حلول Tool Search لدى الشركات الثلاث تعالج المشكلة نفسها، لكن مسارات التنفيذ تختلف اختلافًا كبيرًا. الشركات الثلاث جميعها تجعل النموذج يرى في البداية لمحات موجزة عن الأدوات فقط، ثم يحمّل مخطط المعاملات الكامل عند الحاجة إلى الاستدعاء. يكمن الاختلاف أساسًا في ثلاثة مواضع: لدى Gemini وضعان للاسترجاع، من جانب الخادم ومن جانب العميل، ويمكن للاسترجاع من جانب العميل إدخال أدوات جديدة؛ وClaude أعلنت عن طريقتين للبحث من جانب الخادم هما Regex وBM25، وتقوم بالاكتشاف داخل مجموعة الأدوات المعلنة عبر tool_reference؛ أما GPT فيستخدم namespace لتجميع الأدوات، ويمكن للوضع من جانب العميل حقن أدوات جديدة ديناميكيًا عبر tool_search_output. عند الاختيار ينبغي النظر في ما إذا كانت مكتبة الأدوات ثابتة أم تتغير بوتيرة عالية، وفي بنية API القائمة لدى الفريق.
ماذا ستتعرف بعد قراءة هذا المقال؟
- إلى أي API تنتمي كل أداة من أدوات Tool Search لدى الشركات الثلاث، وبأي حقل تُفعَّل.
- ما الاختلاف في المحتوى الذي يبقى في السياق الأولي للنموذج، وما الدور الذي يلعبه كل من
short_descriptionوtool_referenceوnamespace. - كيف تتشكل سلسلة أحداث استرجاع الأدوات واستدعاء الدوال الفعلي، وأين يسهل الوقوع في الخطأ عند التكييف.
- أي الشركات تدعم إضافة أدوات جديدة إلى المحادثة لم تكن ضمن الطلب الأولي.
- في مواجهة وكيل مؤسسي مثل وكيل الطلبات والمخزون، كيف تختار بناءً على بنية مكتبة الأدوات.
فهرس: يبدأ المقال بتوضيح تواريخ نشر الحلول لدى الشركات الثلاث والفكرة المشتركة، ثم يفكك على التوالي آليات الاسترجاع والحقول الأصلية لدى Gemini وClaude وGPT، بعد ذلك يستعرض جدولًا شاملًا يقارن ثمانية أبعاد، ويستخدم وكيل الطلبات والمخزون نفسه لعرض ثلاثة مسارات تقنية. ويقدم الجزء التحليلي الأخير مبادئ الاختيار، ويناقش ما يجب الانتباه إليه في تكييف البروتوكول لدى بوابات النماذج المتعددة.

مفاهيم مرتبطة بـ Tool Search يجب معرفتها
| المفهوم | شرح موجز |
|---|---|
| كتالوج الأدوات | مجموعة أدوات الأعمال المتاحة للاسترجاع، وتشمل الأسماء والأوصاف وتعريفات المعاملات ومعلومات الصلاحيات |
| Tool Search | القدرة على استرجاع الأدوات اللازمة للمهمة الحالية واستيراد تعريفاتها الكاملة عند الحاجة |
defer_loading |
حقل تعتمده الجهات الثلاث، ويشير إلى تأجيل تحميل التعريف الكامل للأداة |
| Regex | استخدام تعبير نمطي لمطابقة اسم الأداة أو وصفها أو إشارات معاملاتها |
| BM25 | خوارزمية كلاسيكية ترتب نتائج البحث وفق صلة كلمات الاستعلام بالنص |
tool_reference |
كتلة محتوى يستخدمها Claude للإشارة إلى أداة معلنة، ثم تقوم API بتوسيعها إلى تعريف كامل |
namespace |
إعلان في OpenAI Responses API يجمع الدوال المرتبطة وفق قدرات الأعمال |
| حقن الأدوات الديناميكي | تقديم تعريفات أدوات لم تُعلن في الطلب الأولي إلى النموذج ليواصل استخدامها |
tool_search_output |
عنصر استجابة يعيده عميل OpenAI عند الاسترجاع، ويتضمن إعلانات الأدوات المطابقة |
| MCP عن بُعد | خدمة بعيدة توفر أدوات قابلة للاكتشاف والتنفيذ عبر Model Context Protocol |
| بادئة التخزين المؤقت | الجزء الافتتاحي من المدخلات الذي يبقى متطابقًا بين عدة استدعاءات للنموذج ويمكن إعادة استخدام ذاكرة التخزين المؤقت الخاصة به |
نظرة سريعة على تأثير Tool Search
- مطوّرو الوكلاء (Agent): مع تزايد عدد الأدوات، لم يعد من الضروري حشو جميع المخططات (Schemas) دفعة واحدة في السياق، لكن بنية الطلب وأحداث الاستجابة تختلف بين الشركات الثلاث، لذا يحتاج الوكيل الذي يتعامل مع نماذج متعددة إلى تطبيق منطق تحليل مفصّل لكل منها على حدة.
