Премини към основното съдържание
Български— Изберете език
Меню

Комбиниране на MCP и вградени инструменти

Урок 10 от 12 Обновен 29 юли 2026 г. Програмист
На тази страница
  1. Две семейства инструменти, един каталог
  2. Смесването им: нищо ново за учене
  3. Оркестрацията се случва автоматично
  4. Две типични композиции
  5. Скритата цена на изобилието
  6. Ключови изводи

Две семейства инструменти, един каталог

MCP не е единственият начин да предоставите възможности на Grok. xAI API включва собствени инструменти, наречени вградени инструменти (built-in tools), които моделът може да извиква без участието на външен сървър. Не е нужно да избирате между двете семейства: Вие ги декларирате на едно и също място и ги комбинирате свободно в една единствена конфигурация.

Четири собствени инструмента покриват повечето нужди.

  • Търсене в уеб (Web search): търсене в уеб в реално време
  • Изпълнение на код (Code execution): изпълнение на Python код в пясъчник (sandbox)
  • Анализ на изображения (Image analysis): анализ и описание на изображения
  • Парсиране на файлове (File parsing): четене и извличане на съдържание от файлове

Вие ги декларирате в масива tools само по тип, без URL адрес или етикет – което има смисъл, тъй като няма отдалечен сървър, който да бъде посочен.

Смесването им: нищо ново за учене

Синтаксисът не изисква никаква специална конструкция. Вие поставяте MCP обекти и собствени обекти един до друг в един и същи масив.

from xai_sdk import Client
from xai_sdk.tools import mcp

client = Client(api_key=os.getenv("XAI_API_KEY"))

chat = client.chat.create(
    model="grok-4.20-0309-reasoning",
    tools=[
        # Отдалечен MCP инструмент
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Documentation for GitHub projects"
        ),
        # Собствен инструмент: търсене в уеб
        {"type": "web_search"},
    ],
)

Responses API във формат на OpenAI следва същата логика, като MCP инструментът просто приема своята типизирана речникова форма.

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[{"role": "user", "content": "Compare React and Vue based on the official docs and current trends"}],
    tools=[
        {
            "type": "mcp",
            "server_url": "https://mcp.deepwiki.com/mcp",
            "server_label": "deepwiki"
        },
        {"type": "web_search"},
    ],
)

Оркестрацията се случва автоматично

От гледна точка на модела, MCP и собствените инструменти формират единен каталог. Grok не прави разлика между инструмент, който преминава през мрежата до сървър на трета страна, и такъв, изпълняван от инфраструктурата на xAI: той вижда възможности, с имена и описания, и избира тази, която придвижва отговора на всяка стъпка.

Вземете заявката „сравнете конфигурацията за маршрутизация в Next.js с текущите най-добри практики“. Grok първо извиква deepwiki__search, за да прочете документацията за маршрутизация в хранилището на Next.js, след това web_search, за да намери скорошни статии за текущите практики, и накрая синтезира двата източника в коherentен отговор. В нито един момент Вие не сте посочили този ред, нито дори че тези два инструмента трябва да се използват заедно. Моделът сам решава последователността и Вие нямате логика за оркестрация, която да пишете.

Две типични композиции

Агентът за технически изследвания използва справочна документация, достъп до уеб и възможности за проверка на кода.

tools = [
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Documentation and source code for GitHub projects"
    ),
    {"type": "web_search"},
    {"type": "code_interpreter"},
]

Това трио Ви позволява да се консултирате с документацията на проекта, да търсите допълнителна информация онлайн и след това да изпълните код, за да валидирате решение, преди да го предложите. Третият инструмент променя естеството на отговора: вместо да твърди, че даден фрагмент работи, агентът го проверява.

Вътрешният технически асистент следва различна логика, при която два частни сървъра съхраняват знанията на компанията, а уебът служи само като резервно копие.

tools = [
    mcp(
        server_url="https://kb.monentreprise.com/mcp",
        server_label="kb",
        server_description="Internal knowledge base",
        authorization=f"Bearer {os.getenv('KB_TOKEN')}"
    ),
    mcp(
        server_url="https://jira.monentreprise.com/mcp",
        server_label="jira",
        server_description="Jira tickets and projects",
        authorization=f"Bearer {os.getenv('JIRA_TOKEN')}",
        allowed_tool_names=["search_issues", "get_issue"]
    ),
    {"type": "web_search"},
]

Асистентът търси в базата знания, консултира се със свързани Jira билети и допълва с търсене в уеб, ако информацията липсва вътрешно. Обърнете внимание на ограничението за Jira, ограничено до достъп само за четене: без него злонамерена инструкция, промъкната в тялото на билет, би могла да насочи модела към операция за запис.

Скритата цена на изобилието

Всеки добавен инструмент, MCP или собствен, заема място в прозореца на контекста, за да съхранява своята дефиниция. Следователно една щедра конфигурация Ви струва налично пространство за разговор, време за обработка и точност на избора.

Три навика са достатъчни, за да поддържате това под контрол. Ограничете общия брой инструменти и се съпротивлявайте на изкушението да свържете пет сървъра с петдесет инструмента, когато вашият случай на употреба изисква десет. Приложете allowed_tool_names на всеки MCP сървър, за да запазите само релевантните инструменти. И не добавяйте собствен инструмент „за всеки случай“: ако вашият агент няма причина да изпълнява код, code_interpreter не е безплатна опция, това е консумиран контекст и допълнителна възможност за избор на грешен инструмент.

Ключови изводи

  • MCP инструментите и собствените инструменти (търсене в уеб, изпълнение на код) съществуват заедно в един и същи масив tools
  • Grok автоматично оркестрира извикванията между MCP и собствените инструменти въз основа на заявката
  • Комбинацията Ви позволява да създавате мощни агенти, които използват както вътрешни източници (MCP), така и външни източници (търсене в уеб)
  • Ограничете общия брой инструменти, за да запазите контекста и точността на модела
  • Използвайте allowed_tool_names за всеки MCP сървър, за да намалите шума