Новая система рекомендаций инструментов сокращает расходы вашей компании на входные токены на 37%, сообщает Arcade.dev

Arcade.dev, стартап, помогающий ИИ-агентам работать с бизнес-программами и контролирующий, какие действия им разрешено выполнять, представляет Tool Recommendation — функцию, которая помогает агентам находить нужные действия, не загружая снова и снова в диалоги длинный список программных функций.

Новинка призвана решить практическую проблему корпоративного ИИ: подключение агента к большему числу бизнес-систем увеличивает объем инструкций и расходы на их обработку.

Arcade.dev, также известная как «Arcade», заявляет, что ее подход сокращает число токенов, расходуемых на поиск инструментов, на величину до 91%, а расчетная экономия на входных данных достигает 37%.

В отдельном тесте полных рабочих процессов компания сообщает о более скромном, но непосредственно применимом результате: совокупный счет за входные/выходные токены сократился на 7,6%.

Функция станет доступна клиентам полностью управляемой платформы «программное обеспечение как услуга» Arcade Cloud 15 октября без отдельной платы за нее, сообщил VentureBeat представитель Arcade.

Для платных тарифов по-прежнему действуют обычные сборы за платформу и ее использование, а стоимость корпоративных развертываний, в том числе локальных установок, определяется индивидуально.

Arcade выходит на рынок, где Microsoft, Anthropic и OpenAI уже предлагают способы искать инструменты по мере необходимости. Компания объединяет эту возможность со средой выполнения, которая проверяет разрешения, применяет корпоративные политики и записывает действия агентов при работе с разными моделями.

Что уже делает Arcade и кто пользуется ее продуктами

Прежде всего важно понимать: Arcade — не чат-бот и не новая большая языковая модель.

Компания предоставляет программное обеспечение, работающее в фоновом режиме и позволяющее ИИ-агентам на базе моделей вроде Claude или ChatGPT выполнять действия в рабочих системах.

Например, если агенту нужно обновить запись в Salesforce или отправить письмо через Gmail, Arcade может подключить его к приложению, проверить, есть ли у сотрудника и агента разрешение на это действие, обработать необходимые учетные данные и записать, что произошло.

Существующая платформа компании объединяет три ключевые возможности:

• Проверку безопасности и разрешений ИИ-агентов

• Каталог готовых программных действий и инструментов, а также средства для разработчиков, позволяющие создавать собственные

• Централизованные инструменты для администраторов, которые позволяют управлять действиями агентов и проверять их.

MCP Gateway объединяет инструменты Arcade и других поставщиков за одним подключением. MCP, или Model Context Protocol, — новый общий стандарт подключения ИИ-помощников к внешним приложениям. 7 октября Arcade также представила Private Registry — пространство, где сотрудники могут посмотреть, какими инструментами пользуются их агенты, и запросить недостающие.

Среди организаций, использующих ее технологии, Arcade называет LangChain, Relevance AI, Snyk и Sybill и публикует отзывы представителей этих компаний.

На сайте также представлены Duracell и YUR, а еще неназванные клиенты, описанные как финансовая организация из списка Fortune 100 и потребительская интернет-компания из Nasdaq-100. Эти упоминания не подтверждают, что какой-либо из названных клиентов добился заявленной экономии токенов благодаря новой функции.

Сооснователь и технический директор Sam Partee представил технологии Arcade для обеспечения безопасности и контроля на инновационной презентации VentureBeat Transform 2026 в июле.

На мероприятии он рассказал, как платформа позволяет агентам действовать с соответствующими правами пользователей, сохраняя при этом прозрачность их активности для команд безопасности.

Новая система Tool Recommendation опирается на уже существующую инфраструктуру: Arcade теперь стремится не только определять, может ли агент выполнить действие, но и упростить и удешевить поиск нужного действия.

Почему список инструментов агента становится статьей расходов

Инструмент — это вызываемая функция: найти письмо в почтовом ящике, получить запись о клиенте, обновить заявку или создать документ. Прежде чем выбрать и использовать такую функцию, агенту нужны ее описание и сведения о требуемых входных данных.

Согласно сообщению Arcade, ее каталог насчитывает более 8 000 инструментов. Описание всего каталога потребовало бы около 1,75 млн токенов еще до того, как пользователь отправит запрос. Даже намного меньший каталог создает постоянные дополнительные расходы по мере продолжения взаимодействия.

Tool Recommendation заменяет этот перечень несколькими точками входа для поиска приложений, запроса подходящих функций и выполнения выбранного действия. Агент сообщает, что ему нужно сделать прямо сейчас; Arcade ищет и ранжирует каталог, выдает короткий список и запускает выбранную функцию.

Вместо того чтобы заставлять крупную ИИ-модель снова и снова читать весь каталог, Arcade использует небольшие специализированные модели для поиска подходящих инструментов и их ранжирования. При этом базовый интеллект агента не заменяется: его собственная модель по-прежнему решает, какое из предложенных действий выполнить.

В эксклюзивном интервью VentureBeat Partee рассказал, что Arcade использует небольшие модели из экосистемы открытого исходного кода и данные о действиях агентов.