- مسؤولو منصات المؤسسات وصيانة أدلة الأدوات: أصبحت تسمية الأدوات وأوصافها القصيرة وطريقة تجميعها تؤثر بشكل مباشر في جودة الاسترجاع، وتحوّل دليل الأدوات نفسه إلى أصل يحتاج إلى تصميم.
- مسؤولو التكلفة والعمليات: لا يعني Tool Search بالضرورة توفير المال. فقد قدّم المثال الرسمي من Google حالتين في الوقت نفسه: حالة توفير وحالة زيادة في عدد الـ Tokens، ويجب أن يُبنى قرار التفعيل على الفواتير الفعلية المقاسة.
حقائق موضوعية: تسلسل إصدار Tool Search لدى الشركات الثلاث وآلية عملها
لماذا توفّر Gemini وClaude وGPT ميزة Tool Search؟
عندما يتصل وكيل (Agent) في الوقت نفسه بـ CRM والطلبات والمخزون والخدمات اللوجستية وتذاكر الدعم وعدة خوادم MCP، فإن تعريفات الأدوات وحدها تستهلك جزءًا كبيرًا من السياق. وتذكر وثائق Google أن عشرات تعريفات الدوال قد تشغل عشرات الآلاف من Tokens. وقدّم Anthropic مثالاً: خمسة خوادم MCP، هي GitHub وSlack وSentry وGrafana وSplunk، تضم 58 أداة، وتعريفات الأدوات وحدها تبلغ نحو 55,000 Tokens.
الجدول الزمني لإصدارات الشركات الثلاث كالتالي: أطلقت Anthropic أداة Tool Search Tool في 24 نوفمبر 2025؛ وأطلق OpenAI ميزة API Tool Search في 5 مارس 2026 مع GPT-5.4؛ وأطلقت Google ميزة Tool Retrieval في Gemini API بصيغة معاينة في 19 نوفمبر 2026. والفكرة الأساسية لدى الثلاثة واحدة: يعرف النموذج أولاً ما هي القدرات المتاحة، ثم يقرأ تعريفات المعاملات الكاملة عند الحاجة الفعلية إليها.
نشرت كل شركة بيانات أداء خاصة بها، لكن ظروف الاختبار مختلفة تمامًا، لذا لا يمكن استخدامها للترتيب. في مثال Anthropic، انخفض السياق الأولي من نحو 77,000 Tokens إلى نحو 8,700 Tokens، وفي التقييم الداخلي لـ MCP ارتفعت دقة اختيار الأدوات لدى Claude Opus 4 من 49% إلى 74%. وفي OpenAI، على 250 مهمة في MCP Atlas و36 خادم MCP، انخفض إجمالي Tokens بنسبة 47% مع بقاء الدقة كما هي. أما Google فتعرض حاليًا أمثلة حسابية افتراضية فقط: مع 200 أداة ينخفض الاستخدام بنحو 85.6%، بينما مع 10 أدوات وسياق طويل يزداد بدلاً من ذلك بنحو 36.5%.
Gemini Tool Search: نمطا الاسترجاع من الخادم والعميل
يعتمد Tool Retrieval في Gemini على Interactions API، ويشترط الإصدار v1beta؛ أما generateContent القديم فلا يدعمه. ولتفعيل نمط الخادم، أضف {"type": "tool_search"} إلى tools، ثم اضبط defer_loading: true لكل function أو mcp_server منخفضة الاستخدام. في البداية، لا يرى النموذج سوى أسماء الأدوات المؤجلة وshort_description. وأظهرت اختبارات Google المبكرة أن كل إدخال أداة يستهلك في المتوسط نحو 26 توكن. وإذا لم يُحدد وصف قصير، فستُستخدم الجملة الأولى من description الكامل بدلًا منه.
