Gemini API anticipa la recuperación de herramientas bajo demanda
Google presentó Tool Retrieval el 19 de noviembre de 2026, cuestionando la práctica de cargar las instrucciones completas de todas las herramientas antes de que un agente empiece a trabajar. Su anuncio, Introducing Tool Retrieval in the Gemini API, describe una vista previa que carga los esquemas de parámetros, las definiciones de entradas aceptadas, cuando son necesarios. La pregunta inmediata es si esa selectividad mejora los flujos de trabajo completos.
La principal disyuntiva está entre cargarlo todo por adelantado y recuperar detalles durante la ejecución. Un agente, software que utiliza un modelo para elegir y realizar acciones, necesita suficiente información para seleccionar capacidades útiles. Darle todos los detalles de inmediato genera un problema distinto: las instrucciones relevantes compiten con información que la tarea nunca requiere.
Anthropic ya ofrece un enfoque análogo de búsqueda de herramientas, por lo que el lanzamiento de Google forma parte de un cambio arquitectónico consolidado. Para los desarrolladores y compradores empresariales, la presión recae en el diseño de integraciones. Una lista más larga de conexiones disponibles importa menos si el asistente tiene dificultades para elegir entre ellas, tarda más en responder o requiere correcciones repetidas.
Introducing Tool Retrieval in the Gemini API cambia qué se carga primero
La vista previa de Google cambia cuándo los detalles de las herramientas entran en el contexto de trabajo del modelo, en lugar de eliminar la necesidad de esos detalles.
Según el anuncio de Tool Retrieval de Google, las herramientas diferidas conservan nombres y descripciones visibles, mientras que sus esquemas de parámetros esperan fuera del contexto inicial. El contexto es la información disponible para el modelo mientras genera una respuesta. Los desarrolladores habilitan este comportamiento con tool_search y defer_loading.
Esa distinción delimita el alcance del lanzamiento. El modelo todavía necesita una descripción útil de las capacidades disponibles. Puede posponer la lectura de las entradas exactas de una operación, pero necesita suficiente información para reconocer el propósito de esa operación.
Considere un asistente hipotético de trabajo conectado a búsqueda de documentos, registros de clientes, programación y operaciones de soporte. Una solicitud sobre una reunión no debería requerir instrucciones detalladas para cada acción de gestión de clientes. La carga selectiva ofrece a los desarrolladores una forma de separar el conocimiento de una capacidad de la preparación para invocarla.
La implicación arquitectónica es que las descripciones de herramientas se convierten en una superficie importante de selección. Una etiqueta vaga deja al modelo adivinando antes de recibir el esquema detallado. Una descripción concisa que identifica la acción, el objeto y la situación prevista ofrece a la detección un punto de partida más claro.
Esto también cambia lo que los equipos deberían examinar cuando algo falla. Una acción incorrecta puede comenzar antes de la generación de argumentos, cuando el asistente identifica la capacidad equivocada. Observar solo la solicitud final pasa por alto esa decisión anterior.
Google expone los pasos de recuperación e invocación en la respuesta de interacción. Esa visibilidad importa porque los desarrolladores pueden distinguir un problema de descubrimiento de un problema de ejecución. El primero se refiere a qué capacidad buscó el modelo; el segundo, a qué ocurrió después de la selección.
La vista previa admite Gemini 3.6 y modelos posteriores, incluido Gemini 4, mediante la Interactions API. Esa disponibilidad debería mantenerse explícita en las conversaciones sobre adopción. El anuncio de una función no establece compatibilidad con todas las integraciones existentes de Gemini.
Por tanto, el cambio significativo es más limitado que una expansión sin restricciones de las capacidades de los agentes. Google ha introducido otra forma de gestionar el acceso a herramientas existentes. Su valor depende de si los detalles retrasados ayudan a una aplicación a completar el trabajo que los usuarios realmente solicitan.
Para los equipos de producto, ese es un replanteamiento útil. El catálogo puede seguir siendo amplio mientras las instrucciones inmediatas del modelo permanecen selectivas. La siguiente decisión se refiere a qué aplicaciones se benefician lo suficiente como para justificar cambios en su ruta de ejecución existente.
Los catálogos amplios de herramientas presionan a los equipos de integración
Los equipos que afrontan una presión más clara son aquellos cuyos asistentes exponen más capacidades de las que la mayoría de las tareas individuales requieren.
