Yapay zeka modelleri ve platformları

Google, Gemini API Ajanları için İsteğe Bağlı Araç Getirme Özelliğini Önizlemeye Sunuyor

Jonas Reeve
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarAraç Getirme, tam şemaları erteler, böylece büyük araç kütüphaneleri artık her isteğin…
Daha fazla göster
  • Araç Getirme, tam şemaları erteler, böylece büyük araç kütüphaneleri artık her isteğin giriş belirteçlerini şişirmez.
  • Sunucu tarafı arama, küçük araç kütüphaneleri için tasarruflardan daha ağır basabilecek tam bağlam içeren bir model çağrısı ekler.
  • Getirilen şemalar kaldırılamaz ve tam tools dizisi her istekte yeniden gönderilmelidir.

Google, 19 Kasım 2026’da Araç Getirme özelliğini duyurdu ve bu özelliği Gemini Interactions API’de önizleme olarak kullanıma sundu. Bu özellik, ajanların büyük araç kitaplıklarını hazırda tutmasına ve tam parametre şemalarını yalnızca mevcut görev gerektirdiğinde yüklemesine olanak tanıyor.

Google’a göre ajanlar onlarca, hatta yüzlerce araca bağlandığında geleneksel yaklaşım kullanışsız hâle geliyor: Her aracın tam şemasını göndermek girdi tokenlarının sayısını artırıyor, gecikmeye yol açıyor ve aday listesi büyüdükçe araç seçiminin doğruluğunu düşürüyor. Araç Getirme özelliği, ertelenmiş her aracın başlangıçta yalnızca adını ve açıklamasını bağlamda tutuyor; işlevin parametrelerini tanımlayan şemayı ise model isteyene kadar yüklemiyor.

Interactions API Haziran 2026’da genel kullanıma açıldı ve Google’ın yeni projeler için önerdiği arayüz. Araç Getirme yalnızca bu arayüz üzerinden çalışıyor; daha eski generateContent yöntem bunu desteklemiyor.

Sunucu Tarafında ve İstemci Tarafında Getirme

Varsayılan sunucu tarafı modunda geliştiriciler bir tool_search araç ekler ve seçili işlev araçlarında defer_loading: true ayarını yapar. Sık kullanılan işlevler tamamen yüklenmiş olarak kalabilirken, özel amaçlı olanlar başlangıçta yalnızca adları ve açıklamalarıyla bağlama ekleniyor. Modelin ertelenmiş bir araca ihtiyacı olduğunda, tek bir API çağrısı şunları içerebilir: tool_search_call, bir tool_search_result tam şemayı taşıyan ve ortaya çıkan function_call; böylece bu yürütme adımları hata ayıklama için görünür kalıyor. Özel bir işlev söz konusu olduğunda, geliştiricinin kodu işlevi çalıştırmaya ve bir function_result.

Geliştiricilerin oluşturup barındırması gereken bir getirme dizini yok; sunucu tarafındaki aramayı Gemini gerçekleştiriyor. Şu ayarın yapılması defer_loading uzak bir MCP sunucusunda, o sunucunun sunduğu tüm araçları erteliyor; bu nedenle büyük bir sunucudaki her aracı tek tek listelemek gerekmiyor. Getirilen şemalar, istemin başına değil yüklendikleri konuma ekleniyor; böylece önceki önek örtük önbelleğe alma için değişmeden kalıyor.

İstemci tarafında getirme, arama, sıralama ve filtreleme işlemlerini geliştiricinin uygulamasına taşır. Her arama için bir ek gidiş-dönüş gerektirir; ancak örneğin kullanıcı yeni bir entegrasyona bağlandığında, araçların önceden tanımlanmadan görüşme sırasında eklenmesine olanak tanır. Sunucu tarafında ve istemci tarafında getirme aynı istekte birlikte kullanılamaz ve yalnızca bir tool_search tanıma izin verilir.

