sentences = splitter.emitted();
+            timer.sentences = emitted;
             chat.push(Message::assistant(outcome.text.clone()));
             // El turno siguiente vuelve a empezar decidiendo.
             if prompts.two_phase {
@@ -500,6 +510,14 @@ fn answer(
                 name: call.name.clone(),
                 arguments: call.arguments.clone(),
             });
+            // Se dice antes de ejecutar, no después: la gracia es tapar la
+            // espera, y una búsqueda con las dos pasadas del modelo detrás son
+            // seis segundos que sin esto pasan en silencio absoluto.
+            if config.tools.spoken_ack {
+                if let Some(ack) = tools.get(&call.name).and_then(|t| t.acknowledgement()) {
+                    say(&mut emitted, ack.to_string());
+                }
+            }
             let result = tools.dispatch(call);
             let _ = events.send(Event::ToolFinished {
                 turn,
@@ -553,8 +571,9 @@ fn run_speech(
         let Some(job) = job else {
             // Sin trabajo: si ya no queda audio, el turno ha terminado de sonar.
             if let Some(turn) = speaking_turn {
-                if !playback.is_active() || playback.queued_secs() <= 0.0 {
+                if playback.queued_secs() <= 0.0 {
                     session.set_speaking(false);
+                    playback.mark_idle();
                     speaking_turn = None;
                     let _ = events.send(Event::AudioFinished { turn });
                 }
diff --git a/crates/asist-app/src/registry.rs b/crates/asist-app/src/registry.rs
new file mode 100644
index 0000000..13bbb75
--- /dev/null
+++ b/crates/asist-app/src/registry.rs
@@ -0,0 +1,122 @@
+//! Montaje del juego de herramientas.
+//!
+//! `ToolRegistry::from_config` sólo conoce las que no dependen de nada
+//! —el reloj, la shell—, porque vive en el núcleo. Las que necesitan la red o
+//! el modelo multimodal se añaden aquí, que es exactamente el punto de
+//! extensión documentado en docs/EXTENDER.md.
+
+use std::sync::Arc;
+use std::time::Duration;
+
+use asist_core::config::{CameraConfig, Config, SearchConfig};
+use asist_core::tools::ToolRegistry;
+use asist_llm::LlmClient;
+use asist_tools::camera::CaptureConfig;
+use asist_tools::{Camera, SearchBackend, WebSearch};
+
+/// Lo que no se pudo activar y por qué, para decírselo al usuario al arrancar
+/// en vez de dejarlo en silencio.
+pub struct Skipped {
+    pub tool: &'static str,
+    pub reason: String,
+}
+
+pub fn build(config: &Config, llm: &Arc<LlmClient>) -> (ToolRegistry, Vec<Skipped>) {
+    let mut registry = ToolRegistry::from_config(&config.tools);
+    let mut skipped = Vec::new();
+
+    if !config.tools.enabled {
+        return (registry, skipped);
+    }
+
+    match search_tool(&config.search) {
+        Ok(Some(tool)) => registry.register(Arc::new(tool)),
+        Ok(None) => {}
+        Err(reason) => skipped.push(Skipped {
+            tool: "buscar_en_internet",
+            reason,
+        }),
+    }
+
+    match camera_tool(&config.camera, llm) {
+        Ok(Some(tool)) => registry.register(Arc::new(tool)),
+        Ok(None) => {}
+        Err(reason) => skipped.push(Skipped {
+            tool: "mirar_por_la_camara",
+            reason,
+        }),
+    }
+
+    (registry, skipped)
+}
+
+fn search_tool(config: &SearchConfig) -> Result<Option<WebSearch>, String> {
+    if !config.enabled {
+        return Ok(None);
+    }
+    let backend = match config.backend.trim().to_lowercase().as_str() {
+        "tavily" => {
+            // La clave sale del entorno, nunca del fichero de configuración.
+            let key = std::env::var(&config.api_key_env)
+                .ok()
+                .map(|k| k.trim().to_string())
+                .filter(|k| !k.is_empty())
+                .ok_or_else(|| {
+                    format!(
+                        "la variable {} está vacía o sin definir; expórtala o cambia \
+                         search.backend a «searxng»",
+                        config.api_key_env
+                    )
+                })?;
+            SearchBackend::Tavily { api_key: key }
+        }
+        "searxng" => SearchBackend::SearxNG {
+            base_url: config.base_url.clone(),
+        },
+        "ddgs" | "comando" => {
+            let (program, args) = config
+                .command
+                .split_first()
+                .ok_or_else(|| "search.command está vacío".to_string())?;
+            if !std::path::Path::new(program).exists() && !program.contains('/') {
+                // Un nombre suelto se busca en el PATH; una ruta tiene que existir.
