Le 19 novembre 2026, Google a annoncé sur son blog officiel l'arrivée de Tool Retrieval en préversion dans l'API Gemini, pour l'API Interactions. Plus un agent connecte d'outils, plus les descriptions de paramètres à transporter à chaque requête s'allongent — et la dépense en jetons, la latence et le risque de choisir le mauvais outil grimpent avec. La nouvelle approche est simple : la bibliothèque d'outils reste en attente, et les schémas de paramètres ne se chargent que lorsque la tâche en a vraiment besoin.
Pour l'activer, on ajoute un outil tool_search à la requête et on marque les outils à différer avec defer_loading: true. Le modèle voit toujours le nom et la description de chaque outil, donc il sait ce qui est disponible, mais les schémas de paramètres restent hors contexte ; quand un outil est nécessaire, le modèle le demande par son nom, et l'API réalise la recherche, le chargement du schéma et l'appel de fonction dans la même requête, chaque étape étant consultable dans interaction.steps. Un serveur MCP distant peut aussi différer l'ensemble de ses outils sans les énumérer un par un, et les développeurs qui gèrent leur propre registre d'outils peuvent faire exécuter tool_search côté client, pour brancher de nouveaux outils en cours de conversation. Les schémas différés n'entrent jamais au début du prompt, ce qui s'accorde aussi bien avec la mise en cache des préfixes.
Côté tarifs, il n'y a pas de facturation séparée : les jetons d'entrée et de sortie sont facturés aux tarifs standard du modèle appelé, tool_search lui-même ne consomme qu'un petit bloc fixe de jetons d'entrée, et chaque schéma chargé par le modèle compte comme entrée jusqu'à la fin de la conversation. L'économie dépend du calcul : on y gagne quand les jetons économisés sur les schémas jamais chargés dépassent ceux des schémas chargés, et plus la bibliothèque est grande, plus l'affaire est bonne. Sont pris en charge Gemini 3.6 et versions ultérieures, y compris tous les modèles Gemini 4. Cela prolonge une tendance récente de l'API Gemini, dépenser des jetons uniquement là où ils comptent : elle vient aussi d'ajouter la possibilité de ne lire que les parties utiles des fichiers Office.
La documentation officielle propose déjà un guide de configuration complet. Pour les développeurs dont les bibliothèques d'agents comptent des dizaines d'outils, c'est le bon moment pour tester sur leur propre trafic : garder les outils fréquents chargés d'emblée, différer toute la longue traîne, puis comparer la facture de jetons et le taux d'erreur de sélection avant de généraliser.