ثمة نقطة يسهل سوء فهمها: في نمط الخادم، لا يزال المطورون مطالبين بإرسال تعريف الأداة كاملًا. وحتى عند استخدام previous_interaction_id، يجب إعادة إرسال مصفوفة tools كاملة في كل طلب. فالتحميل المؤجل يمنع فقط دخول Schema الكاملة إلى سياق النموذج في وقت مبكر. كذلك لا يمكن إلغاء تحميل Schema التي حُمّلت بالفعل داخل الجلسة الحالية؛ ويُسمح بـtool_search واحد فقط كحد أقصى لكل طلب؛ ولا يمكن مزج استرجاع الخادم واسترجاع العميل في الطلب نفسه.
| البعد | الاسترجاع من الخادم | الاسترجاع من العميل |
|---|---|---|
execution |
server (الافتراضي) |
client |
| مكوّن الاسترجاع | تتكفل به Gemini API | يبنيه المطور بنفسه |
| الإعلان المسبق عن مكتبة الأدوات | مطلوب | غير مطلوب |
defer_loading |
ينطبق | لا ينطبق |
| الرحلات الإضافية ذهابًا وإيابًا | لا توجد رحلات إضافية من العميل | رحلة إضافية مع كل بحث |
| السيناريو النموذجي | مجموعة أدوات كبيرة وشبه ثابتة | سجل أدوات خاص، متعدد المستأجرين، وأدوات ديناميكية |
في نمط العميل، يستدعي النموذج دالة البحث التي عرّفها المطور (مثل search_tool_registry)، وتعيد التطبيق عبر function_result.result كائنات تعريف الأدوات الكاملة المطابقة. وتتيح هذه الطريقة إدخال أدوات لم يعلنها الطلب الأصلي أثناء المحادثة، مثل أن يربط المستخدم خدمة SaaS جديدة مؤقتًا أثناء الجلسة.
Claude Tool Search: Regex وBM25 وtool_reference
تنتمي أداة Tool Search Tool الخاصة بـ Claude إلى Messages API، وتوفّر خدمة الخادم نوعين من أدوات البحث: tool_search_tool_regex_20251119 حيث يولّد النموذج تعبيرًا نمطيًا، وهو مناسب لمكتبات الأدوات ذات أنماط التسمية المنتظمة؛ وtool_search_tool_bm25_20251119 حيث يولّد النموذج استعلامًا باللغة الطبيعية، وهو مناسب لاكتشاف الأدوات وفق أوصاف قدراتها. تستعيد كلتا الطريقتين أسماء الأدوات وأوصافها وأسماء المعلمات وأوصافها. حقل المعلمات في Claude هو input_schema، وهذا يختلف عن parameters لدى المزوّدين الآخرين.
تسلسل الأحداث في عملية استرجاع نموذجية هو: يبدأ Claude بإصدار استدعاء server_tool_use لأداة البحث المدمجة، ثم تعيد API النتيجة tool_search_tool_result، وتحتوي النتيجة على tool_reference، ثم تتوسّع API إلى التعريف الكامل، وأخيرًا يصدر النموذج tool_use على مستوى منطق العمل. وتوضّح Anthropic تحديدًا أن المعرّف srvtoolu_... الخاص بأداة البحث المدمجة لا يتطلب من المطوّر إعادة إرسال tool_result؛ ويكفي أن ينفّذ التطبيق استدعاء tool_use الفعلي الخاص بالعمل.
| قواعد Claude Tool Search | الاشتراط الرسمي |
|---|---|
| الحد الأقصى للأدوات المؤجلة في طلب واحد | 10,000 أداة |
| النتائج الافتراضية لكل بحث | 5 كحد أقصى، ويمكن ضبطها عبر limit |
| طول استعلام Regex | 200 حرف كحد أقصى |
| طول استعلام BM25 | 500 حرف كحد أقصى |
| النماذج غير المدعومة | Claude Opus 4.1 والنماذج الأقدم |
| قيد التخزين المؤقت | لا يمكن تعيين cache_control للأدوات التي تستخدم defer_loading: true |
يمكن للمطوّر أيضًا تنفيذ بحث مخصّص باستخدام خوارزميات خاصة به مثل embedding، لكن النتيجة تظل tool_reference، ويجب أن تكون الأداة المشار إليها معلنة مسبقًا في tools على المستوى الأعلى. لذا يقترب تصميم Claude أكثر من مفهوم «العثور على الأداة المطلوبة من مكتبة أدوات معلنة مسبقًا». أما من جهة MCP، فيضبط Claude استراتيجية التأجيل عبر mcp_toolset في MCP Connector، ويمكن ضبطها بشكل موحّد في default_config، أو ضبطها لكل أداة على حدة في configs.