Un catálogo amplio crea una promesa de producto: el asistente puede conectarse entre sistemas empresariales. Cada conexión adicional también introduce opciones de nomenclatura, acciones superpuestas, reglas de acceso y posibles estados de fallo. La recuperación cambia cómo esas capacidades llegan al modelo, pero los desarrolladores siguen siendo responsables de su organización.
La documentación de function calling de Google describe function calling como la conexión de modelos con acciones y datos externos. Para las funciones definidas por la aplicación, el modelo solicita una operación y la aplicación la ejecuta. Esta separación sigue siendo fundamental para evaluar una función de selección de herramientas.
Que un modelo elija la operación correcta no demuestra que la operación haya tenido éxito. La aplicación puede encontrarse con un servicio no disponible, una credencial caducada o una condición empresarial no válida. Los compradores deben distinguir la calidad del descubrimiento de la fiabilidad del sistema conectado.
La presión se vuelve concreta en un flujo de trabajo hipotético de soporte. Un cliente pregunta por qué no se ha enviado un reemplazo. El asistente necesita identificar la consulta adecuada, interpretar su resultado y determinar si se justifica otra acción.
Una lista extensa de integraciones no responde a esas preguntas. Capacidades similares podrían recuperar un pedido, revisar un envío, crear un reemplazo o contactar a un cliente. Sus diferencias deben preservarse en el recorrido desde la solicitud en lenguaje natural hasta la acción ejecutable.
Desde una perspectiva de ingeniería, la carga selectiva hace más difícil ignorar el mantenimiento del catálogo. Si las descripciones se superponen, la recuperación introduce otro punto donde la ambigüedad puede afectar el resultado. Añadir conectores sin revisar sus nombres y responsabilidades hace que la capa de selección sea cada vez más difícil de razonar.
Los equipos responsables de herramientas internas de conocimiento afrontan una distinción relacionada. Encontrar un documento y encontrar una operación de software son problemas de recuperación distintos. Una base de conocimiento con capacidad de búsqueda se refiere al acceso a información; la recuperación de herramientas se refiere al acceso a capacidades.
Combinar esas capas puede hacer que un asistente sea más útil, pero cada una merece su propia evaluación. Un sistema puede localizar el documento correcto y aun así elegir una acción inapropiada. También puede seleccionar la operación de búsqueda correcta y recibir información incompleta.
Las adquisiciones empresariales deberían reflejar esas diferencias. Preguntar cuántas integraciones admite un producto ofrece un inventario. Preguntar cómo el asistente selecciona, autoriza, ejecuta y verifica una operación ofrece una imagen más significativa de su comportamiento.
Para los desarrolladores que mantienen una aplicación existente, el lanzamiento crea un punto práctico de revisión. ¿Qué capacidades realmente necesitan disponibilidad inmediata? ¿Cuáles pertenecen a flujos de trabajo ocasionales? ¿Cuáles duplican el propósito de otra herramienta lo suficiente como para confundir la selección?
Esas preguntas importan antes de cualquier decisión de migración. Un mecanismo de recuperación puede cambiar rápidamente el comportamiento de carga, mientras que un catálogo poco claro sigue siendo poco claro. Los equipos que traten el anuncio como una invitación a examinar su diseño de integración aprenderán más que los equipos que simplemente habiliten otra opción.
La carga diferida adelanta la decisión
La carga selectiva convierte el descubrimiento en una parte explícita de la ruta de acción, por lo que la calidad de la descripción inicial cobra más peso.
La documentación de recuperación de herramientas de Google distingue el descubrimiento del lado del servidor del descubrimiento gestionado por la aplicación. El modo predeterminado del servidor resuelve internamente las herramientas declaradas. La recuperación del lado del cliente permite a la aplicación buscar en su propio registro, un catálogo de operaciones disponibles, y devolver definiciones coincidentes.
La ruta del cliente añade un viaje de ida y vuelta de solicitud, es decir, otro intercambio entre la aplicación y el modelo. También admite herramientas introducidas durante una conversación. Son opciones operativas distintas, con consecuencias diferentes para el control de la aplicación y el tiempo de respuesta.
La cuestión de diseño es dónde debe residir la lógica de selección. Un catálogo estable puede favorecer una ruta de descubrimiento gestionada porque la aplicación ya conoce sus operaciones disponibles. Un catálogo cambiante puede justificar la participación de la aplicación cuando la disponibilidad depende del usuario actual o de los sistemas conectados.
Ese criterio debería seguir los requisitos de la aplicación. Más control implica más código que mantener, más estados de fallo que inspeccionar y otra dependencia en la ruta de respuesta. Una ruta gestionada más sencilla sigue requiriendo un conjunto de capacidades expuestas cuidadosamente definido.
