Arcade.dev ha annunciato Tool Recommendation, un sistema di individuazione e selezione dinamica degli strumenti software progettato per ridurre il numero di token che gli agenti di intelligenza artificiale devono elaborare quando interagiscono con applicazioni aziendali. La funzionalità è integrata nella piattaforma Arcade Cloud e utilizza modelli linguistici specializzati di dimensioni contenute per identificare le operazioni più pertinenti rispetto alla richiesta dell’utente, evitando di caricare preventivamente nel contesto del modello principale l’intero catalogo delle funzioni disponibili. Secondo le misurazioni comunicate dall’azienda, il nuovo approccio può ridurre fino al 91% i token destinati alla descrizione e alla ricerca degli strumenti, mentre il risparmio teorico sui costi dei token di input può raggiungere il 37% in determinate configurazioni. Le verifiche effettuate su workflow completi restituiscono risultati più contenuti, con una riduzione media dichiarata del 7,6% dei costi complessivi dei token di input e output. Tool Recommendation è disponibile dal giorno dell’annuncio per i clienti Arcade Cloud senza un sovrapprezzo specifico per la funzionalità, rimanendo applicabili i normali costi della piattaforma e delle operazioni eseguite.
Arcade opera come infrastruttura di collegamento tra gli agenti AI e i sistemi applicativi aziendali, offrendo strumenti per autenticazione, autorizzazione, gestione delle credenziali, applicazione delle politiche di sicurezza e registrazione delle attività. La piattaforma consente, per esempio, a un agente basato su Claude o ChatGPT di consultare una casella Gmail, aggiornare un record Salesforce oppure intervenire su un sistema di ticketing verificando preventivamente le autorizzazioni dell’utente e quelle specificamente attribuite all’agente. Il catalogo comprende oltre 8.000 strumenti e richiederebbe circa 1,75 milioni di token per trasmettere al modello tutte le rispettive descrizioni, parametri e istruzioni operative. Tool Recommendation sostituisce questa esposizione preventiva con alcune funzioni dedicate alla scoperta degli strumenti, alla ricerca delle operazioni e alla successiva esecuzione. Quando riceve una richiesta, l’agente descrive l’attività necessaria, Arcade ricerca e ordina gli strumenti disponibili, restituisce una selezione pertinente e permette al modello principale di scegliere quale funzione invocare. Il processo può essere ripetuto durante lo svolgimento di attività che coinvolgono più applicazioni, mantenendo nel contesto soltanto gli strumenti necessari nelle singole fasi.
L’architettura si appoggia a modelli più piccoli, specializzati nella previsione e nella classificazione delle operazioni software, addestrati utilizzando anche informazioni sulle attività precedentemente eseguite dagli agenti. Il sistema di raccomandazione non sostituisce il modello responsabile del ragionamento e dell’esecuzione del compito, ma opera come componente intermedio che restringe il numero delle funzioni candidate. L’integrazione avviene attraverso Model Context Protocol e può essere attivata nel gateway MCP di Arcade senza ricostruire le connessioni applicative già configurate. Il gateway centralizza strumenti appartenenti al catalogo Arcade e strumenti forniti da altri operatori, mentre il Private Registry introdotto il 7 ottobre permette agli utenti aziendali di individuare le funzionalità disponibili e richiedere l’abilitazione di quelle mancanti. La piattaforma applica inoltre controlli di sicurezza prima e dopo le chiamate, mantiene le credenziali esterne al contesto del modello e produce registrazioni verificabili attraverso OpenTelemetry, consentendo agli amministratori di ricostruire le operazioni compiute dagli agenti.
La metodologia di valutazione distingue le riduzioni teoriche dalle misurazioni su attività effettive. Il risparmio massimo del 37% sui costi di input deriva da una simulazione che confronta Tool Recommendation con un agente dotato di un elenco statico di 100 strumenti. In uno scenario composto da tre richieste e circa otto chiamate agli strumenti per richiesta, il risparmio stimato si colloca intorno al 20%, con variazioni in funzione del modello utilizzato. La riduzione fino al 91% riguarda invece esclusivamente i token impiegati nelle definizioni degli strumenti e nelle risposte del sistema di raccomandazione, escludendo contenuto della conversazione e dati aziendali restituiti dalle operazioni. In una simulazione di dieci turni, il conteggio dei token per GPT-5.6 passa da 256.650 a 22.164, mentre per Claude Opus 5 diminuisce da 411.729 a 38.170. Quando i risultati estesi delle chiamate rimangono all’interno del contesto, le stime di risparmio complessivo scendono al 5-7%.
La verifica maggiormente rappresentativa riguarda 408 sessioni, distribuite su 64 workflow ed eseguite attraverso Codex e Claude Code. Arcade dichiara una riduzione media del 7,6% dei costi complessivi dei token, con un intervallo di confidenza del 95% compreso tra il 2,5% e il 12,6%, senza peggioramenti nel completamento delle attività. Separando gli ambienti, il risparmio indicato è del 9,7% per Claude Code e del 5,5% per Codex, sebbene per quest’ultimo l’intervallo di confidenza comprenda anche l’assenza di miglioramento. Ulteriori prove sul benchmark ToolRet riportano valori Recall@10 del 56,81% per strumenti web, del 57,25% per strumenti di programmazione e del 42,65% per strumenti personalizzati, rispetto ai valori pubblicati per Microsoft Foundry del 45,99%, 39,56% e 41,36%. Le due implementazioni utilizzano tuttavia configurazioni differenti e questi risultati misurano il recupero delle funzioni pertinenti, non l’effettivo completamento del lavoro.
La struttura commerciale di Arcade comprende un piano gratuito con 2.000 eventi di autorizzazione e 2.000 chiamate agli strumenti al mese e un piano Team da 25 dollari mensili, al quale si aggiungono 0,10 dollari per evento di autorizzazione e 0,01 dollari per chiamata. Il piano Enterprise prevede condizioni personalizzate, possibilità di installazione in ambienti cloud privati o locali e controlli amministrativi aggiuntivi. I costi dei modelli linguistici rimangono separati da quelli della piattaforma. Arcade stima inoltre che un’organizzazione con 1.000 utilizzatori di Claude Opus 5, impegnati in 20 conversazioni mensili ciascuno, potrebbe risparmiare circa 119.000 dollari all’anno, ma si tratta di una simulazione e non di un risultato documentato presso un cliente. L’azienda precisa che per cataloghi inferiori a circa 25-28 strumenti l’utilizzo di un elenco statico può rimanere economicamente più conveniente, mentre ricerche eccessivamente frequenti possono annullare i risparmi e aumentare il costo delle sessioni. Tool Recommendation si propone quindi come componente modulare per infrastrutture agentiche che utilizzano numerosi strumenti, associando alla selezione dinamica le funzionalità di autorizzazione, controllo operativo e audit già disponibili sulla piattaforma.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)