
Tool Retrieval es una nueva función en vista previa de la API de Gemini que permite a un agente mantener muchas herramientas disponibles sin cargar en cada petición todos sus esquemas de parámetros. La idea parece pequeña, pero aborda un problema muy concreto: cuando un asistente puede consultar decenas o cientos de funciones, describirlas completas en cada turno consume contexto, eleva el coste y puede empeorar la elección de la herramienta adecuada.
Google anunció la función el 19 de noviembre de 2026 para la Interactions API. En lugar de enviar siempre cada definición completa, el desarrollador declara una herramienta de búsqueda y marca como diferidas las funciones menos frecuentes. El modelo conserva el nombre y una descripción breve, recupera el esquema solo cuando lo necesita y después emite la llamada normal. Este artículo explica qué está confirmado, qué ventajas son razonables pero deben medirse y cómo probar la novedad sin confundir ahorro de tokens con seguridad.
Qué es Tool Retrieval y qué problema intenta resolver
Una herramienta de un agente suele incluir un nombre, una descripción y un esquema con sus argumentos. Ese esquema puede ser corto —por ejemplo, ciudad y fecha para consultar el tiempo— o muy extenso, con campos anidados, reglas y enumeraciones. Si una aplicación declara cien herramientas y envía todos esos esquemas en cada petición, una parte importante del contexto se dedica a opciones que quizá no se utilizarán.
Tool Retrieval cambia ese patrón. Según el anuncio oficial de Google, las herramientas diferidas siguen visibles mediante su nombre y descripción, pero sus parámetros completos quedan fuera del contexto inicial. Cuando el modelo considera que necesita una de ellas, ejecuta una búsqueda, recibe la definición completa y entonces genera la llamada de función.
La secuencia tiene tres pasos observables: solicitud de búsqueda, resultado con el esquema recuperado y llamada de función. Esa trazabilidad importa porque permite inspeccionar qué herramienta pidió el modelo antes de ejecutar una acción. No significa que el modelo “entienda” automáticamente los permisos ni que la acción sea segura; solo hace más explícito el recorrido técnico.
Una analogía útil: catálogo delante, manual bajo demanda
Imagina un taller con cien máquinas. El operario necesita saber que existen y para qué sirven, pero no llevar encima los cien manuales completos. Un catálogo breve le ayuda a elegir; cuando decide usar una máquina, consulta su manual. Tool Retrieval aplica ese principio a los esquemas de funciones.
La comparación también muestra el límite: si el catálogo está mal redactado, el agente puede elegir una herramienta incorrecta. Y si el manual contiene permisos excesivos, recuperarlo bajo demanda no reduce el riesgo. La calidad de nombres, descripciones, validaciones y autorizaciones sigue siendo responsabilidad de la aplicación.
Lo que Google ha confirmado
La función está disponible en vista previa dentro de la Interactions API. Google indica que funciona con Gemini 3.6 y modelos posteriores, incluidos los modelos Gemini 4. Para activarla, se añade una herramienta de tipo tool_search y se marca cada herramienta aplazable con defer_loading: true. Las funciones de uso frecuente pueden permanecer cargadas desde el principio.
También se admite la recuperación de herramientas expuestas por servidores MCP remotos. En ese caso, el servidor puede declararse como diferido y las definiciones se cargan cuando el modelo las solicita. Esto puede ser especialmente útil en integraciones empresariales con catálogos grandes, pero no elimina la necesidad de limitar qué acciones ofrece cada servidor.
Google afirma que no hay un precio separado por usar Tool Retrieval. Se factura el uso normal del modelo: existe un pequeño bloque fijo de tokens para la búsqueda y los esquemas recuperados pasan a contar como entrada durante el resto de la conversación. Por tanto, no existe un ahorro garantizado. La ventaja aparece cuando el volumen de esquemas que no se cargan supera el coste de la búsqueda y de los pocos esquemas que sí se recuperan.
La documentación de inicio de la API de Gemini sitúa la Interactions API como el entorno que conserva el contexto entre pasos y combina herramientas. Esa arquitectura encaja con una recuperación progresiva: el modelo puede añadir la definición necesaria dentro de la misma interacción y mantener visible el historial de pasos.
Qué beneficios son plausibles y cuáles no están garantizados
1. Menos tokens de entrada en catálogos grandes
El beneficio más directo es evitar el envío repetido de esquemas que casi nunca se usan. Si una aplicación dispone de cincuenta integraciones, pero cada petición emplea una o dos, cargar solo esas definiciones puede reducir mucho el contexto inicial. El ahorro real depende del tamaño de los esquemas, la frecuencia de uso, la duración de la conversación y la política de caché.