La guía también exige atención continua al estado de la conversación. Las declaraciones de herramientas deben reenviarse, y las aplicaciones que gestionan el historial por sí mismas deben preservar los pasos de recuperación y sus firmas. Una firma es un valor opaco utilizado por la API para conservar el contexto de recuperación.
Para los desarrolladores, esto significa que un pequeño cambio de configuración puede tener implicaciones de integración más amplias. El middleware que transforma el historial de conversación necesita revisión. El registro que captura solo las respuestas finales puede ocultar la ruta de selección. El comportamiento de reintento debe preservar la información necesaria para la continuación.
Estas consideraciones ilustran por qué la recuperación pertenece a una conversación sobre arquitectura y no a una lista de funciones. La elección del modelo depende de lo que expone la aplicación, de cómo describe esa exposición y de qué estado sobrevive entre solicitudes.
Un asistente hipotético de programación facilita ver el problema. “Encontrar horarios disponibles” y “reservar una reunión” se refieren al mismo asunto, pero tienen consecuencias diferentes. El descubrimiento necesita preservar la distinción antes de que el modelo reciba las entradas detalladas.
El mismo razonamiento se aplica a las operaciones con clientes. “Revisar un reembolso” y “emitir un reembolso” deberían seguir siendo distinguibles incluso cuando sus esquemas detallados están ausentes. Un catálogo organizado en torno a intenciones claras del usuario ofrece a la etapa de selección una base más útil.
Esto no demuestra que la carga diferida mejorará todos los flujos de trabajo ambiguos. Identifica dónde deberían buscar los desarrolladores al probarla. La etapa de descubrimiento necesita elegir la operación correcta antes de que el resto de la aplicación pueda realizar su trabajo.
También hay una implicación de diseño de producto. Los usuarios deberían recibir explicaciones claras cuando el asistente no puede encontrar una capacidad adecuada. Las búsquedas repetidas, una acción irrelevante y una solicitud de aclaración representan resultados diferentes.
Una implementación exitosa hace que esos resultados sean observables para el equipo que la mantiene. De lo contrario, una respuesta final aparentemente concisa puede ocultar un proceso de descubrimiento confuso. El mecanismo de carga cambia la ruta de ejecución; la aplicación necesita suficiente visibilidad para evaluar ese cambio.
Anthropic ofrece un precedente, no una referencia para Gemini
El contexto competitivo respalda el descubrimiento bajo demanda como una opción de diseño seria, pero deja por medir los beneficios de Google a nivel de aplicación.
La publicación de uso avanzado de herramientas de Anthropic describe su propia Tool Search Tool y las definiciones diferidas. También reconoce explícitamente la disyuntiva: un paso de búsqueda adicional debe justificar su lugar mediante un mejor uso del contexto o una mayor precisión.
Ese precedente importa porque Google entra en un debate arquitectónico ya existente. La decisión central sigue siendo si una aplicación debe exponer definiciones completas de inmediato o descubrirlas a medida que avanza el trabajo. La marca del proveedor no elimina la cuestión de ingeniería subyacente.
Las implementaciones también difieren de formas que desaconsejan equipararlas sin más. Google afirma que sus herramientas diferidas conservan nombres y descripciones en el contexto inicial. Anthropic describe un mecanismo de búsqueda que descubre herramientas diferidas antes de ampliar sus definiciones.
Estos enfoques no deben considerarse intercambiables solo porque ambos difieren información. La visión inicial del modelo influye en cómo identifica capacidades relevantes. Distintos métodos de descubrimiento también pueden crear patrones de fallo diferentes.
Anthropic informa de mejoras internas para su implementación, pero esos resultados no establecen el rendimiento de Gemini. Un benchmark pertenece a los modelos, las colecciones de herramientas, las tareas y el método de evaluación con los que fue probado. Trasladar un porcentaje entre proveedores ocultaría esas condiciones.
Por tanto, para los compradores la comparación útil es metodológica. ¿Qué revela inicialmente cada sistema? ¿Cómo encuentra una herramienta? ¿Qué ocurre cuando falta la capacidad esperada? ¿Cómo inspecciona la aplicación una selección errónea y se recupera de ella?
Una evaluación justa también necesita una referencia creíble. Comparar la recuperación contra un catálogo deliberadamente desorganizado exageraría la contribución del nuevo mecanismo. El enfoque existente merece descripciones claras, una agrupación adecuada y la eliminación de operaciones innecesarias.