+            } else if !std::path::Path::new(program).exists() {
+                return Err(format!("no existe el buscador {program}"));
+            }
+            SearchBackend::Command {
+                program: program.into(),
+                args: args.to_vec(),
+            }
+        }
+        other => return Err(format!("search.backend desconocido: «{other}»")),
+    };
+
+    Ok(Some(WebSearch::new(
+        backend,
+        config.max_results,
+        Duration::from_secs(config.timeout_secs),
+    )))
+}
+
+fn camera_tool(config: &CameraConfig, llm: &Arc<LlmClient>) -> Result<Option<Camera>, String> {
+    if !config.enabled {
+        return Ok(None);
+    }
+    let capture = CaptureConfig {
+        device: config.device.clone(),
+        width: config.width,
+        height: config.height,
+        warmup_frames: config.warmup_frames,
+        timeout: Duration::from_secs(config.timeout_secs),
+        save_dir: (!config.save_dir.is_empty()).then(|| config.save_dir.clone().into()),
+    };
+    // Registrar una herramienta que va a fallar siempre es peor que no tenerla:
+    // el modelo la llamaría, se comería el error y gastaría un turno entero.
+    if !Camera::available(&capture) {
+        return Err(format!(
+            "no existe {}; comprueba con «v4l2-ctl --list-devices»",
+            capture.device.display()
+        ));
+    }
+    Ok(Some(Camera::new(capture, Arc::clone(llm))))
+}
diff --git a/crates/asist-app/tests/integracion.rs b/crates/asist-app/tests/integracion.rs
index 91a074a..a7f7e15 100644
--- a/crates/asist-app/tests/integracion.rs
+++ b/crates/asist-app/tests/integracion.rs
@@ -14,7 +14,7 @@ use std::time::{Duration, Instant};
 
 use asist_core::config::Config;
 use asist_core::http::Cancel;
-use asist_core::tools::ToolRegistry;
+use asist_core::tools::{Tool, ToolRegistry};
 use asist_llm::chat::Conversation;
 use asist_llm::{Delta, LlmClient, Message};
 use asist_tts::TtsClient;
@@ -264,3 +264,207 @@ fn el_asr_transcribe_lo_que_sintetiza_el_tts() {
         "sólo se reconocieron {acertadas} palabras de «{frase}» en «{texto}»"
     );
 }
+
+// ---------------------------------------------------------------------------
+// Buscar en internet y mirar por la cámara
+// ---------------------------------------------------------------------------
+
+#[test]
+fn la_busqueda_devuelve_algo_pronunciable() {
+    let config = config();
+    if !config.search.enabled {
+        eprintln!("búsqueda desactivada; prueba omitida");
+        return;
+    }
+    let Ok(key) = std::env::var(&config.search.api_key_env) else {
+        eprintln!("sin ${}; prueba omitida", config.search.api_key_env);
+        return;
+    };
+    if key.trim().is_empty() {
+        eprintln!("${} vacía; prueba omitida", config.search.api_key_env);
+        return;
+    }
+
+    let tool = asist_tools::WebSearch::new(
+        asist_tools::SearchBackend::Tavily { api_key: key },
+        config.search.max_results,
+        Duration::from_secs(config.search.timeout_secs),
+    );
+    let started = Instant::now();
+    let out = tool
+        .call(&serde_json::json!({ "consulta": "capital de Australia" }))
+        .expect("la búsqueda falló");
+
+    eprintln!(
+        "búsqueda en {:?}: {}",
+        started.elapsed(),
+        &out[..out.len().min(200)]
+    );
+    assert!(!out.trim().is_empty());
+    assert!(
+        out.to_lowercase().contains("canberra"),
+        "esperaba la respuesta en el resumen, salió: {out}"
+    );
+    // Lo que devuelve se lee en voz alta; una parrafada de miles de caracteres
+    // ahoga al modelo que tiene que resumirla.
+    assert!(
+        out.len() < 6000,
+        "el resultado es demasiado largo: {} bytes",
+        out.len()
+    );
+}
+
+#[test]
+fn una_consulta_inventada_no_revienta_el_turno() {
+    let config = config();
+    let Ok(key) = std::env::var(&config.search.api_key_env) else {
+        return;
+    };
+    if key.trim().is_empty() {
+        return;
+    }
+    // Vía el registro, que es como llega de verdad: un fallo tiene que volver
+    // como texto para el modelo, nunca como un error que corte la respuesta.