No conviene extrapolar una cifra universal. Un catálogo de diez funciones simples quizá apenas mejore; otro de doscientas funciones con estructuras profundas puede notar una diferencia sustancial. La única respuesta fiable sale de medir tokens, latencia y coste con tráfico representativo.
2. Selección más manejable de herramientas
Google sostiene que una lista enorme de parámetros puede dificultar la selección. Al separar el catálogo breve de los detalles, el agente compara primero nombres y descripciones, y solo después lee el esquema elegido. Es razonable esperar menos ruido, pero la precisión dependerá de cómo se describan las funciones y de si varias parecen hacer lo mismo.
Una descripción como “gestiona pedidos” es demasiado ambigua. Resulta mejor distinguir “consulta el estado de un pedido sin modificarlo” de “cancela un pedido confirmado”. La recuperación bajo demanda no corrige taxonomías pobres. Antes de activarla, conviene revisar nombres, verbos, alcance, entradas y consecuencias.
3. Mejor aprovechamiento de la caché de prefijo
El anuncio explica que los esquemas diferidos quedan fuera del inicio del prompt y se incorporan más tarde. Si el prefijo inicial se mantiene estable, puede reutilizarse mejor la caché. De nuevo, es una posibilidad técnica, no una promesa de ahorro para todos los casos. Cambios frecuentes en las instrucciones, descripciones o permisos pueden reducir esa ventaja.
4. Catálogos dinámicos del lado del cliente
Las empresas que ya disponen de un registro propio pueden ejecutar la búsqueda en su infraestructura. El modelo pide herramientas con una consulta y la aplicación devuelve esquemas autorizados para ese usuario. Esto permite incorporar nuevas integraciones sin declarar todo de antemano, aunque añade una ida y vuelta y exige controlar cuidadosamente el filtro de permisos.
Tool Retrieval no es una capa de seguridad
Reducir contexto no equivale a reducir privilegios. Una herramienta capaz de devolver dinero, borrar datos o publicar contenido sigue siendo sensible aunque su esquema se cargue un segundo más tarde. La aplicación debe autenticar al usuario, autorizar cada acción, validar argumentos, aplicar límites y pedir confirmación cuando la consecuencia lo justifique.
También persiste el riesgo de inyección de instrucciones desde datos externos. Si un agente consulta una página, un documento o un correo, el contenido recuperado no debe decidir por sí solo qué herramienta privilegiada se ejecuta. Separar datos de instrucciones, usar listas permitidas y revisar acciones irreversibles sigue siendo esencial. La guía interna sobre automatizar tareas con inteligencia artificial sin perder el control ofrece un marco práctico para introducir confirmaciones, límites y registros.
Otro error sería asumir que la herramienta elegida es correcta porque el modelo la buscó explícitamente. El paso de búsqueda aporta observabilidad, no certeza. Los argumentos deben validarse con reglas deterministas y las respuestas han de comprobarse antes de alimentar decisiones posteriores. Para diseñar una revisión sistemática puede servir la guía sobre cómo comprobar la calidad de respuestas de IA en un negocio.
Cómo evaluar la función con una prueba controlada
Paso 1: inventariar herramientas reales
Empieza con el catálogo existente y clasifica las funciones por frecuencia, sensibilidad y tamaño del esquema. Mantén cargadas las que aparecen en casi todas las peticiones. Considera diferir las poco frecuentes y voluminosas. Las acciones críticas merecen un grupo separado, aunque sean raras, porque necesitan controles adicionales.
Un inventario útil incluye propietario, sistema de destino, datos que lee, cambios que puede efectuar, autenticación, límites y procedimiento de reversión. Si esos datos no existen, el problema no es todavía la optimización del contexto, sino la gobernanza del catálogo.
Paso 2: crear una línea base
Ejecuta un conjunto estable de tareas sin Tool Retrieval. Registra tokens de entrada y salida, latencia total, herramienta elegida, argumentos válidos, errores, coste y resultado final. Incluye casos sencillos, solicitudes ambiguas, tareas que no necesitan ninguna herramienta y peticiones que podrían confundir dos funciones parecidas.
No basta con diez ejemplos escritos por el mismo equipo. Conviene anonimizar muestras reales, añadir casos límite y repetir cada escenario para observar variabilidad. El objetivo no es demostrar que la función funciona, sino detectar en qué condiciones mejora o empeora.
Paso 3: activar la carga diferida por grupos
No difieras todo a la vez. Empieza por un grupo de herramientas poco frecuentes y compara la misma batería de pruebas. Después amplía el grupo. Así podrás localizar si un descenso de precisión se debe a nombres ambiguos, a una descripción insuficiente o a un fallo de recuperación.