Del mismo modo, una prueba dominada por herramientas poco utilizadas favorece naturalmente la carga selectiva. Un flujo de trabajo que utiliza repetidamente la mayoría de las capacidades disponibles presenta una carga distinta. Ningún resultado por sí solo describe todas las aplicaciones de agentes.
La comparación más informativa mantiene constante la tarea de negocio. El usuario formula la misma pregunta, los sistemas conectados devuelven información equivalente y la aplicación sigue las mismas reglas de autorización. La evaluación examina entonces si la estrategia de carga modificada mejora el resultado completado.
Eso incluye la experiencia humana. Un asistente que termina correctamente tras repetidas aclaraciones es distinto de otro que entiende la solicitud de inmediato. Una respuesta inicial más rápida aún puede preceder una resolución global más lenta.
La competencia entre proveedores debería facilitar la comprobación de esas distinciones, en lugar de fomentar afirmaciones generalizadas sobre quién ha resuelto el uso de herramientas. Direcciones de producto similares crean una oportunidad para realizar experimentos comparables. No aportan los resultados de esos experimentos.
Para Introducing Tool Retrieval in the Gemini API, la conclusión defendible es que Google se ha sumado al avance hacia la carga selectiva de capacidades. Que su versión preliminar se convierta en la vía preferida para una aplicación concreta depende del comportamiento medido de esa aplicación.
Los prompts más pequeños no garantizan un trabajo completado más barato
La medida económica relevante es el coste de un flujo de trabajo exitoso, incluido el descubrimiento, la ejecución, la recuperación y la conversación posterior.
Google afirma que Tool Retrieval no tiene un cargo independiente por la función, aunque se sigue aplicando la facturación habitual de tokens del modelo. Los tokens son las unidades utilizadas para medir la entrada y la salida del modelo. La búsqueda añade una sobrecarga fija de entrada, y los esquemas recuperados siguen siendo facturables en el contexto de conversaciones posteriores.
Ese modelo de facturación crea una oportunidad condicionada. Mantener fuera el material no utilizado puede reducir el consumo de entrada. Cargar material más tarde sigue generando consumo, y una conversación que finalmente necesita gran parte del catálogo tiene un perfil diferente.
El punto analítico importante es el denominador. Medir solo el prompt inicial puede hacer que una optimización parezca más valiosa de lo que es. A una empresa le importa si se resolvió la solicitud del cliente, se completó el informe o se actualizó correctamente el registro previsto.
Un asistente hipotético podría empezar con menos entrada, pero realizar un intento de descubrimiento innecesario. Podría recuperar la operación equivocada, pedir una aclaración e intentarlo de nuevo. El ahorro inicial describiría entonces solo una parte de la interacción.
También es posible el resultado contrario. Una mejor selección puede evitar una llamada incorrecta y el trabajo de recuperación posterior. En ese caso, el beneficio se extiende más allá del texto de esquema omitido.
Ninguno de los dos escenarios debe presentarse como un resultado observado de Gemini sin pruebas. Explican por qué los equipos necesitan mediciones de carga de trabajo. Los recuentos de tokens, la calidad de finalización y el tiempo transcurrido responden a preguntas relacionadas, pero ninguno sustituye a los demás.
La latencia, el tiempo transcurrido antes de que se complete una respuesta o acción, requiere un cuidado similar. Una búsqueda interna del servidor evita un intercambio adicional con la aplicación. Aun así representa trabajo dentro de la solicitud, por lo que «sin viaje de ida y vuelta adicional» no significa «sin tiempo de recuperación».
La caché añade otra variable. Una caché reutiliza contenido elegible procesado previamente. Google afirma que la carga diferida conserva un prefijo de prompt estable, pero los equipos aún deben examinar sus patrones reales de conversación antes de estimar un beneficio económico.
La seguridad y los permisos pertenecen a la misma evaluación práctica. Ocultar un esquema hasta más tarde no establece si un usuario tiene derecho a realizar la acción. Las aplicaciones deben aplicar controles de acceso al exponer capacidades y al ejecutar operaciones con consecuencias.
Un ejemplo de reembolso deja claro el límite. Descubrir la operación de reembolso responde qué herramienta se ajusta a una solicitud. No establece que el cliente cumpla los requisitos, que el importe sea correcto ni que el usuario actual pueda autorizarlo.
La versión preliminar también deja el riesgo de lanzamiento en manos de quienes la adopten. La documentación de Google identifica Tool Retrieval como una vista previa cuya interfaz puede cambiar antes de la disponibilidad general. Los equipos deben tener en cuenta ese estado al decidir hasta qué punto depender de ella.
