Microsoft a lancé Foundry Toolbox et sa fonctionnalité complémentaire Tool Search, un service à point de terminaison unique qui permet aux développeurs de connecter des agents IA à des centaines d'outils sans avoir à configurer chaque agent individuellement. Tool Search a permis de réduire la consommation de jetons d'entrée jusqu'à 94 % lorsque le catalogue contenait plus de 600 outils.

Pourquoi une boîte à outils centralisée est essentielle

Les agents IA ont besoin de capacités externes — bases de données, CRM, plateformes d'analyse — pour répondre aux demandes des utilisateurs. Jusqu'à présent, de nombreuses organisations connectaient chaque agent directement aux API requises. Les ingénieurs devaient répéter la configuration des identifiants, l'application des politiques et le code de gestion des erreurs pour chaque nouvel agent. Le résultat était un réseau complexe de paramètres dupliqués, difficile à auditer et sujet à des failles de sécurité.

Foundry Toolbox remplace ce patchwork par une couche de service unifiée. Au lieu d'une douzaine d'agents pointant chacun vers une douzaine de points de terminaison distincts, tous les agents communiquent avec un seul point de terminaison « toolbox ». La toolbox gère le versionnage, les chaînes de connexion et les politiques de sécurité, permettant aux équipes de gérer l'ensemble de l'écosystème d'outils de manière centralisée. Les entreprises qui exploitent des dizaines d'agents à travers plusieurs unités commerciales voient leurs coûts opérationnels chuter immédiatement.

Les catalogues d'outils volumineux créent un coût caché : l'utilisation des jetons. Lorsqu'un modèle de langage reçoit un prompt énumérant tous les outils disponibles, la fenêtre de contexte gonfle, consommant des jetons qui pourraient autrement être utilisés pour le raisonnement ou le texte destiné à l'utilisateur. Tool Search s'attaque au problème à la source.

Lorsqu'un agent active Tool Search, le modèle appelle d'abord un méta-outil nommé tool_search, en décrivant en langage naturel ce dont il a besoin (par exemple, « trouver les dernières prévisions de ventes pour la région X »). Le service renvoie une liste courte et classée d'outils candidats correspondant à l'intention. Le modèle invoque ensuite call_tool, en sélectionnant l'entrée la plus appropriée dans cette liste. En n'exposant que le sous-ensemble pertinent, le prompt reste minuscule, permettant d'économiser jusqu'à 94 % des jetons d'entrée lors du test de référence de 600 outils.

Ce flux de travail en deux étapes améliore également la précision de la sélection. Dans ce même test de référence, le modèle a choisi le bon outil plus souvent que lorsqu'il était contraint de parcourir l'intégralité du catalogue, réduisant ainsi les appels erronés et les tentatives inutiles.

Comment tirer le meilleur parti de la toolbox

  • Rédigez d'excellentes métadonnées – Tool Search s'appuie sur le nom et la description de chaque outil. Des étiquettes vagues comme « Obtenir des données » laissent peu de matière au modèle. Des titres détaillés tels que « Récupérer les risques de renouvellement et les contacts clients » guident le moteur de recherche vers la correspondance exacte.
  • Épinglez les outils fréquemment utilisés – Si un agent a toujours besoin d'un utilitaire particulier à chaque étape, épinglez cet outil à la configuration de l'agent. L'épinglage permet de sauter l'étape de recherche, réduisant ainsi la latence et la consommation de jetons.
  • Organisez par capacité – Plutôt que d'utiliser une toolbox monolithique couvrant toute l'entreprise, répartissez les outils en groupes logiques (par exemple, sales-tools, CRM-tools). Des groupes plus restreints limitent l'impact des erreurs de configuration et maintiennent la pertinence des résultats de recherche.
  • Testez avant de déployer – Les versions de la toolbox sont immuables ; une fois qu'une version est définie par défaut, tous les agents commencent à l'utiliser. Utilisez le point de terminaison développeur pour valider une nouvelle version de manière isolée avant de la déployer à l'échelle de l'entreprise.

Ces pratiques sont cruciales lorsque le nombre d'outils se compte par centaines. Pour un agent unique disposant de quelques utilitaires, les connexions directes peuvent encore être la solution la plus simple. Mais à mesure que les équipes se multiplient et que la toolbox s'étend, le modèle centralisé s'autofinance grâce à la réduction des doublons, une sécurité renforcée et des économies de jetons mesurables.

L'essentiel : Foundry Toolbox et Tool Search offrent aux grands déploiements d'IA un moyen de maîtriser la prolifération des outils, de réduire le gaspillage de jetons jusqu'à 94 % et d'appliquer des politiques de sécurité cohérentes — le tout en ajoutant une seule couche de service bien gérée. Les équipes capables d'investir dans la configuration initiale et la discipline des métadonnées bénéficieront d'un écosystème d'agents plus agile et plus contrôlable.