|
Getting your Trinity Audio player ready...
|
Google presenta una nueva tecnología para que los agentes de inteligencia artificial puedan utilizar decenas o cientos de herramientas sin sobrecargar sus conversaciones. La novedad promete mejorar la eficiencia y facilitar la creación de automatizaciones empresariales.
La inteligencia artificial está evolucionando rápidamente. Hemos pasado de los asistentes capaces de responder preguntas a los agentes de IA que pueden ejecutar tareas, consultar bases de datos, conectarse a aplicaciones y automatizar procesos completos.
Sin embargo, esta evolución plantea un problema técnico importante: cuantas más herramientas tiene disponibles un agente de IA, mayor puede ser su consumo de recursos y más compleja resulta la selección de la herramienta adecuada.
Google quiere solucionar esta limitación.
El 19 de noviembre de 2026, la compañía presentó Tool Retrieval, una nueva funcionalidad de la API de Gemini diseñada para optimizar la manera en que los agentes descubren y utilizan herramientas externas.
¿Qué es Tool Retrieval y por qué es importante?
Tool Retrieval es un sistema que permite a los agentes de inteligencia artificial descubrir las herramientas que necesitan en cada momento y cargar sus especificaciones completas únicamente cuando van a utilizarlas.
Hasta ahora, muchas implementaciones enviaban al modelo toda la información necesaria para utilizar las herramientas conectadas, aunque solo fuese a ejecutar una de ellas.
Imaginemos un agente empresarial con acceso a:
- Un CRM para gestionar clientes.
- WhatsApp Business para responder mensajes.
- Google Calendar para organizar citas.
- Una base de datos de productos.
- Una plataforma de facturación.
- Un sistema de gestión de incidencias.
Con un enfoque tradicional, las definiciones de estas herramientas pueden ocupar una parte considerable del contexto disponible para el modelo.
Tool Retrieval cambia este funcionamiento.
El agente conoce las herramientas disponibles, pero recupera los detalles técnicos de cada una solamente cuando los necesita.
Esta optimización puede reducir el consumo de tokens, disminuir la latencia y facilitar que el sistema seleccione correctamente la herramienta apropiada.
Cómo funciona la nueva tecnología de Google
El proceso puede explicarse mediante cuatro pasos:
- Identificación de la tarea. El usuario solicita una acción concreta al agente de inteligencia artificial.
- Búsqueda de herramientas. El sistema identifica qué funciones pueden resolver la petición.
- Carga bajo demanda. Se recuperan los parámetros técnicos de las herramientas seleccionadas.
- Ejecución. El agente prepara la llamada correspondiente y la aplicación ejecuta la operación.
Por ejemplo, si un cliente solicita modificar una reserva, el agente puede localizar la herramienta de gestión de reservas sin necesidad de incorporar previamente todas las funciones disponibles de facturación, atención al cliente y marketing.
Esta forma de trabajar permite diseñar arquitecturas de IA más escalables.
Google ha explicado que Tool Retrieval se encuentra disponible en versión preliminar dentro de Gemini Interactions API y que funciona con Gemini 3.6 y modelos posteriores, incluida la familia Gemini 4.
Integración con MCP: una oportunidad para las automatizaciones empresariales
Uno de los aspectos más interesantes del anuncio es su compatibilidad con Model Context Protocol (MCP).
MCP es un protocolo que facilita la conexión de los sistemas de inteligencia artificial con herramientas, servicios y fuentes de información externas.
Su utilización está adquiriendo importancia en el desarrollo de agentes capaces de trabajar con diferentes aplicaciones empresariales.
Con Tool Retrieval, Google permite cargar bajo demanda las herramientas expuestas por servidores MCP remotos compatibles.
Esto facilita escenarios en los que una misma solución de IA necesita conectarse a múltiples sistemas.
Aplicaciones prácticas
Atención al cliente inteligente
Un agente puede acceder a información comercial, consultar pedidos y gestionar determinadas solicitudes mediante herramientas autorizadas.
Automatización de procesos administrativos
Las empresas pueden conectar sus sistemas de gestión documental, facturación o CRM para reducir tareas repetitivas.