Por tanto, un piloto sensato evalúa más que unos recuentos de entrada inferiores. Compara tareas completadas, errores, esfuerzo de recuperación y tiempo total transcurrido. Un resultado adquiere relevancia comercial cuando la eficiencia se mantiene bajo esas medidas más amplias.
Este es el límite central de la promesa del anuncio. La carga selectiva crea una oportunidad para emplear el contexto con mayor cuidado. No elimina la necesidad de demostrar que toda la aplicación funciona mejor.
Las próximas señales son la estabilidad, los resultados del flujo de trabajo y la calidad del catálogo
La siguiente fase debe juzgarse por resultados observables de la aplicación, con la madurez de lanzamiento y la mantenibilidad como contexto esencial.
La primera señal que conviene vigilar es la estabilidad del producto. Durante los próximos meses, los cambios en el estado de vista previa, el comportamiento compatible y la documentación darán forma a las decisiones de adopción. Una interfaz estable facilita que los equipos comprometan esfuerzo de ingeniería y mantengan un comportamiento coherente.
Esa señal reforzaría el argumento para un uso más amplio, pero no demostraría una ganancia de eficiencia. La madurez del lanzamiento y el rendimiento de la carga de trabajo responden a preguntas diferentes. Una interfaz fiable puede seguir siendo la elección equivocada para una aplicación con un conjunto de herramientas compacto y utilizado con frecuencia.
La segunda señal es la evidencia de flujos de trabajo completos. Los resultados útiles compararían tareas equivalentes con carga selectiva y carga anticipada, manteniendo estable el resto del comportamiento de la aplicación. Los informes deberían explicar qué tuvo éxito, qué falló y cómo afectó la recuperación al resultado.
Los resultados obtenidos con solicitudes variadas serían más persuasivos que una demostración cuidadosamente seleccionada. Las consultas rutinarias, las solicitudes ambiguas, los objetivos cambiantes de la conversación y las capacidades no disponibles exponen debilidades distintas. Una función que funciona bien en esas condiciones tiene un caso de adopción más sólido.
La evidencia de un menor consumo total de entrada junto con una calidad de finalización estable respaldaría el argumento de eficiencia de Google. Más fallos de descubrimiento o tiempos de resolución más largos debilitarían el caso para la carga de trabajo probada. Cualquiera de los dos resultados ayudaría a los desarrolladores a tomar una decisión más específica.
La tercera señal es la calidad del catálogo en aplicaciones mantenidas. Los equipos deben observar si los nombres claros, las descripciones enfocadas y los límites deliberados de las capacidades siguen siendo eficaces a medida que cambian las integraciones. Una aplicación que requiere reparaciones constantes para preservar la capacidad de descubrimiento tiene una carga de mantenimiento diferente.
Esta señal también se refiere a la responsabilidad. Cuando una capacidad cambia, alguien debe responsabilizarse de su descripción, sus condiciones de acceso y su comportamiento esperado. La recuperación hace visible esa responsabilidad porque el texto del catálogo participa directamente en la selección.
Para los compradores empresariales, esas señales sugieren preguntas concretas para los proveedores. ¿Puede el producto mostrar cómo seleccionó una operación? ¿Puede explicar un descubrimiento fallido? ¿Puede su equipo comparar flujos de trabajo completados antes y después de cambiar la estrategia de carga?
Para los desarrolladores, el siguiente paso más sólido es una comparación acotada que use trabajo representativo. Incluya solicitudes que necesiten capacidades conocidas, solicitudes que necesiten capacidades ocasionales y solicitudes que no deban producir ninguna acción. Preserve una referencia existente para que el resultado siga siendo interpretable.
Trate Introducing Tool Retrieval in the Gemini API como un cambio arquitectónico comprobable. Elija un flujo de trabajo cuyos usuarios ya perciban errores de selección o demoras y, después, compare la finalización exitosa, el consumo total y el tiempo transcurrido. Examine los casos en que el asistente elige incorrectamente, no descubre nada útil o necesita aclaraciones. Revise el catálogo junto con esos fallos, porque unas descripciones más claras podrían resolver problemas que los cambios de carga por sí solos no pueden abordar. Mantenga los permisos coherentes durante toda la comparación y conserve la ruta de ejecución anterior mientras evoluciona la versión preliminar. La decisión debe seguir la evidencia de su aplicación: ¿la carga selectiva ayuda al asistente a completar el trabajo correcto con menos esfuerzo por parte del usuario?



