Gemini API presenta Tool Retrieval on-demand
Google ha introdotto Tool Retrieval il 19 novembre 2026, mettendo in discussione la pratica di caricare le istruzioni complete di ogni strumento prima che un agente inizi a lavorare. Il suo annuncio, Introducing Tool Retrieval in the Gemini API, descrive un'anteprima che carica gli schemi dei parametri, ossia le definizioni degli input accettati, quando necessario. La domanda immediata è se questa selettività migliori i flussi di lavoro completi.
Il confronto principale è tra caricare tutto in anticipo e recuperare i dettagli durante l'esecuzione. Un agente, un software che utilizza un modello per scegliere ed eseguire azioni, ha bisogno di informazioni sufficienti per selezionare capacità utili. Fornirgli subito ogni dettaglio crea un problema diverso: le istruzioni rilevanti competono con informazioni che l'attività non richiede mai.
Anthropic offre già un approccio analogo di ricerca degli strumenti, rendendo il rilascio di Google parte di un cambiamento architetturale consolidato. Per gli sviluppatori e gli acquirenti aziendali, la pressione ricade sulla progettazione dell'integrazione. Un elenco più lungo di connessioni disponibili conta meno se l'assistente fatica a scegliere tra esse, impiega più tempo a rispondere o richiede correzioni ripetute.
Introducing Tool Retrieval in the Gemini API cambia ciò che viene caricato per primo
L'anteprima di Google cambia il momento in cui i dettagli degli strumenti entrano nel contesto operativo del modello, senza eliminare la necessità di tali dettagli.
Secondo l'annuncio di Tool Retrieval di Google, gli strumenti differiti mantengono nomi e descrizioni visibili, mentre i loro schemi dei parametri restano fuori dal contesto iniziale. Il contesto è l'informazione disponibile al modello mentre genera una risposta. Gli sviluppatori abilitano questo comportamento con tool_search e defer_loading.
Questa distinzione definisce i confini del rilascio. Il modello necessita comunque di una descrizione utile delle capacità disponibili. Può rimandare la lettura degli input esatti di un'operazione, ma ha bisogno di informazioni sufficienti per riconoscere lo scopo di quell'operazione.
Si consideri un ipotetico assistente aziendale collegato alla ricerca documentale, ai registri clienti, alla pianificazione e alle operazioni di assistenza. Una richiesta relativa a una riunione non dovrebbe richiedere istruzioni dettagliate per ogni azione di gestione dei clienti. Il caricamento selettivo offre agli sviluppatori un modo per separare la conoscenza dell'esistenza di una capacità dalla prontezza a utilizzarla.
L'implicazione architetturale è che le descrizioni degli strumenti diventano un'importante superficie di selezione. Un'etichetta vaga lascia il modello a fare ipotesi prima di ricevere lo schema dettagliato. Una descrizione concisa che identifichi l'azione, l'oggetto e la situazione prevista offre alla scoperta un punto di partenza più chiaro.
Questo cambia anche ciò che i team dovrebbero esaminare quando qualcosa fallisce. Un'azione errata può iniziare prima della generazione degli argomenti, quando l'assistente identifica la capacità sbagliata. Guardare solo alla richiesta finale non coglie quella decisione precedente.
Google espone i passaggi di recupero e chiamata nella risposta dell'interazione. Questa visibilità conta perché gli sviluppatori possono distinguere un problema di scoperta da un problema di esecuzione. Il primo riguarda la capacità cercata dal modello; il secondo riguarda ciò che è accaduto dopo la selezione.
L'anteprima supporta Gemini 3.6 e i modelli successivi, incluso Gemini 4, tramite Interactions API. Questa disponibilità dovrebbe restare esplicita nelle discussioni sull'adozione. L'annuncio di una funzionalità non stabilisce la compatibilità con ogni integrazione Gemini esistente.
