Google a lancé Tool Retrieval dans l'API Gemini, en préversion dans l'Interactions API. La fonction permet aux agents d'IA de garder en attente une bibliothèque de dizaines, voire de centaines d'outils, et de ne charger le schéma de paramètres de chacun que lorsque la tâche l'exige — au lieu d'envoyer toutes les définitions complètes à chaque requête.
Selon l'annonce, publiée le 19 novembre 2026 par Lucia Loher, cheffe de produit de l'API Gemini, et Nora Kassner, chercheuse chez Google DeepMind, envoyer tous les schémas à chaque appel gonfle le nombre de jetons d'entrée, augmente la latence et réduit la précision du choix de l'outil à mesure que la liste s'allonge.
Comment ça fonctionne
Pour l'activer, le développeur ajoute un outil tool_search à la requête et marque les outils à différer avec defer_loading: true. Le modèle voit toujours le nom et la description de chaque outil différé, donc il sait ce qui est disponible, mais les schémas de paramètres restent hors du contexte jusqu'à ce qu'ils soient demandés. Quand le modèle a besoin d'un outil, il le demande par son nom, l'API charge le schéma complet et le modèle émet l'appel de fonction — le tout dans la même requête.
L'exemple de Google est un agent de service client : un client signale que la commande A-1042 est arrivée endommagée et demande un remboursement de 40 dollars. Le modèle recherche la fonction issue_refund, l'API charge son schéma et l'appel est effectué. Les trois étapes — tool_search_call, tool_search_result et function_call — apparaissent dans interaction.steps, ce qui facilite le débogage des outils envisagés par le modèle.
Aucun index à construire ni à héberger : la recherche est exécutée par le serveur de Gemini. Les outils les plus utilisés peuvent rester chargés dès le départ, et seule la « longue traîne » est différée. La fonction fonctionne aussi avec la mise en cache des préfixes : les schémas différés restent hors du début du prompt, donc le préfixe mis en cache reste identique d'un appel à l'autre.
Tarifs, modèles et MCP
Tool Retrieval n'entraîne aucun frais distinct : les jetons d'entrée et de sortie sont facturés aux tarifs standard du modèle appelé. Activer tool_search ajoute un petit bloc fixe de jetons d'entrée, et chaque schéma chargé est ensuite facturé comme entrée pour le reste de la conversation. L'économie apparaît quand les schémas jamais chargés l'emportent sur ceux qui le sont — le cas habituel pour les grandes bibliothèques, selon Google.
La fonction marche avec Gemini 3.6 et les modèles ultérieurs, y compris tous les modèles Gemini 4, et uniquement dans l'Interactions API. Elle fonctionne aussi avec les serveurs MCP distants : en marquant un outil mcp_server avec defer_loading: true, tous les outils exposés par ce serveur sont chargés à la demande. Il existe aussi une variante de récupération côté client, pour ceux qui gèrent leur propre registre d'outils — dans ce mode, chaque recherche ajoute un aller-retour, et de nouveaux outils peuvent être exposés en cours de conversation.
L'idée n'est pas inédite : Anthropic a lancé une fonction de recherche d'outils en novembre 2025 et OpenAI en mars 2026, avec un design similaire. Google n'a communiqué aucun chiffre mesuré d'économie de jetons, de latence ou de précision du choix des outils, ni de date de disponibilité générale — en préversion, l'interface peut évoluer avant la sortie stable.
La fonction arrive la semaine même où Google a ouvert l'API Genie 4 aux développeurs : Mise à jour : Google ouvre l'API Genie 4 aux développeurs.
Crédit image: Google / Wikimedia Commons
Sources
- Google — Gemini API tool retrieval for efficient agent scaling
- TalkAndroid — Gemini API Tool Retrieval Loads Agent Tools On Demand
- PPC Land — Google shrinks idle tools in Gemini agents to about 26 tokens each
Transparence : cet article a été produit avec l'aide de l'intelligence artificielle, en croisant des publications publiques sur X et des sources en ligne. Consultez les sources originales pour confirmer les informations.
Par Muse