Google ha puesto en vista previa Gemini Tool Retrieval, una función de la Interactions API que aplaza la carga de esquemas de herramientas hasta que el agente los necesita. La idea es recortar el contexto en sistemas con muchas funciones, aunque la compañía no ha publicado cifras propias de ahorro y los tokens recuperados siguen facturándose.
¿Qué cambia con Gemini Tool Retrieval?
La novedad afecta a la forma en que Gemini trata las herramientas conectadas a un agente. En vez de enviar desde el principio los esquemas completos de cada función, la API puede trabajar primero con nombres y descripciones breves. Solo cuando el modelo detecta que necesita una herramienta concreta, solicita el esquema detallado y lo incorpora a la conversación.
Ese cambio busca resolver un problema práctico: el contexto se dispara cuando un agente usa muchas funciones o se conecta a varios servidores MCP. Según la documentación citada por MarkTechPost, unas pocas docenas de declaraciones pueden sumar decenas de miles de tokens por solicitud. Para equipos de desarrollo, eso se traduce en más consumo y, por tanto, en más coste.
Google indica que Tool Retrieval está disponible en vista previa para la Interactions API en la versión v1beta. La compañía también recomienda mantener la carga estática en bibliotecas pequeñas, con menos de 20 herramientas estables, porque en esos casos la recuperación puede no compensar.
¿Cómo funciona y cuándo merece la pena?
El mecanismo está pensado para bibliotecas amplias. La API conserva al principio los nombres y una descripción corta de las funciones, pero no todo el esquema de parámetros. Cuando el modelo identifica una posible acción, pide la recuperación de esa herramienta y entonces se carga su definición completa.
Google plantea dos modos. En el modo de servidor, la propia API gestiona la búsqueda y la carga dentro de una sola solicitud, sin que el desarrollador tenga que construir un índice propio. En el modo de cliente, la aplicación hace la búsqueda por su cuenta, por ejemplo con un índice de embeddings o un registro de herramientas, y devuelve las coincidencias.
La diferencia es importante para el bolsillo y para la arquitectura. El modo de servidor ahorra complejidad de integración, pero sigue consumiendo tokens facturables. El modo de cliente da más control sobre permisos y selección, aunque añade un viaje de ida y vuelta extra por cada búsqueda.
En la documentación descrita por MarkTechPost, la secuencia de recuperación incluye una llamada tool_search_call, un tool_search_result con el esquema completo y después un function_call. En el modo de servidor, la API resuelve los dos primeros pasos; en el de cliente, es la aplicación la que debe gestionar esa parte.
¿Qué impacto tiene en la factura de tokens?
Google no ha anunciado una tarifa separada para esta función ni ha publicado cifras propias de ahorro. Lo que sí aclara es que los tokens de búsqueda y los esquemas cargados se facturan con las tarifas estándar de entrada, caché y salida del modelo.
Además, cada búsqueda en el servidor activa una llamada adicional sobre el contexto completo. Esos tokens aparecen en total_tool_use_tokens y se cobran como entrada. En la práctica, el ahorro depende de cuántas herramientas sean realmente útiles y de cuántas veces se invoque la búsqueda.
Eso significa que Tool Retrieval no elimina el gasto, sino que lo desplaza. Si una aplicación usa pocas herramientas o necesita buscar en casi cada turno, Google advierte que la carga estática puede salir más barata. Si la biblioteca es grande y muchas funciones nunca se usan, la recuperación bajo demanda puede reducir el contexto enviado en cada petición.
Lo que debe mirar un equipo técnico antes de activarlo
- Tamaño de la biblioteca: si hay menos de 20 herramientas estables, Google sugiere mantener la carga clásica.
- Frecuencia de uso: cuantas más búsquedas haga el agente, más peso tendrá el coste adicional.
- Control interno: el modo cliente permite aplicar filtros propios de permisos o selección.
- Infraestructura: el modo servidor simplifica la integración, pero delega la búsqueda en Google.
¿Qué supone para quien desarrolla agentes con IA?
Para un desarrollador, la utilidad es clara: permite conectar agentes a bibliotecas grandes sin cargar todos los esquemas desde el inicio. Eso puede ser relevante en aplicaciones con decenas de funciones, varios servidores MCP o flujos en los que solo se usan unas pocas herramientas por conversación.
Google también permite diferir herramientas ofrecidas por servidores MCP, marcando la entrada mcp_server con defer_loading: true. En ese caso, todas las herramientas de ese servidor quedan aplazadas. La compañía especifica, además, que no hay un máximo declarado de herramientas diferidas, aunque eso no equivale a una capacidad ilimitada confirmada.
Hay otra consecuencia menos visible: al diferir esquemas, una solicitud puede quedar por debajo del tamaño mínimo para ser almacenada en caché de prefijo. Los esquemas recuperados se agregan en línea y pueden seguir beneficiándose de la caché implícita, pero el cambio modifica las condiciones para aprovechar esa reutilización.
En la comparación citada por la publicación original, otras plataformas ya han mostrado cifras de ahorro más concretas. Anthropic ha hablado de una reducción de tokens del 85% en sus pruebas, y OpenAI ha publicado un ahorro del 47% en una batería de tareas MCP Atlas. Google, de momento, no ha dado resultados propios sobre ahorro o precisión, así que la propuesta de Gemini Tool Retrieval queda como una herramienta prometedora, todavía en fase de prueba.
Para equipos que trabajan con agentes, el cálculo es sencillo: si la biblioteca es pequeña, puede no compensar. Si la lista de funciones crece y muchas de ellas no se usan en cada sesión, Gemini Tool Retrieval puede ayudar a recortar contexto sin renunciar a las herramientas disponibles. El coste final dependerá de cuántas búsquedas se hagan y de cuántos tokens termine cargando la aplicación en cada conversación.