«Мы можем взять эти данные и обучить небольшие языковые модели, чтобы они предсказывали, что вы, скорее всего, захотите сделать», — сказал он VentureBeat.

В отличие от ленты в социальных сетях, персонализированной для конкретного пользователя, многие задачи агентов относятся к более широким категориям — например, отправка письма, редактирование черновика или обновление записи в Salesforce, отметил он.

По словам Partee, эта работа началась с агента для обеспечения надежности сайта: тогда языковые модели часто не могли выбрать инструмент и правильно оформить его входные данные.

«Если дать тогдашней модели пять инструментов, она не выдаст правильный JSON», — вспоминает он.

По мере развития моделей тот же подход к рекомендациям стало возможно применять шире — для выбора действий и предоставления входных данных, необходимых для их выполнения.

Это может иметь значение для задач, охватывающих несколько систем: процесс продления договора может потребовать сведений о клиенте, истории обращений в службу поддержки, финансовой информации и подготовленного ответа. Поиск инструментов позволяет подключать разные функции к взаимодействию по мере необходимости. Улучшит ли это конкретный рабочий процесс, зависит от качества короткого списка и затрат на дополнительные поисковые запросы.

Arcade утверждает, что Tool Recommendation работает через MCP и включается на уровне шлюза — точки подключения агента к доступным ему инструментам, — поэтому перестраивать существующие интеграции не нужно. По словам компании, функция совместима с разными моделями, фреймворками для создания агентов и приложениями, поддерживающими MCP. Это важно, поскольку для использования системы рекомендаций клиентам не нужно отказываться от Claude, ChatGPT или собственных агентов.

Заявленные 37% и измеренные 7,6% — это разные показатели

В методологии Arcade есть несколько важных различий, которые корпоративным заказчикам следует учитывать.

Максимальное сокращение на 37% рассчитано для входных данных по сравнению с помощником, которому предоставлены 100 фиксированных инструментов. Для типичного взаимодействия с тремя запросами и примерно восемью вызовами инструментов на каждый Arcade оценивает экономию примерно в 20% — в зависимости от модели.

В интервью Partee привел похожую оценку: «Если взять обычного пользователя в сессии на 10 ходов, можно сэкономить 18–20% токенов».

Эта цифра описывает ожидаемое сокращение числа токенов за типичную сессию, а не независимо подтвержденную экономию в общем счете корпоративного клиента.

В расчете не учитываются выходные токены и предполагается, что клиент хранит большие результаты работы инструментов вне диалога. Если такие результаты остаются в контексте взаимодействия, компания оценивает экономию всего в 5–7%. Наибольший расчетный процент сокращения приходится на короткие взаимодействия.

Расчетная экономия около 119 000 долларов в год для 1 000 пользователей Claude Opus 5 предполагает, что каждый из них ведет по 20 диалогов в месяц. Это примерный сценарий, а не заявленная экономия по результатам развертывания у названного клиента.

Показатель 91% рассчитан для более узкой категории. Он относится к входным токенам, связанным с описаниями функций и ответами системы рекомендаций, в смоделированном взаимодействии на 10 ходов; сам диалог и возвращаемые бизнес-данные в расчет не входят.

В этом расчете число токенов для GPT-5.6 снижается с 256 650 до 22 164, а для Claude Opus 5 — с 411 729 до 38 170.

«Это экономия токенов на описаниях функций, а не на всей сессии», — пишет Arcade в методологии, сопровождающей объявление.

В более комплексном тесте сравниваются рабочие процессы с поиском инструментов и без него: 408 сессий охватывают 64 процесса и проводятся с использованием Codex и Claude Code. Arcade сообщает о снижении общих затрат на токены, включая входные и выходные, на 7,6%; 95-процентный доверительный интервал составляет от 2,5% до 12,6%, а доля выполненных задач не изменилась.

Заявленное снижение составляет 9,7% для Claude Code и 5,5% для Codex; доверительный интервал для Codex включает ноль. VentureBeat не воспроизводил эти тесты независимо.

Partee признал, что многократные вызовы системы рекомендаций могут потреблять столько ресурсов, что экономия исчезнет или взаимодействие даже станет дороже. Он считает, что такое происходит редко, однако не привел независимо проверяемых данных о частоте подобных случаев.

Сравнение с Microsoft требует оговорки

Arcade также оценивает поиск инструментов с помощью общедоступного бенчмарка ToolRet. Показатель Recall@10 измеряет, сколько из необходимых инструментов вошли в первые десять результатов. Он не показывает, выполнена ли бизнес-задача целиком.

Arcade предоставила следующие данные, чтобы показать, как ее система Tool Recommendation соотносится с уже существующим решением Microsoft Foundry:

Источники: графика из объявления Arcade и опубликованная оценка Microsoft. Тесты проводились с разными настройками.

В производственной конфигурации Arcade есть дополнительный этап ранжирования и инструкции для бенчмарка. В тесте Microsoft строка инструкций не используется, чтобы избежать расходов и задержки, связанных с ее генерацией дополнительным вызовом модели. Microsoft также описывает метод поиска, который позволяет обойтись без ресурсоемкой модели ранжирования во время обработки запросов.

