ToolNavs KI-Tools entdecken
Tool einreichen Anmelden
Zurück zu KI-Informationen
Tool Retrieval für die Gemini API startet als Vorschau: Hunderte Tools bei Bedarf laden, weniger Token verbrauchen und treffsicherer auswählen

Tool Retrieval für die Gemini API startet als Vorschau: Hunderte Tools bei Bedarf laden, weniger Token verbrauchen und treffsicherer auswählen

KI-Informationen • Admin • • 20 Aufrufe

Am 19. November 2026 hat Google in seinem offiziellen Blog angekündigt, dass Tool Retrieval als Vorschau in die Gemini API kommt – für die Interactions API. Je mehr Tools ein Agent anbindet, desto länger werden die Parameterbeschreibungen, die bei jeder Anfrage mitgeschickt werden müssen – und Token-Verbrauch, Latenz und die Wahrscheinlichkeit, das falsche Tool zu wählen, steigen gleich mit. Der neue Ansatz ist einfach: Die Tool-Bibliothek bleibt in Bereitschaft, und Parameter-Schemas werden nur geladen, wenn die Aufgabe sie tatsächlich braucht.

Zum Einschalten fügt man der Anfrage ein tool_search-Tool hinzu und markiert die Tools, die man zurückhalten will, mit defer_loading: true. Das Modell sieht weiterhin Name und Beschreibung jedes Tools und weiß also, was zur Verfügung steht, aber die Parameter-Schemas bleiben aus dem Kontext; braucht es ein Tool, fordert es dieses namentlich an, und die API erledigt Suche, Schema-Laden und Funktionsaufruf innerhalb derselben Anfrage, wobei sich jeder Schritt in interaction.steps nachvollziehen lässt. Auch ein Remote-MCP-Server kann sein gesamtes Tool-Set zurückstellen, ohne jedes Tool einzeln aufzulisten, und wer eine eigene Tool-Registry betreibt, kann tool_search clientseitig ausführen lassen und mitten im Gespräch neue Tools anbinden. Zurückgestellte Schemas landen nie am Anfang des Prompts, weshalb das Ganze auch gut mit Prefix-Caching harmoniert.

Bei den Preisen gibt es keine separate Gebühr: Ein- und Ausgabe-Token werden zu den Standardsätzen des aufgerufenen Modells abgerechnet, tool_search selbst belegt nur einen kleinen festen Block an Eingabe-Token, und jedes Schema, das das Modell lädt, zählt für den Rest des Gesprächs als Eingabe. Ob man spart, ist eine Rechenfrage: Man gewinnt, wenn die Token, die man bei nie geladenen Schemas einspart, die tatsächlich geladenen überwiegen – und je größer die Bibliothek, desto besser das Geschäft. Unterstützt werden Gemini 3.6 und neuer, darunter alle Gemini-4-Modelle. Das setzt auch einen aktuellen Kurs der Gemini API fort, Token nur dort auszugeben, wo sie zählen: Erst kürzlich kam die Möglichkeit hinzu, nur die benötigten Teile von Office-Dateien zu lesen.

Die offizielle Dokumentation enthält bereits eine vollständige Einrichtungsanleitung. Für Entwickler, deren Agenten-Bibliotheken in die Dutzende gehen, ist jetzt ein guter Zeitpunkt, das Ganze mit dem eigenen Traffic zu testen: häufig genutzte Tools vorne laden, den gesamten Long Tail zurückstellen, dann Token-Rechnung und Fehlerquote bei der Tool-Auswahl vergleichen und erst danach entscheiden, ob man es flächendeckend ausrollt.

Empfohlene Tools

Mehr