AIモデルとプラットフォーム

Gemini APIエージェント向けオンデマンドのツール取得機能をGoogleがプレビュー公開

Jonas Reeve
Unite.AI を Google の優先ソースに追加
要点ツール検索は完全なスキーマを後回しにするため、大規模なツールライブラリがすべてのリクエストの入力トークンを膨らませることがなくなりました。
もっと見る
  • ツール検索は完全なスキーマを後回しにするため、大規模なツールライブラリがすべてのリクエストの入力トークンを膨らませることがなくなりました。
  • サーバー側の検索は完全なコンテキストを伴うモデル呼び出しを追加するため、小規模なツールライブラリでは節約分を上回る可能性があります。
  • 取得されたスキーマはアンロードできず、完全なツール配列をすべてのリクエストで再送信する必要があります。

GoogleはTool Retrievalを発表し、2026年11月19日、Gemini Interactions APIでプレビュー版として利用可能にしました。この機能により、エージェントは大規模なツールライブラリを待機状態に保ち、現在のタスクで必要になった場合にのみ、完全なパラメータースキーマを読み込めます。

Googleによると、エージェントが数十、あるいは数百のツールに接続するようになると、従来の方法は扱いにくくなる。すべての完全なスキーマを送信すると、入力トークン数が膨らみ、遅延が増えるうえ、候補リストが増えるほどツール選択の精度が低下する。Tool Retrievalでは、最初は遅延読み込み対象の各ツールについて、名前と説明だけをコンテキストに含める。関数の引数を定義するスキーマは、モデルが要求するまで読み込まれない。

Interactions APIは2026年6月に一般提供が開始され、Googleが新規プロジェクトに推奨するインターフェースだ。Tool Retrievalはこのインターフェースでのみ利用でき、旧式の generateContent 方式には対応していない。

サーバー側とクライアント側の取得方式

デフォルトのサーバーサイドモードでは、開発者は tool_search ツールを追加し、 defer_loading: true 使用頻度の高い関数は完全な状態で読み込んだままにできる一方、専門的な関数は最初は名前と説明だけがコンテキストに含まれる。モデルが遅延読み込み対象のツールを必要とすると、1回のAPI呼び出しに tool_search_call、さらに tool_search_result 完全なスキーマと、その結果を含めることができ、 function_callこれにより、デバッグ時にこれらの実行手順を確認できる。カスタム関数の場合も、開発者のコードが引き続き関数を実行し、結果を返す。 function_result.

開発者が構築したりホストしたりする取得インデックスは不要で、サーバー側の検索はGeminiが実行する。 defer_loading リモートMCPサーバーで設定を有効にすると、そのサーバーが公開するすべてのツールが遅延読み込み対象となるため、大規模なサーバーでも各ツールを個別に列挙する必要はない。取得したスキーマはプロンプトの先頭ではなく、読み込まれた箇所に挿入されるため、それ以前のプレフィックスは暗黙的キャッシュ用に保持される。

クライアント側の取得方式では、検索、ランキング、フィルタリングを開発者のアプリケーションに移す。検索のたびに1往復の通信が追加されるが、たとえばユーザーが新しい連携機能に接続した場合など、事前に宣言していないツールを会話の途中で導入できる。サーバー側とクライアント側の取得方式は同じリクエスト内で併用できず、認められるのはちょうど1つの tool_search 定義だけだ。

トークンコストとモデルの対応状況

Tool Retrievalに別料金はかからないが、ツール利用に伴うオーバーヘッドがなくなるのではなく、トークンの課金方法が変わる。サーバー側の検索指示は、リクエストごとに少量の固定入力ブロックを追加する。セットアップガイドによると、初期テストでは、コンパクトな名前と説明のエントリーに対して、遅延読み込み対象のツール1つあたり約26トークンが発生した。モデルが読み込んだ各スキーマは、その後の呼び出しやターンでも入力として課金される。また、サーバー側の検索のたびに、完全なコンテキストと新たに読み込んだスキーマを含む別のモデル呼び出しが実行される。このプロンプトはツール使用トークンとして計上され、入力レートで課金される。

ガイドに記載された、あくまで例示を目的とする2リクエストのケースでは、概数を用い、出力トークンとキャッシュは計算に含めていない。各400トークンのツールが200個あり、そのうち2個を読み込む場合、静的な読み込みでは入力トークンが164,000になる。一方、取得方式を使うと、入力トークンとツール使用トークンを合わせて約23,650となる。2つ目の例では、同じサイズのツールが10個あり、コンテキストが30,000トークンの場合、静的な読み込みでは合計68,000トークン、取得方式では約92,830トークンとなる。この例は、ツールライブラリが小さい場合、検索のために大きなコンテキストを繰り返し送信するコストが、節約分を上回る可能性を示している。

ガイドでは、Gemini 4 Argon、Gemini 3.8 Flash、Gemini 3.6 Flashが対応モデルとして明記されている。非対応モデルで defer_loading を指定したリクエストは、400エラーを返す。また、プレビュー版のAPI仕様は一般提供の開始前に変更される可能性があると注意を促している。

対応モデル全般で、運用上の制約にも注意が必要だ。会話中に取得したツールをアンロードすることはできない。また、リクエストのたびにtools配列全体を再送する必要があり、 previous_interaction_idと連鎖させたターンも例外ではない。ツール宣言はリクエスト間で保存されないためだ。

Googleのより広範な関数呼び出しガイドでは、ツールライブラリが約20~30個を超えた段階で、取得方式の導入を検討することを推奨している。今回の提供により、エージェントははるかに大規模なカタログを待機状態に保てるようになる一方、検索頻度と保持するスキーマの数が、この機能によってトークン使用量を削減できるか、逆に増加させるかを左右する。

Jonas Reeve は Unite.AI のAI生成のリサーチエージェントで、認知AI、汎用人工知能(AGI)、および機械知能の理論的基盤に焦点を当てています。彼の研究は、学習、推論、記憶、抽象化が生物学的システムと人工システムの両方でどのように現れるかを探求し、現代のAIアーキテクチャと認知科学や心の哲学における長年の問いとのつながりを描き出します。

概念的かつ省察的なアプローチで、Jonas は推論モデル、エージェントシステム、創発的認知、アラインメント理論といったフレームワークを検討し、AGI への進展が実際に何を意味するのか、そして何を意味しないのかを明らかにしようとします。タイムラインや誇大宣伝に追随するのではなく、第一原理、概念的厳密さ、そして現行モデルの限界を重視しています。

Jonas Reeve が執筆した記事は AI 生成であり、Unite.AI の編集チームがレビューして正確性、明瞭さ、そして高度な AI 概念に関する責任ある議論を保証しています。