Il cambiamento significativo è quindi più circoscritto di un'espansione senza limiti delle capacità degli agenti. Google ha introdotto un altro modo per gestire l'accesso agli strumenti esistenti. Il suo valore dipende dal fatto che i dettagli differiti aiutino un'applicazione a completare il lavoro effettivamente richiesto dagli utenti.
Per i team di prodotto, questa è una riformulazione utile. Il catalogo può rimanere ampio mentre le istruzioni immediate del modello restano selettive. La decisione successiva riguarda quali applicazioni ne traggano un beneficio sufficiente da giustificare la modifica del proprio percorso di esecuzione esistente.
I cataloghi di strumenti estesi mettono sotto pressione i team di integrazione
I team che affrontano la pressione più evidente sono quelli i cui assistenti espongono più capacità di quante ne richieda la maggior parte delle singole attività.
Un catalogo ampio crea una promessa di prodotto: l'assistente può accedere a più sistemi aziendali. Ogni connessione aggiuntiva introduce anche scelte di denominazione, azioni sovrapposte, regole di accesso e possibili stati di errore. Il recupero cambia il modo in cui queste capacità arrivano al modello, ma gli sviluppatori restano responsabili della loro organizzazione.
La documentazione sul function calling di Google descrive il function calling come il collegamento dei modelli ad azioni e dati esterni. Per le funzioni definite dall'applicazione, il modello richiede un'operazione e l'applicazione la esegue. Questa separazione rimane centrale per valutare una funzionalità di selezione degli strumenti.
La scelta dell'operazione corretta da parte di un modello non dimostra che l'operazione sia riuscita. L'applicazione può incontrare un servizio non disponibile, una credenziale scaduta o una condizione aziendale non valida. Gli acquirenti devono distinguere la qualità della scoperta dall'affidabilità del sistema connesso.
La pressione diventa concreta in un ipotetico flusso di assistenza. Un cliente chiede perché una sostituzione non è stata spedita. L'assistente deve identificare la ricerca appropriata, interpretarne il risultato e stabilire se sia giustificata un'altra azione.
Un elenco esteso di integrazioni non risponde a queste domande. Capacità simili potrebbero recuperare un ordine, verificare una spedizione, creare una sostituzione o contattare un cliente. Le loro distinzioni devono sopravvivere al percorso dalla richiesta in linguaggio naturale all'azione eseguibile.
Dal punto di vista ingegneristico, il caricamento selettivo rende più difficile ignorare la manutenzione del catalogo. Se le descrizioni si sovrappongono, il recupero introduce un ulteriore punto in cui l'ambiguità può influire sul risultato. Aggiungere connettori senza rivederne nomi e responsabilità rende il livello di selezione sempre più difficile da comprendere.
I team responsabili degli strumenti di conoscenza interna affrontano una distinzione correlata. Trovare un documento e trovare un'operazione software sono problemi di recupero distinti. Una base di conoscenza ricercabile riguarda l'accesso alle informazioni; il recupero degli strumenti riguarda l'accesso alle capacità.
Combinare questi livelli può rendere un assistente più utile, ma ciascuno merita una propria valutazione. Un sistema può individuare il documento giusto e scegliere comunque un'azione inappropriata. Può anche selezionare la corretta operazione di ricerca e ricevere informazioni incomplete.
Gli acquisti aziendali dovrebbero riflettere queste differenze. Chiedere quante integrazioni supporti un prodotto fornisce un inventario. Chiedere come l'assistente selezioni, autorizzi, esegua e verifichi un'operazione offre un quadro più significativo del suo comportamento.
Per gli sviluppatori che mantengono un'applicazione esistente, il rilascio crea un punto pratico di revisione. Quali capacità necessitano davvero di disponibilità immediata? Quali appartengono a flussi di lavoro occasionali? Quali duplicano lo scopo di un altro strumento abbastanza da confondere la selezione?
Queste domande contano prima di qualsiasi decisione di migrazione. Un meccanismo di recupero può cambiare rapidamente il comportamento di caricamento, mentre un catalogo poco chiaro rimane poco chiaro. I team che considerano l'annuncio un invito a esaminare la progettazione della propria integrazione apprenderanno più di quelli che si limitano ad abilitare un'altra opzione.
