Microsoft heeft Foundry Toolbox en de bijbehorende functie Tool Search gelanceerd, een service met één enkel eindpunt waarmee ontwikkelaars AI-agents kunnen koppelen aan honderden tools zonder elke agent afzonderlijk te hoeven configureren. Tool Search verminderde het aantal inputtokens met wel 94% wanneer de catalogus meer dan 600 tools bevatte.

Waarom een centrale toolbox belangrijk is

AI-agents hebben externe mogelijkheden nodig — databases, CRM's, analyseplatforms — om gebruikersverzoeken te vervullen. Tot nu toe verbonden veel organisaties elke agent rechtstreeks met de vereiste API's. Ingenieurs moesten voor elke nieuwe agent opnieuw de configuratie van inloggegevens, het afdwingen van beleid en de foutafhandeling programmeren. Het resultaat was een kluwen van dubbele instellingen die moeilijk te controleren was en gevoelig was voor beveiligingslekken.

Foundry Toolbox vervangt dit lappendeken door een verenigde servicelaag. In plaats van een dozijn agents die elk naar een dozijn afzonderlijke eindpunten verwijzen, communiceren alle agents met één enkel "toolbox"-eindpunt. De toolbox beheert versies, verbindingsstrings en beveiligingsbeleid, waardoor teams het volledige tool-ecosysteem vanaf één plek kunnen beheren. Bedrijven die tientallen agents draaien over meerdere bedrijfsunits heen, zien de operationele overhead onmiddellijk dalen.

Grote tool-catalogi creëren een verborgen kostenpost: tokenverbruik. Wanneer een taalmodel een prompt ontvangt waarin elke beschikbare tool wordt opgesomd, zwelt het contextvenster op, waardoor tokens worden verbruikt die anders aan redeneren of tekst voor de gebruiker hadden kunnen worden besteed. Tool Search pakt het probleem bij de bron aan.

Wanneer een agent Tool Search inschakelt, roept het model eerst een meta-tool genaamd tool_search aan, waarbij in gewoon Engels wordt beschreven wat het nodig heeft (bijv. "vind de laatste verkoopvoorspelling voor regio X"). De service geeft een korte, gerangschikte lijst van kandidaat-tools terug die overeenkomen met de intentie. Het model roept vervolgens call_tool aan en selecteert de meest geschikte optie uit die lijst. Door alleen de relevante subset te tonen, blijft de prompt klein, wat tot 94% aan inputtokens bespaart in de benchmark met 600 tools.

De tweestaps-workflow verbetert ook de nauwkeurigheid van de selectie. In dezelfde benchmark koos het model vaker de juiste tool dan wanneer het door de volledige catalogus moest spitten, wat foutieve oproepen en onnodige pogingen verminderde.

Hoe u het meeste uit de toolbox haalt

  • Schrijf goede metadata – Tool Search vertrouwt op de naam en beschrijving van elke tool. Vage labels zoals "Gegevens ophalen" geven het model weinig om mee te werken. Gedetailleerde titels zoals "Haal risico's op klantverlenging en contactgegevens op" leiden de zoekmachine naar de juiste match.
  • Pin veelgebruikte tools – Als een agent bij elke beurt een specifieke utility nodig heeft, pin die tool dan in de configuratie van de agent. Door te pinnen wordt de zoekstap overgeslagen, wat de latentie en het tokenverbruik vermindert.
  • Organiseer op basis van functionaliteit – In plaats van één monolithische toolbox die het hele bedrijf beslaat, kunt u tools opsplitsen in logische groepen (bijv. sales-tools, CRM-tools). Kleinere groepen beperken de impact van misconfiguraties en houden de zoekresultaten gefocust.
  • Test voordat u implementeert – Toolbox-versies zijn onveranderlijk; zodra een versie als standaard is ingesteld, gaan alle agents deze gebruiken. Gebruik het developer-eindpunt om een nieuwe versie in isolatie te valideren voordat u deze bedrijfsbreed uitrolt.

Deze praktijken zijn het belangrijkst wanneer het aantal tools in de honderden loopt. Voor een enkele agent met een handvol utilities kunnen directe verbindingen nog steeds de eenvoudigste route zijn. Maar naarmate teams toenemen en de toolbox groeit, verdient het gecentraliseerde model zichzelf terug door minder duplicatie, strengere beveiliging en meetbare besparingen op tokens.

Conclusie: Foundry Toolbox en Tool Search bieden grootschalige AI-implementaties een manier om de wildgroei aan tools te temmen, tokenverspilling met wel 94% te verminderen en consistente beveiligingsbeleid af te dwingen — allemaal door een enkele, goed beheerde servicelaag toe te voegen. Teams die de initiële inrichting en metadata-discipline kunnen opbrengen, kunnen profiteren van een efficiënter en beter beheersbaar agent-ecosysteem.