Por Canuto  

Google puso en vista previa una función de la API de Gemini que aplaza la carga de los esquemas de herramientas hasta que un agente los necesita. La propuesta apunta a reducir el volumen de información repetida en solicitudes con muchas funciones, aunque la compañía no publicó cifras propias de ahorro y los esquemas recuperados siguen generando consumo facturable.
***

  • Tool Retrieval está disponible en vista previa para la Interactions API en la versión v1beta.
  • El modo servidor gestiona búsqueda y carga en una solicitud; el modo cliente requiere un viaje de ida y vuelta adicional.
  • No hay tarifa separada ni cifras de ahorro publicadas por Google; los tokens de búsqueda y los esquemas cargados sí se facturan.


Gemini aplaza la carga de herramientas para agentes con bibliotecas grandes

Google presentó Tool Retrieval, una función en vista previa de la Interactions API de Gemini que permite a los agentes consultar bibliotecas extensas de herramientas sin incluir todos sus esquemas de parámetros en cada solicitud. En lugar de enviar de entrada las especificaciones completas, el modelo recibe nombres y descripciones breves y recupera el esquema detallado cuando una tarea requiere una función concreta. La novedad busca atender un costo de contexto que crece cuando los sistemas se conectan a muchas funciones o servidores MCP.

La herramienta está disponible en la versión v1beta y, según la descripción publicada por MarkTechPost, no tiene un máximo declarado de herramientas diferidas. Google recomienda mantener la carga estática para bibliotecas pequeñas, con menos de 20 herramientas estables, porque la recuperación puede resultar menos conveniente en esos casos. La función no elimina la información de las herramientas, sino que cambia cuándo se incorpora al intercambio con el modelo.

Esquemas bajo demanda para agentes con muchas funciones

Las herramientas permiten que un agente solicite acciones externas mediante funciones definidas por el desarrollador, como consultar datos o ejecutar una operación en otro sistema. Cada definición puede incluir un esquema con los parámetros que el modelo debe proporcionar, y enviar muchas de esas especificaciones en cada solicitud ocupa espacio de contexto. La documentación de Google citada por MarkTechPost señala que unas pocas docenas de declaraciones pueden sumar decenas de miles de tokens por solicitud.

Tool Retrieval propone diferir esos esquemas: el modelo conserva inicialmente acceso a los nombres y a una descripción breve de las funciones, pero no recibe todos sus parámetros desde el comienzo. Cuando identifica que necesita una herramienta diferida, pide recuperarla y la API incorpora su esquema completo para que el modelo pueda formular la llamada. El mecanismo está pensado para bibliotecas amplias, incluidas las asociadas a decenas de funciones o a varios servidores MCP.

Para configurarlo en Interactions API, se agrega una entrada de tipo tool_search al arreglo de herramientas y se marca cada función que se quiera aplazar con defer_loading: true. Las funciones pueden incluir un campo opcional short_description, que se muestra durante la recuperación y solo es válido cuando la carga está diferida. La publicación de Google usa como ejemplo una función llamada issue_refund en gemini-4-hydrogen y menciona más de 50 funciones adicionales diferidas.

La secuencia de recuperación consta de tres elementos: una solicitud tool_search_call del modelo, un tool_search_result con el esquema completo y, después, un function_call con la acción que debe ejecutar la aplicación. En el modo de servidor, la API resuelve los dos primeros pasos, mientras que el código de quien desarrolla ejecuta la función y devuelve un function_result. Así, la aplicación no tiene que construir por sí misma la búsqueda de herramientas en ese modo.

Dos modos de búsqueda y compatibilidad con MCP

El modo del lado del servidor es la opción predeterminada: Gemini realiza la búsqueda y no exige que el desarrollador construya ni aloje un índice propio. Google indica que la búsqueda, la carga del esquema y la llamada de función se resuelven dentro de una solicitud de API en este modo, sin un viaje de ida y vuelta adicional para la búsqueda. Esa descripción del flujo no significa que el procesamiento de recuperación sea gratuito en términos de tokens, un aspecto que incide en la facturación.