Il caricamento differito anticipa la decisione
Il caricamento selettivo rende la scoperta una parte esplicita del percorso d'azione, quindi la qualità della descrizione iniziale assume maggiore importanza.
La documentazione sul tool retrieval di Google distingue la scoperta lato server dalla scoperta gestita dall'applicazione. La modalità server predefinita risolve internamente gli strumenti dichiarati. Il recupero lato client consente all'applicazione di cercare nel proprio registro, un catalogo di operazioni disponibili, e restituire definizioni corrispondenti.
Il percorso client aggiunge un viaggio di andata e ritorno della richiesta, ossia un ulteriore scambio tra l'applicazione e il modello. Consente inoltre di introdurre strumenti durante una conversazione. Si tratta di scelte operative diverse, con conseguenze differenti per il controllo dell'applicazione e il tempo di risposta.
La questione di progettazione è dove debba risiedere la logica di selezione. Un catalogo stabile può favorire un percorso di scoperta gestito perché l'applicazione conosce già le operazioni disponibili. Un catalogo variabile può giustificare il coinvolgimento dell'applicazione quando la disponibilità dipende dall'utente corrente o dai sistemi connessi.
Questa valutazione dovrebbe seguire i requisiti dell'applicazione. Maggiore controllo comporta più codice da mantenere, più stati di errore da esaminare e un'altra dipendenza nel percorso di risposta. Un percorso gestito più semplice richiede comunque un insieme accuratamente definito di capacità esposte.
La guida richiede inoltre attenzione continua allo stato della conversazione. Le dichiarazioni degli strumenti devono essere inviate nuovamente e le applicazioni che gestiscono autonomamente la cronologia devono preservare i passaggi di recupero e le relative firme. Una firma è un valore opaco utilizzato dall'API per mantenere il contesto di recupero.
Per gli sviluppatori, questo significa che una piccola modifica di configurazione può avere implicazioni più ampie sull'integrazione. Il middleware che trasforma la cronologia della conversazione necessita di una revisione. Il logging che cattura solo le risposte finali può nascondere il percorso di selezione. Il comportamento di retry deve preservare le informazioni necessarie per la continuazione.
Queste considerazioni illustrano perché il recupero appartenga a una discussione architetturale anziché a una checklist di funzionalità. La scelta del modello dipende da ciò che l'applicazione espone, da come descrive tale esposizione e da quale stato sopravvive tra una richiesta e l'altra.
Un ipotetico assistente per la pianificazione rende la questione più facile da comprendere. “Trova gli orari disponibili” e “prenota una riunione” riguardano lo stesso argomento ma comportano conseguenze diverse. La scoperta deve preservare questa distinzione prima che il modello riceva gli input dettagliati.
Lo stesso ragionamento si applica alle operazioni sui clienti. “Verifica un rimborso” ed “emetti un rimborso” dovrebbero restare distinguibili anche quando i loro schemi dettagliati sono assenti. Un catalogo organizzato attorno a chiare intenzioni dell'utente fornisce alla fase di selezione una base più utile.
Questo non stabilisce che il caricamento differito migliori ogni flusso di lavoro ambiguo. Identifica dove gli sviluppatori dovrebbero guardare durante i test. La fase di scoperta deve scegliere l'operazione corretta prima che il resto dell'applicazione possa svolgere il proprio compito.
Esiste anche un'implicazione per la progettazione del prodotto. Gli utenti dovrebbero ricevere spiegazioni chiare quando l'assistente non riesce a trovare una capacità appropriata. Ricerche ripetute, un'azione irrilevante e una richiesta di chiarimento rappresentano esiti diversi.
Un'implementazione riuscita rende questi esiti osservabili dal team che la mantiene. Altrimenti, una risposta finale apparentemente concisa può nascondere un processo di scoperta confuso. Il meccanismo di caricamento cambia il percorso di esecuzione; l'applicazione necessita di visibilità sufficiente per valutare tale cambiamento.
Anthropic offre un precedente, non un benchmark per Gemini
Il contesto competitivo sostiene la scoperta on-demand come seria opzione progettuale, lasciando però da misurare i benefici di Google a livello applicativo.
La pubblicazione di Anthropic sull'uso avanzato degli strumenti descrive il proprio Tool Search Tool e le definizioni differite. Riconosce inoltre esplicitamente il compromesso: un passaggio di ricerca aggiuntivo deve giustificare il proprio posto attraverso un migliore uso del contesto o una maggiore accuratezza.
Quel precedente è importante perché Google entra in un dibattito architetturale già esistente. La scelta centrale resta se un'applicazione debba esporre subito definizioni complete o scoprirle man mano che il lavoro procede. Il branding del fornitore non elimina la questione ingegneristica di fondo.
Anche le implementazioni differiscono in modi che scoraggiano equivalenze superficiali. Google afferma che i suoi strumenti differiti mantengono nomi e descrizioni nel contesto iniziale. Anthropic descrive un meccanismo di ricerca che individua gli strumenti differiti prima di espanderne le definizioni.
Questi approcci non dovrebbero essere considerati intercambiabili solo perché entrambi rinviano alcune informazioni. La visione iniziale del modello influenza il modo in cui identifica le capacità pertinenti. Metodi di scoperta diversi possono inoltre creare schemi di errore differenti.
Anthropic riporta miglioramenti interni per la propria implementazione, ma tali risultati non stabiliscono le prestazioni di Gemini. Un benchmark appartiene ai modelli testati, alle raccolte di strumenti, ai compiti e al metodo di valutazione utilizzati. Trasferire una percentuale tra fornitori oscurerebbe queste condizioni.
Per gli acquirenti, il confronto utile è quindi metodologico. Che cosa rivela inizialmente ciascun sistema? Come trova uno strumento? Che cosa accade quando manca la capacità prevista? Come ispeziona l'applicazione una selezione errata e come ne gestisce il recupero?
Una valutazione corretta richiede anche una baseline credibile. Confrontare il recupero con un catalogo deliberatamente disorganizzato sovrastimerebbe il contributo del nuovo meccanismo. L'approccio esistente merita descrizioni chiare, raggruppamenti appropriati e l'eliminazione delle operazioni non necessarie.
Allo stesso modo, un test dominato da strumenti usati raramente favorisce naturalmente il caricamento selettivo. Un flusso di lavoro che utilizza ripetutamente la maggior parte delle capacità disponibili presenta un carico di lavoro diverso. Nessuno dei due risultati descrive da solo tutte le applicazioni agentiche.
Il confronto più informativo mantiene costante il compito aziendale. L'utente pone la stessa domanda, i sistemi connessi restituiscono informazioni equivalenti e l'applicazione segue le stesse regole di autorizzazione. La valutazione esamina quindi se la strategia di caricamento modificata migliori il risultato completato.
Ciò include l'esperienza umana. Un assistente che conclude correttamente dopo ripetuti chiarimenti è diverso da uno che comprende subito la richiesta. Una risposta iniziale più rapida può comunque precedere una risoluzione complessiva più lenta.
La concorrenza tra fornitori dovrebbe rendere più semplici da testare queste distinzioni, anziché incoraggiare affermazioni generalizzate su chi abbia risolto l'uso degli strumenti. Direzioni di prodotto simili creano l'opportunità per esperimenti comparabili. Non forniscono i risultati di tali esperimenti.
Per Introducing Tool Retrieval in the Gemini API, la conclusione difendibile è che Google si è unita al passaggio verso il caricamento selettivo delle capacità. Se la sua anteprima diventerà il percorso preferito per una particolare applicazione dipende dal comportamento misurato di quell'applicazione.
Prompt più piccoli non garantiscono un lavoro completato più economico
La misura economica pertinente è il costo di un flusso di lavoro riuscito, inclusi scoperta, esecuzione, recupero e prosecuzione della conversazione.
Google afferma che Tool Retrieval non prevede un addebito separato per la funzionalità, mentre continua ad applicarsi la normale fatturazione dei token del modello. I token sono le unità usate per misurare input e output del modello. La ricerca aggiunge un sovraccarico fisso di input e gli schemi recuperati restano fatturabili nel contesto delle conversazioni successive.
Questo modello di fatturazione crea un'opportunità condizionata. Tenere fuori il materiale inutilizzato può ridurre il consumo di input. Caricare il materiale in un secondo momento comporta comunque un consumo, e una conversazione che alla fine necessita di gran parte del catalogo ha un profilo diverso.
Il punto analitico importante è il denominatore. Misurare solo il prompt iniziale può far sembrare un'ottimizzazione più preziosa di quanto sia. Un'azienda si interessa a sapere se la richiesta del cliente è stata risolta, il report è stato completato o il record previsto è stato aggiornato correttamente.
Un assistente ipotetico potrebbe iniziare con meno input ma effettuare un tentativo di scoperta non necessario. Potrebbe recuperare l'operazione sbagliata, chiedere chiarimenti e riprovare. Il risparmio iniziale descriverebbe quindi solo una parte dell'interazione.
È possibile anche l'esito opposto. Una selezione migliore può prevenire una chiamata errata e il successivo lavoro di recupero. In quel caso, il beneficio va oltre il testo dello schema omesso.
Nessuno dei due scenari dovrebbe essere presentato come un risultato osservato di Gemini senza prove. Spiegano perché i team necessitino di misurazioni dei carichi di lavoro. Conteggi dei token, qualità del completamento e tempo trascorso rispondono a domande correlate, ma nessuno sostituisce gli altri.
Anche la latenza, ossia il tempo trascorso prima che una risposta o un'azione sia completata, richiede analoga attenzione. Una ricerca interna al server evita uno scambio aggiuntivo con l'applicazione. Rappresenta comunque lavoro all'interno della richiesta, quindi «nessun viaggio di andata e ritorno aggiuntivo» non significa «nessun tempo di recupero».
La cache aggiunge un'altra variabile. Una cache riutilizza contenuti idonei elaborati in precedenza. Google afferma che il caricamento differito preserva un prefisso stabile del prompt, ma i team devono comunque esaminare gli effettivi schemi delle proprie conversazioni prima di stimare un beneficio economico.
Sicurezza e autorizzazioni appartengono alla stessa valutazione pratica. Nascondere uno schema fino a un momento successivo non stabilisce se un utente abbia diritto a eseguire l'azione. Le applicazioni dovrebbero applicare i controlli di accesso sia quando espongono capacità sia quando eseguono operazioni con conseguenze rilevanti.
Un esempio di rimborso chiarisce il confine. Scoprire l'operazione di rimborso risponde alla domanda su quale strumento si adatti a una richiesta. Non stabilisce che il cliente ne abbia diritto, che l'importo sia corretto o che l'utente corrente possa autorizzarlo.
L'anteprima lascia inoltre il rischio di rilascio agli adottanti. La documentazione di Google identifica Tool Retrieval come un'anteprima la cui interfaccia può cambiare prima della disponibilità generale. I team devono tenere conto di questo stato quando decidono fino a che punto dipenderne.
Un progetto pilota sensato valuta quindi più della semplice riduzione dei conteggi di input. Confronta compiti completati, errori, sforzo di recupero e tempo totale trascorso. Un risultato diventa commercialmente significativo quando l'efficienza resiste a queste misure più ampie.
Questo è il limite centrale della promessa dell'annuncio. Il caricamento selettivo crea l'opportunità di impiegare il contesto con maggiore attenzione. Non elimina la necessità di dimostrare che l'intera applicazione offra prestazioni migliori.
I prossimi segnali sono stabilità, risultati dei flussi di lavoro e qualità del catalogo
La fase successiva dovrebbe essere valutata in base a risultati applicativi osservabili, con maturità del rilascio e manutenibilità a fornire un contesto essenziale.
Il primo segnale da osservare è la stabilità del prodotto. Nei prossimi mesi, i cambiamenti nello stato dell'anteprima, nel comportamento supportato e nella documentazione plasmeranno le decisioni di adozione. Un'interfaccia stabile rende più facile per i team impegnare risorse ingegneristiche e mantenere un comportamento coerente.
Questo segnale rafforzerebbe l'argomento per un uso più ampio, ma non dimostrerebbe un guadagno di efficienza. La maturità del rilascio e le prestazioni sul carico di lavoro rispondono a domande diverse. Un'interfaccia affidabile può comunque essere la scelta sbagliata per un'applicazione con un insieme di strumenti compatto e utilizzato frequentemente.
Il secondo segnale è l'evidenza relativa al flusso di lavoro completo. Risultati utili confronterebbero compiti equivalenti con caricamento selettivo e anticipato, mantenendo invariato l'altro comportamento dell'applicazione. I report dovrebbero spiegare che cosa è riuscito, che cosa è fallito e in che modo il recupero ha influenzato l'esito.
I risultati su richieste varie sarebbero più persuasivi di una dimostrazione selezionata con cura. Consultazioni di routine, richieste ambigue, obiettivi della conversazione che cambiano e capacità non disponibili mettono in luce debolezze diverse. Una funzionalità che opera bene in queste condizioni ha un argomento di adozione più solido.
L'evidenza di un minore consumo totale di input insieme a una qualità di completamento stabile sosterrebbe l'argomento di efficienza di Google. Più fallimenti nella scoperta o tempi di risoluzione più lunghi indebolirebbero l'argomento per il carico di lavoro testato. Entrambi gli esiti aiuterebbero gli sviluppatori a prendere una decisione più specifica.
Il terzo segnale è la qualità del catalogo nelle applicazioni gestite. I team dovrebbero osservare se nomi chiari, descrizioni mirate e confini deliberati tra le capacità restino efficaci man mano che le integrazioni cambiano. Un'applicazione che richiede riparazioni costanti per preservare la reperibilità comporta un onere di manutenzione diverso.
Questo segnale riguarda anche la responsabilità. Quando una capacità cambia, qualcuno deve essere responsabile della sua descrizione, delle condizioni di accesso e del comportamento previsto. Il recupero rende visibile tale responsabilità perché il testo del catalogo partecipa direttamente alla selezione.
Per gli acquirenti aziendali, questi segnali suggeriscono domande concrete per i fornitori. Il prodotto può mostrare come ha selezionato un'operazione? Può spiegare una scoperta fallita? Il suo team può confrontare i flussi di lavoro completati prima e dopo aver modificato la strategia di caricamento?
Per gli sviluppatori, il prossimo passo più solido è un confronto delimitato che utilizzi lavoro rappresentativo. Includete richieste che necessitano di capacità familiari, richieste che ne richiedono di occasionali e richieste che non dovrebbero produrre alcuna azione. Conservate una baseline esistente affinché il risultato resti interpretabile.
Considerate Introducing Tool Retrieval in the Gemini API come un cambiamento architetturale verificabile. Scegliete un flusso di lavoro i cui utenti notano già errori di selezione o ritardi, quindi confrontate il completamento riuscito, il consumo totale e il tempo trascorso. Esaminate i casi in cui l'assistente sceglie in modo errato, non scopre nulla di utile o necessita di chiarimenti. Riesaminate il catalogo insieme a tali fallimenti, perché descrizioni più chiare potrebbero risolvere problemi che le sole modifiche al caricamento non possono affrontare. Mantenete coerenti le autorizzazioni durante tutto il confronto e preservate il precedente percorso di esecuzione mentre l'anteprima si sviluppa. La decisione dovrebbe seguire le prove della vostra applicazione: il caricamento selettivo aiuta l'assistente a completare il lavoro giusto con minore sforzo da parte dell'utente?



