Microsoft は Foundry Toolbox と、そのコンパニオン機能である Tool Search をリリースしました。これは、開発者が個々のエージェントに個別に接続することなく、数百ものツールを AI エージェントに接続できるシングルエンドポイントサービスです。カタログに 600 以上のツールが含まれている場合、Tool Search は入力トークンを最大 94% 削減しました。

なぜ中央集権的なツールボックスが重要なのか

AI エージェントがユーザーのリクエストに応えるには、データベース、CRM、分析プラットフォームなどの外部機能が必要です。これまでは、多くの組織が各エージェントを必要な API に直接接続していました。エンジニアは、新しいエージェントが追加されるたびに、認証設定、ポリシー適用、エラーハンドリングのコードを繰り返し記述していました。その結果、設定が重複して複雑に絡み合い、監査が困難でセキュリティ上の脆弱性が生じやすい状態になっていました。

Foundry Toolbox は、そのような継ぎはぎの状態を統一されたサービスレイヤーに置き換えます。十数個のエージェントがそれぞれ十数個の個別のエンドポイントを指すのではなく、すべてのエージェントが単一の「toolbox」エンドポイントと通信します。ツールボックスがバージョニング、接続文字列、セキュリティポリシーを管理するため、チームはツールエコシステム全体を 1 か所から管理できます。複数の事業部門にわたって数十のエージェントを運用している企業では、運用オーバーヘッドが即座に減少します。

大規模なツールカタログは、トークン使用量という隠れたコストを生み出します。言語モデルが利用可能なすべてのツールをリストしたプロンプトを受け取ると、コンテキストウィンドウが膨張し、本来であれば推論やユーザー向けのテキストに使用できるはずのトークンを消費してしまいます。Tool Search は、この問題の根本的な原因に対処します。

エージェントが Tool Search を有効にすると、モデルはまず tool_search というメタツールを呼び出し、必要な内容を自然言語で説明します（例：「地域 X の最新の売上予測を見つけて」）。サービスは、その意図に一致する候補ツールの短いランク付けされたリストを返します。次に、モデルはリストから最も適切なエントリを選択して call_tool を呼び出します。関連するサブセットのみを公開することで、プロンプトを極めて小さく保つことができ、600 個のツールを用いたベンチマークでは入力トークンを最大 94% 節約できました。

この 2 ステップのワークフローは、選択の精度も向上させます。同じベンチマークにおいて、モデルはフルカタログの中から探し出すことを強制された場合よりも、正しいツールを選択できる頻度が高くなり、誤った呼び出しや不要なリトライが減少しました。

ツールボックスを最大限に活用する方法

  • 優れたメタデータを記述する – Tool Search は、各ツールの名前と説明に依存しています。「データを取得する」といった曖昧なラベルでは、モデルが判断するための情報が不足します。「顧客の更新リスクと連絡先を取得する」といった詳細なタイトルにすることで、検索エンジンを正しい一致へと導くことができます。
  • 頻繁に使用するツールをピン留めする – エージェントが毎ターン特定のユーティリティを常に必要とする場合は、そのツールをエージェントの設定にピン留めしてください。ピン留めすることで検索ステップがスキップされ、レイテンシとトークン消費を削減できます。
  • 機能ごとに整理する – 企業全体をカバーするモノリシックなツールボックスを作るのではなく、ツールを論理的なグループ（例：sales-tools、CRM-tools）に分割します。グループを小さくすることで、設定ミスの影響範囲を限定し、検索結果を絞り込むことができます。
  • デプロイ前にテストする – ツールボックスのバージョンは不変（immutable）です。一度バージョンがデフォルトとして設定されると、すべてのエージェントがそれを使用し始めます。全社的に展開する前に、開発者用エンドポイントを使用して、新しいバージョンを単独で検証してください。

これらのプラクティスは、ツールの数が数百に達したときに最も重要になります。数個のユーティリティを持つ単一のエージェントであれば、直接接続が依然として最もシンプルな方法かもしれません。しかし、チームが増え、ツールボックスが拡大するにつれて、中央集権的なモデルは、重複の削減、セキュリティの強化、および測定可能なトークンの節約によって、その価値を十分に発揮します。

結論: Foundry Toolbox と Tool Search は、大規模な AI 導入において、単一の適切に管理されたサービスレイヤーを追加するだけで、ツールの乱立を抑え、トークンの無駄を最大 94% 削減し、一貫したセキュリティポリシーを適用する方法を提供します。初期設定とメタデータの規律を維持できるチームは、より軽量で制御しやすいエージェントエコシステムを手にすることができるでしょう。