El modo del lado del cliente se activa con execution: client y deja la búsqueda en manos de la aplicación. El desarrollador puede recurrir, por ejemplo, a un índice de embeddings, un registro de herramientas o filtros de permisos, y luego devolver las declaraciones coincidentes dentro de function_result.result. La ventaja es que el sistema puede aplicar sus propios criterios de selección; el costo operativo es un viaje de ida y vuelta adicional por cada búsqueda.

Las herramientas recuperadas por el cliente pueden incorporarse incluso a mitad de una conversación, aunque no estuvieran en el arreglo inicial de herramientas. Los dos modos de ejecución no se pueden combinar en una sola solicitud y solo se permite una entrada tool_search por petición. Esas restricciones delimitan la configuración: cada aplicación debe escoger si delega la selección en los servidores de Google o si conserva el control de la búsqueda en su propia infraestructura.

Tool Retrieval también puede diferir las herramientas ofrecidas por servidores MCP: al marcar una entrada mcp_server con defer_loading: true, se aplazan todas las herramientas que expone ese servidor. Las funciones MCP diferidas continúan ejecutándose de forma remota mediante el soporte MCP de la API de Gemini. En materia de caché, los esquemas diferidos quedan fuera del prefijo del prompt, pero los esquemas recuperados se agregan en línea y pueden seguir beneficiándose de la caché implícita.

Facturación, caché y comparación con otras plataformas

Google no anunció una tarifa separada por Tool Retrieval, pero eso no significa que cada uso carezca de costo. La documentación señala que los tokens se cobran según las tarifas estándar de entrada, caché y salida del modelo; además, cada búsqueda en el servidor activa una llamada adicional del modelo sobre el contexto completo. Esos tokens aparecen en total_tool_use_tokens y se facturan a la tarifa de entrada.

Una vez que un esquema se carga, sus tokens continúan contándose como entrada durante el resto de la conversación y no se descargan. Por esa razón, el ahorro potencial depende de cuántas herramientas resulten relevantes y de la frecuencia con que se invoque la búsqueda, no solo del tamaño inicial de la biblioteca. Google advierte que la carga estática puede costar menos para bibliotecas pequeñas o cuando se realizan búsquedas en cada turno.

La función también tiene una posible consecuencia para la caché de prefijo: al diferir esquemas, una solicitud puede quedar por debajo del tamaño mínimo necesario para que sea almacenable en caché. Los esquemas que luego se recuperan aparecen en línea, por lo que la caché implícita sigue aplicando a ese contenido según la documentación. En otras palabras, reducir el contexto enviado de entrada puede modificar también las condiciones para aprovechar la reutilización de prefijos.

La información comparativa citada por MarkTechPost sitúa la vista previa de Gemini en Interactions API v1beta, con búsqueda de servidor o cliente y sin un máximo de herramientas diferidas divulgado. Para Gemini, la tabla enumera los modelos Gemini 4 Carbon, Neon, Hydrogen y Argon, además de 3.8 Flash y 3.6 Flash; también indica que no se publicó una cifra propia de ahorro ni de precisión. La ausencia de un máximo declarado no equivale a una capacidad ilimitada confirmada.

En esa misma comparación, Anthropic ofrece búsqueda de herramientas en Messages API y Bedrock InvokeModel, con métodos regex, BM25 o personalizados; la tabla señala un máximo de 10.000 herramientas diferidas y cinco resultados por búsqueda por defecto. La compañía reportó una reducción de tokens de 77.000 a 8.700, equivalente al 85%, y un cambio de precisión de 79,5% a 88,1% con Opus 4.5. OpenAI, por su parte, ofrece búsqueda alojada o del lado del cliente en Responses API para gpt-5.4 y versiones posteriores, y publicó un ahorro de 47% en 250 tareas MCP Atlas.

Esas cifras provienen de pruebas publicadas por las propias empresas y no se pueden trasladar directamente a Gemini ni comparar como si se hubieran obtenido bajo un mismo protocolo. La propuesta de Google queda, por ahora, en vista previa y sin resultados públicos propios sobre ahorro o precisión, aunque especifica cómo se factura el uso y qué límites operativos tiene. Para equipos que desarrollan agentes, la decisión entre carga estática y recuperación dependerá del tamaño de la biblioteca, los patrones de búsqueda y el costo de mantener un índice propio.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín