Google 11 月 19 日在 Gemini Interactions API 推出 Tool Retrieval 预览。开发者加一个 tool_search 工具,并给不常用的工具设置 defer_loading: true,模型只看到工具名称和描述,需要时再按名称加载完整参数 schema 并在同一请求内完成调用,用于减少输入 token、降低延迟,并在工具很多时保持选择准确率。远程 MCP 服务器也可整体延迟加载;功能不单独收费,支持 Gemini 3.6 及以后的模型,包括全部 Gemini 4 模型。
核心要点速览
- ✓官方:Google 官方博客 11 月 19 日发布,作者为 Gemini API 产品经理 Lucia Loher 与 Google DeepMind 研究科学家 Nora Kassner,@GoogleAIStudio 同步发帖
- ✓用法:请求中加入 {"type": "tool_search"},给要延迟的工具设 defer_loading: true;常用工具可照常预先加载
- ✓流程:搜索、加载 schema、发出 function_call 三步都在同一次 API 调用内完成,并记录在 interaction.steps 中便于调试
- ✓MCP 与客户端模式:给 mcp_server 设 defer_loading 可整体按需加载;也可用 "execution": "client" 接自己的工具注册表或权限过滤,每次搜索多一次往返
- ✓计费与模型:不单独收费,开启后增加一小段固定输入 token,已加载的 schema 在后续对话中按输入计费;支持 Gemini 3.6 及以后模型,仅限 Interactions API

关键决策指标一览
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
智能体接入几十甚至上百个工具后,每次请求都把全部参数 schema 发给模型,会推高输入 token 和延迟,工具越多越容易选错。Google 推出 Tool Retrieval,让智能体平时只保留工具清单,真正需要时再加载完整 schema。
架构亮点与底层机制
开启方式是加一个 tool_search 工具,并给要延迟的工具设置 defer_loading: true。模型仍能看到每个延迟工具的名称和描述,需要时按名称请求,API 加载 schema 后模型直接发出 function_call,三步在同一次请求内完成。搜索在服务端进行,不需要自建索引;加载的 schema 追加在对话后部,不破坏前缀缓存。远程 MCP 服务器可整体设为延迟加载;自有工具注册表可用 "execution": "client" 的客户端模式,代价是每次搜索多一次往返。
权威 Benchmark 与实测跑分对比
官方没有公布跑分或具体节省比例,只说明计费方式:功能不单独收费,开启后增加一小段固定输入 token,模型加载的 schema 在后续对话中按输入计费。官方建议用真实流量测算收益。
开发者实战落地与开箱指南
目前为预览,仅支持 Interactions API,适用 Gemini 3.6 及以后的模型,包括全部 Gemini 4 模型。工具库较大的项目可先把高频工具保持预加载、长尾工具设为延迟,再对比 token 用量和选择准确率。
即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察