Pular para o conteúdo
NovidadesIA

Modelos e LLMs

Google reduz tokens em agentes com busca de ferramentas no Gemini

Recurso em prévia carrega esquemas técnicos sob demanda em chamadas da API e funciona a partir do Gemini 3.6.

Edição: Anderson Gomes
· 3 min de leitura

Google reduz tokens em agentes com busca de ferramentas no Gemini
Imagem: Reprodução · Google AI Blog · reprodução · licença não declarada

O Google liberou em 19 de novembro de 2026 o Tool Retrieval na API do Gemini para gerenciar grandes bibliotecas de ferramentas em agentes autônomos. Em vez de enviar centenas de esquemas de parâmetros em todas as requisições, o mecanismo mantém as funções em espera e carrega os detalhes técnicos apenas no momento do uso. A API busca os dados sob demanda. A mudança reduz o consumo de tokens de entrada para desenvolvedores que utilizam modelos a partir do Gemini 3.6.

Esquemas saem do prompt inicial e entram sob demanda

Apresentado pela gerente de produto Lucia Loher e pela cientista de pesquisa Nora Kassner, da Google DeepMind, o método combate o inchaço de contexto em fluxos complexos. As autoras relatam que transmitir especificações completas de dezenas ou centenas de funções encarece a operação em tokens de entrada e amplia a latência das respostas. Além do custo financeiro, a lista extensa de candidatos prejudica a capacidade do modelo de selecionar a ferramenta exata para a tarefa. O catálogo longo dispersa a atenção.

Para ativar a busca dinâmica, quem desenvolve inclui o componente tool_search na chamada da API e adiciona a configuração defer_loading: True nas funções que deseja postergar. O modelo ainda enxerga o nome e a descrição de cada ferramenta cadastrada para saber o que está disponível, mas deixa as definições de argumentos fora do contexto. O servidor assume toda a busca. A equipe de engenharia pode manter rotinas frequentes no prompt principal e empurrar apenas a cauda longa de utilitários raros para o carregamento sob demanda.

O ciclo completo ocorre dentro de uma única interação em client.interactions.create, sem exigir que o programador construa ou gerencie índices externos de recuperação. No exemplo técnico divulgado pelo Google com o modelo gemini-4-hydrogen, o agente processa o estorno de 40 dólares do pedido A-1042 emitindo a função issue_refund. A resposta detalha no campo interaction.steps a busca inicial tool_search_call, o carregamento dos parâmetros em tool_search_result e a execução em function_call. O log facilita a depuração.

Integração com servidores remotos e limites da prévia

O sistema também preserva o prefix caching, porque os parâmetros adiados não ocupam o início do prompt e garantem que o prefixo permaneça idêntico nas trocas de mensagens consecutivas. A ferramenta opera em conjunto com servidores remotos do protocolo MCP (Model Context Protocol), bastando marcar defer_loading: True na declaração de mcp_server. O ajuste evita cadastros manuais. Depois que o modelo carrega o esquema e emite a chamada, o código local executa a tarefa e devolve a resposta em function_result.

Apesar da demonstração técnica no blog oficial, o comunicado do Google não publicou tabelas comparativas nem índices consolidados de economia de tokens ou queda de latência. A empresa comprovou a sintaxe do código e a visibilidade das etapas de depuração, mas não detalhou limites máximos de ferramentas nem métricas oficiais em ambientes de produção. O recurso continua em estágio de prévia na Interactions API para modelos a partir do Gemini 3.6. A eficiência real dependerá de testes práticos.

  • Google AI Blog
  • Modelos e LLMs

Fonte: Comunicado oficial · Como produzimos as matérias