Desarrollo de software
Los equipos tecnológicos pueden crear asistentes que consulten repositorios, analicen incidencias y ejecuten herramientas de desarrollo.
Gestión de proyectos
Un agente conectado a plataformas como Jira o sistemas de documentación puede ayudar a consultar tareas, preparar informes y facilitar el seguimiento de proyectos.
La ventaja potencial es que estas integraciones pueden crecer sin obligar al modelo a cargar constantemente la descripción técnica completa de todas ellas.
¿Cuánto pueden ahorrar las empresas?
Uno de los principales argumentos de Google es la reducción del consumo de tokens.
Los tokens representan unidades de información procesadas por los modelos de inteligencia artificial y constituyen uno de los factores que determinan el coste de muchas API.
Cuando un agente dispone de numerosas herramientas, sus definiciones pueden consumir miles de tokens incluso antes de comenzar a resolver la petición.
Tool Retrieval permite reducir este consumo al recuperar únicamente las especificaciones necesarias.
No obstante, Google no establece un porcentaje universal de ahorro.
El beneficio económico dependerá de factores como:
- Número de herramientas disponibles.
- Frecuencia de utilización de cada herramienta.
- Complejidad de sus parámetros.
- Volumen de peticiones procesadas.
- Modelo de inteligencia artificial utilizado.
La funcionalidad no tiene una tarifa independiente, aunque los tokens empleados siguen sujetos a los precios habituales del modelo correspondiente.
Por tanto, cada empresa deberá medir el ahorro real mediante pruebas con sus propios procesos.
Qué cambia para los desarrolladores de agentes de IA
El anuncio también introduce posibilidades interesantes para los equipos de desarrollo.
Google permite utilizar Tool Retrieval mediante una herramienta denominada tool_search y una configuración llamada defer_loading.
Esta última permite aplazar la carga de las especificaciones completas de determinadas herramientas.
Además, los desarrolladores pueden mantener algunas funciones habituales siempre disponibles y recuperar otras solamente cuando sea necesario.
Esto resulta especialmente útil en aplicaciones empresariales con catálogos extensos de herramientas.
El sistema también admite mecanismos de búsqueda gestionados por la propia aplicación, una opción relevante cuando existen registros internos de herramientas o restricciones de acceso específicas.
Sin embargo, la mejora en el descubrimiento de herramientas no elimina la necesidad de controlar permisos, validar operaciones y supervisar las acciones sensibles.
¿Estamos ante una nueva generación de agentes autónomos?
La presentación de Tool Retrieval refleja una tendencia cada vez más evidente en el sector tecnológico.
El futuro de la inteligencia artificial no dependerá exclusivamente de modelos capaces de razonar mejor, sino también de sistemas que puedan utilizar herramientas de forma eficiente, segura y coordinada.
Esta evolución tendrá implicaciones importantes para las empresas.
Los agentes podrán integrarse con más aplicaciones, gestionar procesos complejos y ofrecer experiencias más completas.
Pero también surgirán nuevos desafíos relacionados con la ciberseguridad, la privacidad de los datos, el control de permisos y la supervisión humana.
Es importante recordar que Tool Retrieval optimiza el acceso a las herramientas; no garantiza por sí solo que un agente ejecute correctamente todas sus tareas.
Conclusión: la eficiencia será clave en el futuro de la inteligencia artificial
Google ha dado un paso interesante hacia la optimización de los agentes de IA.
Con Tool Retrieval, la compañía introduce una solución que permite gestionar grandes bibliotecas de herramientas sin cargar continuamente sus especificaciones completas.
La compatibilidad con MCP añade valor para desarrolladores y empresas que están construyendo aplicaciones conectadas.
Aunque todavía será necesario evaluar su rendimiento en entornos reales, esta tecnología apunta hacia una dirección clara: agentes capaces de utilizar más herramientas, con menor sobrecarga y una arquitectura más flexible.
La próxima gran evolución de la inteligencia artificial podría no consistir únicamente en crear modelos más potentes, sino en conseguir que los agentes trabajen de manera más inteligente con los sistemas que ya utilizamos.
Fernando Fluixà | TendenciasTech.com
Fuentes
- Google, 19 de noviembre de 2026: Introducing Tool Retrieval in the Gemini API.



Conversación