Mô hình và nền tảng AI
Google giới thiệu tính năng truy xuất công cụ theo yêu cầu cho các tác tử Gemini API

Điểm chínhTool Retrieval trì hoãn các lược đồ đầy đủ để các thư viện công cụ lớn không còn làm…
Xem thêm
- Tool Retrieval trì hoãn các lược đồ đầy đủ để các thư viện công cụ lớn không còn làm tăng số token đầu vào của mỗi yêu cầu.
- Tìm kiếm phía máy chủ thêm một lệnh gọi mô hình với ngữ cảnh đầy đủ có thể vượt quá mức tiết kiệm đối với các thư viện công cụ nhỏ.
- Các lược đồ đã truy xuất không thể được gỡ bỏ và mảng công cụ đầy đủ phải được gửi lại trong mỗi yêu cầu.
Ngày 19 tháng 11 năm 2026, Google đã công bố tính năng Truy xuất công cụ, hiện được cung cấp dưới dạng bản xem trước trong Gemini Interactions API. Tính năng này cho phép các tác tử duy trì trạng thái sẵn sàng cho những thư viện công cụ lớn và chỉ tải lược đồ tham số đầy đủ khi tác vụ hiện tại yêu cầu.
Google cho biết cách tiếp cận thông thường trở nên khó quản lý khi các tác tử kết nối với hàng chục hoặc hàng trăm công cụ: gửi mọi lược đồ đầy đủ làm tăng số lượng token đầu vào, tăng độ trễ và giảm độ chính xác khi chọn công cụ do danh sách lựa chọn ngày càng dài. Ban đầu, tính năng Truy xuất công cụ chỉ giữ tên và mô tả của từng công cụ được trì hoãn trong ngữ cảnh, chưa cung cấp lược đồ xác định các đối số của hàm cho đến khi mô hình yêu cầu.
Interactions API được cung cấp rộng rãi vào tháng 6 năm 2026 và là giao diện Google khuyến nghị dùng cho các dự án mới. Tính năng Truy xuất công cụ chỉ hoạt động thông qua giao diện này; phương thức cũ generateContent không hỗ trợ tính năng này.
Truy xuất phía máy chủ và phía máy khách
Ở chế độ mặc định phía máy chủ, nhà phát triển thêm một tool_search công cụ và đặt defer_loading: true cho các công cụ hàm được chọn. Những hàm thường dùng có thể được tải đầy đủ, trong khi các hàm chuyên biệt ban đầu chỉ đóng góp tên và mô tả. Khi mô hình cần một công cụ được trì hoãn, một lệnh gọi API có thể chứa một tool_search_call, một tool_search_result mang theo lược đồ đầy đủ và phần function_call, nhờ đó các bước thực thi này vẫn hiển thị để phục vụ việc gỡ lỗi. Với một hàm tùy chỉnh, mã của nhà phát triển vẫn thực thi hàm đó và trả về một function_result.
Không cần tạo hoặc lưu trữ chỉ mục truy xuất; Gemini thực hiện tìm kiếm phía máy chủ. Việc đặt defer_loading trên một máy chủ MCP từ xa sẽ trì hoãn mọi công cụ mà máy chủ đó cung cấp, vì vậy không cần liệt kê riêng từng công cụ trên một máy chủ lớn. Các lược đồ được truy xuất sẽ được chèn vào vị trí chúng được tải, thay vì ở đầu lời nhắc, nhờ đó phần tiền tố trước đó vẫn nguyên vẹn để phục vụ bộ nhớ đệm ngầm.
Truy xuất phía máy khách chuyển việc tìm kiếm, xếp hạng và lọc sang ứng dụng của nhà phát triển. Mỗi lần tìm kiếm sẽ thêm một lượt trao đổi, nhưng cho phép đưa công cụ vào giữa cuộc trò chuyện mà không cần khai báo trước, chẳng hạn khi người dùng kết nối một tích hợp mới. Không thể kết hợp truy xuất phía máy chủ và phía máy khách trong cùng một yêu cầu, và chỉ cho phép đúng một tool_search định nghĩa.
Chi phí token và hỗ trợ mô hình
Truy xuất công cụ không phát sinh phí riêng, nhưng thay đổi cách tính phí token chứ không loại bỏ chi phí phát sinh từ công cụ. Hướng dẫn thiết lập cho biết các thử nghiệm ban đầu tạo ra khoảng 26 token cho mỗi công cụ được trì hoãn, tính theo mục nhập gọn gồm tên và mô tả. Mọi lược đồ được mô hình tải vẫn bị tính phí dưới dạng đầu vào trong các lệnh gọi và lượt tiếp theo. Mỗi lần tìm kiếm phía máy chủ cũng kích hoạt thêm một lệnh gọi mô hình, với toàn bộ ngữ cảnh và các lược đồ mới được tải; lời nhắc này được tính là token sử dụng công cụ và tính phí theo mức dành cho đầu vào.
Ví dụ minh họa rõ ràng cho hai yêu cầu trong hướng dẫn sử dụng các con số làm tròn, đồng thời không tính token đầu ra và bộ nhớ đệm. Với 200 công cụ, mỗi công cụ gồm 400 token, và hai công cụ được tải, ví dụ tính tổng cộng 164.000 token đầu vào khi tải tĩnh, so với khoảng 23.650 token đầu vào và token sử dụng công cụ khi dùng tính năng truy xuất. Một kịch bản thứ hai, với 10 công cụ có cùng kích thước và ngữ cảnh 30.000 token, có tổng cộng 68.000 token khi tải tĩnh và khoảng 92.830 token khi dùng tính năng truy xuất. Trường hợp thứ hai cho thấy việc lặp lại một ngữ cảnh lớn để tìm kiếm có thể khiến chi phí vượt quá phần tiết kiệm được từ một thư viện công cụ nhỏ.
Hướng dẫn nêu rõ các mô hình được hỗ trợ gồm Gemini 4 Argon, Gemini 3.8 Flash và Gemini 3.6 Flash. Các yêu cầu đặt defer_loading trên một mô hình không được hỗ trợ sẽ trả về lỗi 400. Hướng dẫn cũng lưu ý rằng giao diện API ở bản xem trước có thể thay đổi trước khi được cung cấp rộng rãi.
Các giới hạn vận hành vẫn quan trọng đối với mọi mô hình được hỗ trợ. Không thể dỡ bỏ các công cụ đã truy xuất trong suốt cuộc trò chuyện. Mảng công cụ đầy đủ cũng phải được gửi lại trong mọi yêu cầu, kể cả các lượt được nối chuỗi bằng previous_interaction_id, vì các khai báo công cụ không được lưu giữa các yêu cầu.
Hướng dẫn rộng hơn của Google về việc gọi hàm khuyến nghị cân nhắc dùng tính năng truy xuất khi thư viện vượt khoảng 20 đến 30 công cụ. Vì vậy, đợt ra mắt này mang đến cho các tác tử một cách duy trì trạng thái sẵn sàng cho những danh mục lớn hơn nhiều, đồng thời khiến tần suất tìm kiếm và số lược đồ được giữ lại trở thành yếu tố quyết định liệu năng lực bổ sung này giúp giảm hay làm tăng mức sử dụng token.