GPT Tool Search: مساحات الأسماء (Namespace) والحقن الديناميكي للأدوات
تقع أداة Tool Search من OpenAI داخل Responses API، وتدعمها GPT-5.4 والنماذج المتوافقة الأحدث، ويتم تفعيلها أيضًا عبر tool_search وdefer_loading. ما يميزها هو namespace: إذ يستطيع المطور تجميع الدوال المترابطة حسب نطاقات العمل مثل crm وbilling، فيحدد النموذج أولًا — بناءً على اسم مساحة الأسماء ووصفها — أي فئة من القدرات هي ذات الصلة، ثم يوسّع الدوال المؤجلة داخل المجموعة عند الحاجة. بهذه الطريقة يصبح تجميع الأدوات بنية على مستوى الـ API، وليس مجرد اصطلاح في التسمية.
سلسلة الأحداث في نمط الخادم هي tool_search_call ← tool_search_output ← function_call ← ثم يعيد التطبيق function_call_output. أما في نمط العميل، فبعد استلام tool_search_call يستعلم التطبيق بنفسه من دليل الأدوات، ثم يعيد tool_search_output باستخدام نفس call_id، ويحتوي حقل tools فيه على إعلانات الأدوات الكاملة المطابقة، ولا يستدعي النموذج هذه الدوال إلا في الجولة التالية. تتيح الوثائق الرسمية هنا إرجاع أدوات لم يُعلن عنها في الطلب الأصلي، وفي الوقت نفسه تطالب المطور بالتحقق الصارم من الـ Schema الديناميكي، وبعدم كشف سوى تعريفات الأدوات الموثوقة.
أما من ناحية التخزين المؤقت، فإن OpenAI تُلحق تعريفات الأدوات المكتشفة حديثًا في الجزء الأخير من السياق، وذلك لتقليل التأثير على بادئة التخزين المؤقت القائمة. وفي ما يخص MCP يجب الانتباه إلى أن Tool Search في Responses API يدعم اكتشاف أدوات MCP عند الحاجة، بينما في Agents API يتولى وقت التشغيل الربط التلقائي باكتشاف الأدوات عندما يدعم النموذج والمزوّد ذلك. وتذكّر الوثائق الرسمية صراحةً بأن الإعدادين لا يمكن تطبيقهما على بعضهما مباشرة.
فيما يلي طلب توضيحي إلى Responses API يوضح البنية الأساسية للتحميل المؤجل. الحقول معتمدة على وثائق OpenAI الرسمية:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # نقطة الدخول المتوافقة مع OpenAI من APIYI
)
tools = [
{"type": "tool_search"},
{
"type": "function",
"name": "inventory_get_stock",
"description": "Inventory: check stock level by SKU.",
"defer_loading": True,
"parameters": {
"type": "object",
"properties": {"sku": {"type": "string"}},
"required": ["sku"]
}
}
]
resp = client.responses.create(
model="gpt-5.4",
input="订单 A-1042 还没发货,帮我查一下 SKU-88 的库存。",
tools=tools
)
for item in resp.output:
print(item.type) # من المتوقع أن تظهر أحداث مثل tool_search_call / function_call
عرض كود توضيحي للاسترجاع من جانب العميل والحقن الديناميكي
import requests
BASE_URL = "https://api.apiyi.com/v1" # تمرير طلبات Responses API عبر APIYI
HEADERS = {"Authorization": "Bearer YOUR_API_KEY"}
def search_registry(query: str) -> list:
"""البحث في دليل الأدوات الخاص بالمؤسسة، وتصفية النتائج حسب صلاحيات المستخدم (توضيحي)"""
return [{
"type": "function",
"name": "warehouse_schedule_shipment",
"description": "Warehouse: schedule a new shipment date.",
"parameters": {
"type": "object",
"properties": {
"order_id": {"type": "string"},
"date": {"type": "string"}
},
"required": ["order_id", "date"]
}
}]
def handle(output_items: list) -> list:
follow_ups = []
for item in output_items:
if item["type"] == "tool_search_call":
query = item.get("arguments", {}).get("query", "")
follow_ups.append({
"type": "tool_search_output",
"call_id": item["call_id"], # استخدام نفس call_id الخاص باستدعاء البحث
"tools": search_registry(query) # يمكن أن يشمل أدوات لم يعلنها الطلب الأولي
})
return follow_ups
# ملاحظة: يجب التحقق أولاً من الـ Schema التي تُعاد ديناميكيًا، ولا تُعرِّض سوى الأدوات الموثوقة
🚀 اقتراح للتحقق السريع: قبل الربط بأعمال حقيقية، يمكنك أولاً استخدام المفتاح الموحّد من APIYI على apiyi.com لاستدعاء GPT وClaude وGemini كلٌّ على حدة، وتشغيل دليل الأدوات نفسه على المزوّدين الثلاثة، والتأكد من أن طبقة التحليل لديك تتعرف على بنية الأحداث بشكل صحيح، ثم تُقرِّر الحل الأساسي.

