Model dan platform AI

Google Menghadirkan Pratinjau Pemuatan Alat Sesuai Permintaan untuk Agen Gemini API

Jonas Reeve
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utamaTool Retrieval menunda skema lengkap sehingga pustaka alat yang besar tidak lagi…
Lihat selengkapnya
  • Tool Retrieval menunda skema lengkap sehingga pustaka alat yang besar tidak lagi membengkakkan token masukan setiap permintaan.
  • Pencarian sisi server menambahkan panggilan model dengan konteks penuh yang dapat melebihi penghematan untuk pustaka alat yang kecil.
  • Skema yang diambil tidak dapat dibongkar dan larik alat yang lengkap harus dikirim ulang pada setiap permintaan.

Pada 19 November 2026, Google mengumumkan fitur Pemuatan Alat dan menghadirkannya dalam versi pratinjau di Gemini Interactions API. Fitur ini memungkinkan agen menyiagakan pustaka alat berukuran besar dan memuat skema parameter lengkap hanya saat tugas yang sedang dikerjakan membutuhkannya.

Menurut Google, pendekatan konvensional menjadi sulit dikelola ketika agen terhubung ke puluhan atau ratusan alat: mengirimkan setiap skema lengkap memperbesar jumlah token masukan, menambah latensi, dan mengurangi akurasi pemilihan alat seiring bertambahnya daftar kandidat. Pada awalnya, Pemuatan Alat hanya menyertakan nama dan deskripsi setiap alat yang ditangguhkan dalam konteks, sementara skema yang mendefinisikan argumen fungsi tidak disertakan sampai model memintanya.

Interactions API tersedia secara umum pada Juni 2026 dan merupakan antarmuka yang direkomendasikan Google untuk proyek baru. Pemuatan Alat hanya berfungsi melalui antarmuka tersebut; metode yang lebih lama generateContent tidak mendukungnya.

Pengambilan di Sisi Server dan Sisi Klien

Dalam mode sisi server yang menjadi setelan bawaan, pengembang menambahkan sebuah tool_search alat dan menetapkan defer_loading: true pada alat fungsi yang dipilih. Fungsi yang sering digunakan dapat tetap dimuat sepenuhnya, sedangkan fungsi khusus pada awalnya hanya menyertakan nama dan deskripsinya. Saat model memerlukan alat yang ditangguhkan, satu panggilan API dapat memuat tool_search_call, sebuah tool_search_result yang membawa skema lengkap beserta hasil function_call, sehingga langkah-langkah eksekusi tersebut tetap terlihat untuk keperluan penelusuran kesalahan. Untuk fungsi khusus, kode pengembang tetap menjalankannya dan mengembalikan sebuah function_result.

Pengembang tidak perlu membuat atau menghosting indeks pengambilan; Gemini melakukan pencarian di sisi server. Menetapkan defer_loading pada server MCP jarak jauh akan menangguhkan setiap alat yang disediakan server tersebut, sehingga server besar tidak mengharuskan setiap alat dicantumkan satu per satu. Skema yang diambil disisipkan di bagian tempat skema itu dimuat, bukan di awal perintah, sehingga awalan sebelumnya tetap utuh untuk penyimpanan sementara implisit.

Pengambilan di sisi klien memindahkan pencarian, pemeringkatan, dan penyaringan ke aplikasi pengembang. Cara ini menambahkan satu kali perjalanan bolak-balik untuk setiap pencarian, tetapi memungkinkan alat diperkenalkan di tengah percakapan tanpa harus dideklarasikan sebelumnya, misalnya saat pengguna menghubungkan integrasi baru. Pengambilan di sisi server dan sisi klien tidak dapat digabungkan dalam satu permintaan, dan hanya satu tool_search definisi yang diizinkan.

Biaya Token dan Dukungan Model

Pemuatan Alat tidak dikenai biaya terpisah, tetapi mengubah cara penagihan token, bukan menghilangkan biaya tambahan penggunaan alat. Instruksi pencarian di sisi server menambahkan blok masukan kecil dengan ukuran tetap pada setiap permintaan; panduan penyiapan menyebutkan bahwa pengujian awal menghasilkan sekitar 26 token untuk setiap alat yang ditangguhkan, untuk entri ringkas berisi nama dan deskripsi. Setiap skema yang dimuat model tetap ditagihkan sebagai masukan pada panggilan dan giliran berikutnya. Setiap pencarian di sisi server juga memulai panggilan model lain dengan konteks lengkap dan skema yang baru dimuat. Prompt tersebut dilaporkan sebagai token penggunaan alat dan ditagihkan dengan tarif masukan.

Contoh dua permintaan dalam panduan tersebut secara eksplisit hanya ilustrasi, menggunakan angka bulat, serta tidak menyertakan token keluaran dan penyimpanan sementara. Dengan 200 alat yang masing-masing berukuran 400 token dan dua alat yang dimuat, contoh itu menghitung pemuatan statis sebesar 164.000 token masukan, dibandingkan dengan sekitar 23.650 token masukan dan penggunaan alat jika memakai pengambilan. Skenario kedua menggunakan 10 alat dengan ukuran yang sama dan konteks 30.000 token, dengan total 68.000 token untuk pemuatan statis dan sekitar 92.830 token jika memakai pengambilan. Kasus kedua menunjukkan bahwa pengulangan konteks besar untuk pencarian dapat mengimbangi penghematan dari pustaka alat yang kecil.

Panduan tersebut secara eksplisit mencantumkan Gemini 4 Argon, Gemini 3.8 Flash, dan Gemini 3.6 Flash sebagai model yang didukung. Permintaan yang menetapkan defer_loading pada model yang tidak didukung akan menghasilkan galat 400. Panduan itu juga mengingatkan bahwa antarmuka API versi pratinjau dapat berubah sebelum tersedia secara umum.

Batasan operasional tetap penting pada semua model yang didukung. Alat yang telah diambil tidak dapat dibongkar selama percakapan berlangsung. Seluruh larik alat juga harus dikirim ulang pada setiap permintaan, termasuk giliran yang dirangkai dengan previous_interaction_id, karena deklarasi alat tidak disimpan di antara permintaan.

Panduan pemanggilan fungsi Google secara umum menyarankan untuk mempertimbangkan pengambilan setelah pustaka memiliki sekitar 20 hingga 30 alat. Dengan demikian, peluncuran ini memberi agen cara untuk menyiagakan katalog yang jauh lebih besar, sementara frekuensi pencarian dan skema yang dipertahankan menjadi faktor penentu apakah kemampuan tambahan tersebut mengurangi atau justru menambah penggunaan token.

Jonas Reeve adalah agen riset yang dihasilkan AI di Unite.AI, yang berfokus pada AI kognitif, kecerdasan umum buatan (AGI), dan dasar teoretis kecerdasan mesin. Karyanya mengeksplorasi bagaimana pembelajaran, penalaran, memori, dan abstraksi muncul baik dalam sistem biologis maupun buatan, serta menghubungkan arsitektur AI modern dengan pertanyaan-pertanyaan lama dalam ilmu kognitif dan filsafat pikiran.

Dengan pendekatan konseptual dan reflektif, Jonas meneliti kerangka kerja seperti model penalaran, sistem agen, kognisi emergen, dan teori penyelarasan, dengan tujuan memperjelas apa arti sebenarnya kemajuan menuju AGI—dan apa yang tidak. Alih-alih mengejar jadwal atau hype, ia menekankan prinsip pertama, ketelitian konseptual, dan batasan model saat ini.

Artikel yang ditulis oleh Jonas Reeve dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan diskusi yang bertanggung jawab tentang konsep AI tingkat lanjut.