+    let mut registry = ToolRegistry::new();
+    registry.register(std::sync::Arc::new(asist_tools::WebSearch::new(
+        asist_tools::SearchBackend::Tavily {
+            api_key: "clave-invalida".into(),
+        },
+        3,
+        Duration::from_secs(10),
+    )));
+    let outcome = registry.dispatch(&asist_core::tools::ToolCall {
+        id: "1".into(),
+        name: "buscar_en_internet".into(),
+        arguments: r#"{"consulta":"algo"}"#.into(),
+    });
+    assert!(!outcome.ok);
+    assert!(
+        !outcome.output.contains("clave-invalida"),
+        "el mensaje de error no debe llevar la clave dentro: {}",
+        outcome.output
+    );
+}
+
+#[test]
+fn la_camara_captura_un_jpeg() {
+    let config = config();
+    let capture = asist_tools::camera::CaptureConfig {
+        device: config.camera.device.clone(),
+        width: config.camera.width,
+        height: config.camera.height,
+        warmup_frames: config.camera.warmup_frames,
+        timeout: Duration::from_secs(config.camera.timeout_secs),
+        save_dir: None,
+    };
+    if !config.camera.enabled || !capture.device.exists() {
+        eprintln!("sin cámara; prueba omitida");
+        return;
+    }
+
+    let started = Instant::now();
+    let frame = asist_tools::camera::capture(&capture).expect("la captura falló");
+    eprintln!(
+        "fotograma de {} KB en {:?}",
+        frame.len() / 1024,
+        started.elapsed()
+    );
+
+    assert!(
+        frame.len() > 1000,
+        "el fotograma es sospechosamente pequeño"
+    );
+    // Cabecera JPEG: si no está, ffmpeg devolvió otra cosa y el modelo la
+    // rechazaría sin decir por qué.
+    assert_eq!(&frame[..2], &[0xFF, 0xD8], "no parece un JPEG");
+}
+
+#[test]
+#[ignore = "enciende la cámara y hace una pasada de visión; lento"]
+fn el_modelo_describe_lo_que_ve_la_camara() {
+    let _gpu = en_exclusiva();
+    let Some((config, llm, _)) = clientes() else {
+        return;
+    };
+    let capture = asist_tools::camera::CaptureConfig {
+        device: config.camera.device.clone(),
+        width: config.camera.width,
+        height: config.camera.height,
+        warmup_frames: config.camera.warmup_frames,
+        timeout: Duration::from_secs(config.camera.timeout_secs),
+        save_dir: None,
+    };
+    if !config.camera.enabled || !capture.device.exists() {
+        eprintln!("sin cámara; prueba omitida");
+        return;
+    }
+
+    let tool = asist_tools::Camera::new(capture, std::sync::Arc::new(llm));
+    let started = Instant::now();
+    let out = tool
+        .call(&serde_json::json!({ "pregunta": "¿Qué se ve en la imagen?" }))
+        .expect("la descripción falló");
+
+    eprintln!("visión en {:?}: {out}", started.elapsed());
+    assert!(
+        out.split_whitespace().count() >= 3,
+        "descripción vacía o mínima: {out}"
+    );
+    assert!(
+        started.elapsed() < Duration::from_secs(20),
+        "tardó {:?}; revisa camera.width/height",
+        started.elapsed()
+    );
+}
+
+#[test]
+#[ignore = "sale a internet con los dos buscadores; lento"]
+fn los_dos_buscadores_responden_a_lo_mismo() {
+    // Compara lo que devuelve cada uno para las mismas preguntas. No afirma
+    // cuál es mejor —eso depende de la pregunta— sino que ambos funcionan y
+    // deja las cifras a la vista para elegir con datos.
+    let config = config();
+    let preguntas = [
+        "capital de Australia",
+        "qué tiempo hace hoy en Buenos Aires",
+    ];
+
+    let mut backends: Vec<(&str, asist_tools::SearchBackend)> = Vec::new();
+    if let Ok(key) = std::env::var(&config.search.api_key_env) {
+        if !key.trim().is_empty() {
+            backends.push((
+                "tavily",
+                asist_tools::SearchBackend::Tavily { api_key: key },
+            ));
+        }
+    }
+    if let Some(program) = config.search.command.first() {
+        if PathBuf::from(program).exists() {
+            backends.push(("ddgs", asist_tools::SearchBackend::ddgs(program)));
+        }
+    }
+    if backends.is_empty() {
+        eprintln!("ningún buscador configurado; prueba omitida");
+        return;
+    }
+
+    for (nombre, backend) in backends {
+        let tool = asist_tools::WebSearch::new(backend, 3, Duration::from_secs(30));
+        for pregunta in preguntas {
+            let started = Instant::now();
+            match tool.call(&serde_json::json!({ "consulta": pregunta })) {
+                Ok(out) => {
+                    let primera = out.lines().next().unwrap_or("").to_string();
+                    eprintln!(
+                        "{nombre:7} {:>6.2}s  {:>5} bytes  «{pregunta}»\n           {}",
+                        started.elapsed().as_secs_f32(),
+                        out.len(),
+                        &primera[..primera.len().min(150)]
+                    );
+                    assert!(!out.trim().is_empty());
+                }
+                Err(err) => panic!("{nombre} falló en «{pregunta}»: {err}"),
+            }
+        }
+    }
+}