Token Maliyetleri ve Model Desteği

Araç Getirme için ayrıca ücret alınmıyor; ancak araç kullanımından kaynaklanan ek yükü ortadan kaldırmak yerine tokenların ücretlendirilme biçimini değiştiriyor. Sunucu tarafı arama talimatları her isteğe küçük, sabit bir girdi bloğu ekliyor; kurulum kılavuzunda, ilk testlerde ertelenen her araç için ad ve açıklamadan oluşan kısa bir kaydın yaklaşık 26 token ürettiği belirtiliyor. Modelin yüklediği her şema sonraki çağrılarda ve turlarda girdi olarak ücretlendirilmeye devam ediyor. Sunucu tarafındaki her arama ayrıca tam bağlamı ve yeni yüklenen şemaları içeren başka bir model çağrısı başlatıyor; bu istem araç kullanımı tokenları olarak kaydediliyor ve girdi tarifesi üzerinden ücretlendiriliyor.

Kılavuzdaki açıkça örnek amaçlı iki istek senaryosu, yuvarlak rakamlar kullanıyor ve çıktı tokenlarını ve önbelleğe almayı hesaba katmıyor. Her biri 400 token olan 200 araçtan ikisinin yüklendiği senaryoda, statik yükleme 164.000 girdi tokenı tutarken getirme kullanıldığında girdi ve araç kullanımı tokenlarının toplamı yaklaşık 23.650 oluyor. Aynı büyüklükte 10 araç ve 30.000 tokenlık bağlam içeren ikinci senaryoda, statik yükleme toplamı 68.000 tokena, getirme kullanımı ise yaklaşık 92.830 tokene çıkarıyor. Bu ikinci örnek, arama için büyük bir bağlamın yinelenmesinin, küçük bir araç kitaplığından elde edilen tasarrufu nasıl aşabileceğini gösteriyor.

Kılavuz, desteklenen modeller arasında Gemini 4 Argon, Gemini 3.8 Flash ve Gemini 3.6 Flash’ı açıkça sıralıyor. Desteklenmeyen bir modelde defer_loading ayarını belirten istekler 400 hatası döndürüyor. Kılavuz ayrıca önizleme API’sinin yapısının genel kullanıma açılmadan önce değişebileceği konusunda uyarıyor.

Desteklenen modellerde de kullanım koşulları önemini koruyor. Getirilen araçlar görüşme sırasında kaldırılamıyor. Ayrıca, araç bildirimleri istekler arasında saklanmadığı için, previous_interaction_idile zincirlenen turlar da dahil olmak üzere her istekte araç dizisinin tamamının yeniden gönderilmesi gerekiyor.

Google’ın daha kapsamlı işlev çağırma kılavuzu, bir araç kitaplığı yaklaşık 20 ila 30 aracı aştığında getirme seçeneğinin değerlendirilmesini öneriyor. Böylece bu özellik, ajanların çok daha büyük katalogları hazırda tutmasını sağlıyor; ancak ek özelliğin token kullanımını azaltıp azaltmayacağını, yoksa artırıp artırmayacağını arama sıklığı ve saklanan şemalar belirliyor.

Jonas Reeve, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; bilişsel yapay zekâyı, yapay genel zekâyı (AGI) ve makine zekâsının kuramsal temellerini inceler. Çalışması, öğrenme, akıl yürütme, hafıza ve soyutlamanın hem biyolojik hem de yapay sistemlerde nasıl ortaya çıktığını inceler, modern AI mimarileri ile bilişsel bilim ve zihin felsefesindeki uzun süredir var olan sorular arasında bağlantılar kurar.

Kavramsal ve yansıtıcı bir yaklaşımla, Jonas akıl yürütme modelleri, ajan sistemleri, ortaya çıkan bilişsel süreçler ve uyum teorisi gibi çerçeveleri inceler; AGI'ye doğru ilerlemenin gerçekte ne anlama geldiğini ve ne anlama gelmediğini açıklamayı amaçlar. Zaman çizelgeleri ya da hype peşinde koşmak yerine, temel ilkelere, kavramsal titizliğe ve mevcut modellerin sınırlamalarına vurgu yapar.

Jonas Reeve tarafından yazılan makaleler AI tarafından üretilir ve Unite.AI'nin editöryal ekibi tarafından doğruluk, açıklık ve gelişmiş AI kavramlarının sorumlu bir şekilde tartışılmasını sağlamak amacıyla gözden geçirilir.