أسماء الأحداث في الشكل أعلاه هي الحقول الأصلية لكل مزوّد. ومن يريد اختبار تدفق الأحداث عند كل مزوّد على حدة، يمكنه عبر APIYI على apiyi.com أن يبدّل النماذج باستخدام مجموعة اختبار واحدة لإجراء المقارنة.
مقارنة مركزة لآليات Tool Search لدى المنصات الثلاث

| المعيار | Gemini | Claude | GPT |
|---|---|---|---|
| الـ API المستخدمة | Interactions API (v1beta) |
Messages API | Responses API |
| طريقة الاسترجاع | من جانب الخادم (الخوارزمية غير معلنة) / من جانب العميل | Regex / BM25 / بحث مخصص | من جانب الخادم / من جانب العميل |
| المحتوى المحفوظ في السياق الأولي | الاسم + short_description |
أداة البحث + الأدوات غير المؤجلة | أدوات مؤجلة أو ملخص namespace |
| تنظيم الأدوات | اصطلاح التسمية + وصف قصير | الاسم والوصف والمعاملات كلها قابلة للاسترجاع | تجميع حسب namespace |
| حقل المعاملات | parameters |
input_schema |
parameters |
| الاسترجاع من جانب العميل | مدعوم | البحث المخصص يعيد tool_reference |
مدعوم (tool_search_output) |
| إضافة أدوات جديدة ديناميكيًا | مدعوم في وضع العميل | الأدوات المُشار إليها يجب أن تكون معلنة مسبقًا في المستوى الأعلى | مدعوم في وضع العميل، مع التحقق من Schema |
| تكامل MCP | mcp_server + defer_loading |
default_config / configs في mcp_toolset |
قواعد Responses وAgents مختلفة |
| التخزين المؤقت والفوترة | لا رسوم ميزة مستقلة؛ راقب total_tool_use_tokens |
لا رسوم منفصلة؛ لا يمكن ضبط cache_control للأدوات المؤجلة |
تُضاف الأدوات الجديدة في النهاية لحماية بادئة الذاكرة المؤقتة |
💡 نصيحة للاختيار: الجدول أعلاه يقارن فقط قواعد الواجهات القابلة للتحقق. أما النتائج الفعلية فتعتمد على مكتبة أدواتك وطول المحادثة؛ لذلك ننصح باستخدام مدخل APIYI apiyi.com الموحد للنماذج المتعددة لإجراء اختبار A/B على عينات صغيرة، ثم حساب التكلفة بالاعتماد على حقول الفوترة لدى كل مزوّد.
تحليل وتقييم: شروط توافق اختيار Tool Search
استخدام وكيل الطلبات والمخزون لفحص ثلاثة مسارات تقنية
تخيّل متطلبًا عمليًا كهذا: يستعلم المستخدم عن حالة طلب، فيكتشف أن المنتج لم يُشحن بعد، ثم يستعلم عن المخزون، وبعدها يحدد ما إذا كان يمكن ترتيب موعد شحن جديد. يحتوي النظام على تسع فئات من الأدوات: CRM، والطلبات، والمخزون، وجدولة المستودعات، والخدمات اللوجستية، والمبالغ المستردة، والفواتير، والإشعارات، والموافقات، وكل فئة تضم عدة دوال.