Arcade признает, что это сравнение указывает на потенциальное преимущество, но не является результатом контролируемого прямого тестирования. Эти показатели стоит проверить, однако они не доказывают, что Arcade лучше выполняет задачи или сокращает общие затраты по сравнению с Foundry.

Microsoft, Anthropic и OpenAI уже решают проблему поиска инструментов

Подход Microsoft Foundry Toolboxes предоставляет точки входа для поиска и выполнения действий, после чего передает определения найденных инструментов. Microsoft заявляет, что этот подход не привязан к конкретному семейству моделей и позволяет использовать разные источники инструментов. Следовательно, поддержка разных моделей — не уникальная особенность Arcade.

Tool Search Tool от Anthropic также откладывает загрузку определений до тех пор, пока они не понадобятся Claude. Решение поддерживает как встроенные методы текстового поиска, так и пользовательские механизмы поиска. Anthropic сообщает о сокращении числа токенов на 85% в собственном примере, однако сравнение строится на иной базовой величине, чем расчеты Arcade.

Responses API от OpenAI поддерживает отложенные функции и инструменты MCP, а поиск может выполняться на стороне сервиса или приложения. В документации сказано, что описания вновь найденных функций добавляются в конец контекста, чтобы сохранить кэширование; поддержка появилась начиная с GPT-5.4.

Arcade подчеркивает, что ее отличие — объединение поиска с контролем выполнения в одном слое, который клиенты могут использовать с выбранными ими ИИ-системами.

По словам компании, этот слой проверяет права пользователя и разрешенные агенту действия, хранит учетные данные за пределами контекста модели, применяет политики до и после вызовов и предоставляет журналы аудита через OpenTelemetry. Эти проверки также можно использовать для выявления чувствительных данных.

Partee сказал, что такой подход позволяет Arcade поддерживать новые передовые модели, не перестраивая систему рекомендаций под каждого поставщика.

По его словам, после примерно трех-четырех крупных выпусков моделей поведение технологии оставалось в основном неизменным. «Мы должны быть в состоянии после каждого выпуска новой модели в течение недели гарантировать примерно тот же уровень», — сказал он.

Это прогноз, а не независимо проверенная гарантия качества сервиса; Partee также предупредил, что технология быстро меняется. Он добавил, что функция работает в Claude, ChatGPT и других средах для агентов.

Существующие цены Arcade помогают оценить заявления об экономии

За базовую платформу Arcade уже взимает плату: опубликованные цены зависят от объема использования, а не от числа сотрудников. Компания предлагает следующие тарифы:

События авторизации связаны с подключением агентов к учетным записям пользователей; вызовы инструментов — это запросы, которые агенты отправляют для выполнения конкретных действий. Опубликованные тарифы покрывают платформу Arcade, но не отдельные расходы на большие языковые модели, работающие в основе агентов.

Arcade заявляет, что для пользователей Arcade Cloud за Tool Recommendation не взимается отдельная плата. Однако это не означает, что использование платформы не ограничено: клиенты с тарифом Team по-прежнему платят обычные сборы за события авторизации и вызовы инструментов. Компания также предлагает базовую платформу в облаках под контролем клиентов, локально и в изолированных средах. Для отдельного корпоративного развертывания новой функции рекомендаций Arcade планирует выпустить специальное предложение, но не опубликовала его цену или конкретные сроки.

По словам Partee, в коммерческом плане компания ориентируется прежде всего на крупные организации, которые платят Arcade за безопасность и управление агентами во всем коллективе. «Да, я попрошу людей за это платить», — сказал он о таких клиентах. Его комментарий касался корпоративных развертываний, а не стандартной функции Arcade Cloud, доступной без дополнительной платы.

Это означает, что сокращение числа токенов ИИ-модели не приводит автоматически к такому же процентному снижению общих расходов компании на ИИ. Клиентам также нужно учитывать плату за платформу Arcade и отдельные действия, возможные расходы на корпоративную лицензию и стоимость собственной инфраструктуры. Arcade не представила сравнение совокупных затрат на новую функцию для какого-либо названного клиента.

Функция также не обязательно будет экономически выгодна для каждого агента. Согласно собственным расчетам Arcade, при фиксированном списке менее чем из примерно 25–28 инструментов такой список предпочтительнее. Для более крупных каталогов клиентам нужно оценить накладные расходы на поиск, долю выполненных задач и итоговый счет на собственных рабочих нагрузках.

Для компаний, использующих несколько бизнес-приложений и ИИ-моделей, практическое предложение Arcade шире, чем просто экономия токенов: компания стремится предоставить единое место, где можно определять, что разрешено делать агенту, подключать его к рабочим системам, записывать его действия и теперь — предлагать подходящий инструмент, не перегружая диалог с ИИ. Самое убедительное подтверждение в материалах Arcade — измеренное сокращение затрат на полные рабочие процессы; более крупные проценты показывают, где дополнительная экономия может возникнуть при определенных условиях.