Si utilizas MCP, aplica el mismo principio por servidor. Un servidor con muchas funciones de lectura puede ser buen candidato; otro con acciones financieras o administrativas quizá deba mantener un catálogo muy limitado y controles explícitos, con independencia del ahorro de tokens.
Paso 4: medir el resultado completo
La métrica principal no debería ser solo el número de tokens. Una reducción del 30 % pierde valor si aumentan las llamadas erróneas o la latencia. Evalúa al menos cinco dimensiones: coste, tiempo, precisión de selección, validez de argumentos y éxito de la tarea. Añade una sexta para acciones sensibles: porcentaje de operaciones que respetan autorización y confirmación.
Para equipos que todavía no han construido un banco de pruebas, una formación general como Domina IA puede ayudar a ordenar conceptos y casos de uso. Quien busque plantillas aplicadas al trabajo independiente puede consultar la guía de IA para freelancers con 90 prompts. Son recursos complementarios: no sustituyen la instrumentación técnica ni una prueba con datos propios.
Un diseño recomendado para producción
Una arquitectura prudente separa cuatro capas. La primera es el catálogo, con nombres únicos y descripciones orientadas a la intención. La segunda es la recuperación, que devuelve solo herramientas disponibles para el usuario y el contexto actuales. La tercera es la autorización, que vuelve a comprobar permisos justo antes de ejecutar. La cuarta es la observabilidad, que registra búsqueda, selección, argumentos validados, resultado y errores.
En este diseño, el modelo propone y la aplicación decide. La aplicación no debería ejecutar una acción solo porque la llamada tenga la forma correcta. Puede exigir reglas adicionales: importe máximo, ámbito de datos, doble confirmación, aprobación humana o modo de solo lectura. Esas condiciones deben vivir fuera del prompt siempre que sea posible.
También conviene definir una salida segura cuando no aparece una herramienta adecuada. El agente debe poder responder que no dispone de una función autorizada, en lugar de elegir la más parecida. Para conseguirlo, las pruebas han de incluir solicitudes fuera de alcance y verificar que el sistema rechaza con claridad.
Hechos, hipótesis y predicciones
Hechos confirmados: Tool Retrieval está en vista previa en la Interactions API; permite diferir esquemas, admite búsqueda gestionada o del lado del cliente, puede trabajar con servidores MCP remotos y se factura dentro del uso normal de tokens. Google declara compatibilidad con Gemini 3.6 y modelos posteriores.
Hipótesis que deben comprobarse: que reduzca el coste total, mejore la latencia o aumente la precisión de selección en una aplicación concreta. Son resultados plausibles cuando el catálogo es grande y disperso, pero dependen de la distribución real de tareas y de la calidad de las descripciones.
Predicción razonable: si el enfoque se consolida, los catálogos de herramientas se parecerán más a registros consultables que a bloques estáticos insertados en cada prompt. Esto facilitaría conectar agentes a ecosistemas grandes. No obstante, seguirá siendo necesario resolver permisos, versionado, auditoría y compatibilidad de esquemas; la recuperación no elimina esos problemas.
Lista de comprobación antes de adoptarlo
- ¿El catálogo tiene suficientes herramientas y esquemas como para que la carga diferida aporte algo?
- ¿Cada nombre y descripción distingue claramente lectura, escritura y consecuencias?
- ¿La búsqueda filtra por usuario, organización y entorno antes de devolver esquemas?
- ¿La autorización se repite en el servidor justo antes de ejecutar?
- ¿Existen confirmaciones para acciones irreversibles o sensibles?
- ¿Se registran búsqueda, esquema recuperado, llamada, validación y resultado?
- ¿La prueba compara coste, latencia, precisión y éxito, no solo tokens?
- ¿Hay una respuesta segura cuando ninguna herramienta coincide?
Conclusión
Tool Retrieval aborda un cuello de botella real de los agentes con muchas integraciones: transportar todos los esquemas en cada petición. Su propuesta es sensata —catálogo breve primero, definición completa bajo demanda— y puede reducir contexto, mejorar la caché y hacer más manejable la selección. Pero sigue siendo una función en vista previa y su valor depende del tamaño y uso del catálogo.
La decisión correcta no es activarla por moda, sino construir una comparación controlada. Si disminuyen tokens y latencia sin empeorar selección, validación ni seguridad, habrá una ganancia medible. Si el catálogo es pequeño o las descripciones son ambiguas, la mejora puede ser mínima. Y en todos los casos, la regla central permanece: recuperar una herramienta no autoriza a ejecutarla.