- مسار Gemini: تحميل استعلامات الطلبات الشائعة مباشرةً، وضبط الأدوات طويلة الذيل مثل المخزون وجدولة المستودعات على التحميل المؤجل، مع كتابة
short_descriptionبعناية، بحيث يستخرج البحث من جانب الخادم مخططget_inventory. وإذا كانت أدوات جدولة المستودعات تُفعَّل ديناميكيًا حسب المستأجر، فانتقل إلى البحث من جانب العميل، لتعود الأدوات من Registry خاص. - مسار Claude: إذا كانت أسماء الأدوات منظمة (مثل
inventory_*وwarehouse_*)، فإن Regex يصيبها بدقة؛ وإذا قال المستخدم عبارة عامية مثل «لنرَ إن كان يمكن إعادة التخزين»، فإن BM25 أنسب. وفي النهاية يتوسّعtool_referenceإلىtool_useقابل للاستدعاء. - مسار GPT: إنشاء
namespaceحسبcrmوinventoryوlogistics، فيحدد النموذج أولاً أنه يتعلق بمجالَي المخزون والخدمات اللوجستية، ثم يوسّع الدوال داخل المجموعة. أما مزوّد الخدمات اللوجستية الجديد الذي يُربط مؤقتًا، فيمكن حقنه عبرtool_search_outputمن جانب العميل.
هذا السيناريو يوضح فقط فروق الآليات، ولا يمثل معدلات نجاح أو زمن استجابة مقاسة فعليًا لدى الشركات الثلاث.
أربعة مبادئ تساعد المطورين على الاختيار
- مكتبة أدوات كبيرة وثابتة: ابدأ بالنظر إلى قدرات الاسترجاع من جانب الخادم. الثلاثة جميعاً يغطون هذه الحالة، لكن انتبه إلى أن Gemini يعيد إرسال مصفوفة الأدوات كاملة مع كل طلب، بينما الحد الأقصى للأدوات المؤجلة في الطلب الواحد لدى Claude هو 10,000 أداة.
- الحاجة إلى تحكم صريح في استراتيجية البحث: إن Regex وBM25 المعلنين من Claude هما الحل الوحيد الذي يفصح صراحة عن الخوارزمية، وهو مناسب للفرق التي تريد مطابقة دقيقة وفق قواعد التسمية. أما خوارزميات Gemini وGPT من جانب الخادم فغير معلنة، ولا ينبغي افتراض أنها مماثلة لخوارزميات Claude.
- مكتبة أدوات متغيرة باستمرار أو تحتاج إلى تصفية حسب صلاحيات المستخدم: هنا يتركّز الاهتمام على الحقن الديناميكي من جانب العميل. وضع العميل لدى Gemini وGPT يستطيع إدخال أدوات جديدة؛ أما البحث المخصص في Claude فلا يمكنه إلا الإشارة إلى الأدوات المعلنة سابقاً، ما يعني أنك تحتاج إلى تجميع مجموعة المرشحين قبل إرسال الطلب.
- حجم الأدوات صغير: يُظهر مثال Google الحسابي أن 10 أدوات مع نافذة سياق طويلة من 30,000 توكن ترفع استهلاك التوكن بنحو 36.5% بدلاً من أن تقلله. وتوصي Google بالبقاء على التحميل الثابت عندما يقل عدد الأدوات المستقرة عن نحو 20 أداة، وهذه نقطة مفيدة للشركتين الأخريين أيضاً، لكن يظل كل منهما بحاجة إلى تجربة وقياس خاصين به.
مشكلات تكييف البروتوكول عبر بوابات النماذج المتعددة
أكثر ما يُوقِع الفرق التي تبني وكلاء (Agents) متعددي النماذج في الفخ هو الخلط بين “القدرة على استدعاء هذا النموذج” و”أن ميزة Tool Search في هذا النموذج تعمل فعلاً”. يمكن تقسيم القدرات إلى أربع طبقات: الوصول إلى النموذج، ونقاط نهاية البروتوكول (Interactions / Messages / Responses)، وحقول إعلان الأدوات (tool_search وdefer_loading وnamespace وإعدادات MCP)، والتنفيذ وإدارة الحالة (أحداث الاسترجاع، ونتائج الدوال، وsignature، وسجل الجلسة). نجاح ربط النموذج لا يعني إلا أن الطبقة الأولى سليمة.
وانتبه خصوصًا إلى قاعدة واحدة تخص Gemini: في الجلسات عديمة الحالة حيث store=false، لا يجوز تعديل أو حذف tool_search_call وtool_search_result وsignature الخاصة بهما، وإلا فسيُرجع HTTP 400. وهذا يعني أن البوابة لا تستطيع ضغط رسائل السجل أو إعادة كتابتها كما تشاء. وتوحيد النماذج الثلاثة في واجهة Tool Search واحدة يتطلب الحفاظ على جدول تعيين للأحداث على مستوى إطار عمل الوكيل، ولا يمكن أن تتوقع أن يكفي تغيير Base URL لجعل نفس جسم الطلب صالحًا لكل النماذج.
🎯 توصية تقنية: عند الربط بعدة نماذج عبر منصات تجميع مثل APIYI على apiyi.com، يُنصح أولاً بالتحقق بحركة مرور صغيرة من أن نقطة النهاية المستهدفة والحقول مثل
tool_searchوdefer_loadingوnamespaceيتم تمريرها كاملةً دون تغيير، ثم إدخال Tool Search في مسار الإنتاج.
متغيرات تستحق المتابعة المستمرة
لا يزال Gemini Tool Retrieval في مرحلة المعاينة (Preview)، وقد تتغير واجهته قبل الإصدار الرسمي. وحتى 20 نوفمبر 2026، لا توجد اختبارات مستقلة يمكن التحقق منها تقيس متوسط نسبة التوفير وزمن الاستجابة والدقة في بيئات الإنتاج الحقيقية. ومن الاتجاهات المتوقعة أن الشركات الثلاث تتجه إلى ترك حوكمة كتالوج الأدوات للمطورين، بحيث تصبح التسمية والوصف المختصر والتجميع والصلاحيات أشبه بهندسة فهرسة لنظام استرجاع. وقبل الإطلاق، يُنصح بإعداد تجربة مقارنة على أساس رموز الإدخال الأولية، ورموز استخدام الأدوات، ونسبة اختيار الأداة الصحيحة، ونسبة عمليات الاسترجاع دون نتيجة مطابقة، ومتوسط عدد عمليات البحث، ثم التحقق منها أفقيًا على مجموعة المهام نفسها عبر بيئات متعددة النماذج مثل APIYI apiyi.com، لتجنب الانجراف وراء الأرقام الترويجية لمورّد واحد.
كثرة الأدوات لا تعني بالضرورة أن الوكيل أصبح أذكى؛ بل إن قدرته على العثور على الأداة المناسبة بدقة عند الحاجة هي ما يحدد سقف قدراته. وكما جاء في «المحادثات» — فصل «دوق لينغ من وي»: «من أراد أن يُجيد عمله، فليُصلح أدواته أولًا».
مراجع
- وثائق Google Tool Retrieval التقنية: الاسترجاع من جانب الخادم والعميل، والقيود، والفوترة، وأمثلة الحساب
- الرابط:
aistudio.google.com/docs/tool-retrieval
- الرابط:
- إعلان Google الرسمي: Introducing Tool Retrieval in the Gemini API
- الرابط:
blog.google/innovation-and-ai/technology/developers-tools/gemini-api-tool-retrieval
- الرابط:
- وثائق Anthropic Tool Search Tool: تعبيرات Regex، وBM25، وtool_reference، والقيود
- الرابط:
platform.claude.com/docs/en/agents-and-tools/tool-use/tool-search-tool
- الرابط:
- إعلان Anthropic Advanced Tool Use: إطلاق Tool Search والتقييم الداخلي
- الرابط:
anthropic.com/research/advanced-tool-use
- الرابط:
- وثائق OpenAI Tool Search: namespace، والاسترجاع من جانب العميل، والحقن الديناميكي
- الرابط:
developers.openai.com/api/docs/guides/tools-tool-search
- الرابط:
- إعلان OpenAI GPT-5.4: إطلاق Tool Search واختبار MCP Atlas
- الرابط:
openai.com/index/introducing-gpt-5-4
- الرابط:
المؤلف: فريق APIYI التقني
التواصل التقني: إذا كنت ترغب في مناقشة تكييف استدعاء الأدوات في وكلاء متعددي النماذج بشكل أعمق، يمكنك زيارة APIYI apiyi.com والتواصل معنا. ولمزيد من مواد التكامل، راجع مركز الوثائق docs.apiyi.com.
