Podrobné streamování a šifrovaný obsah
Na této stránce
Sledování práce agentů v reálném čase
Požadavek pro více agentů něco trvá a čím více agentů spustíš, tím déle to bude: při 16 agentech pracujících na širokém tématu se čekací doba natáhne na desítky sekund. Mezitím tvoje aplikace netuší, co se děje, a tvůj uživatel zírá na zamrzlou obrazovku. Tento problém řeší dva mechanismy, které však plní zcela odlišné funkce: podrobné streamování (verbose streaming) otevírá okno do činnosti agentů během inferenčního běhu, zatímco šifrovaný obsah zachovává jejich stav z jednoho kroku konverzace do druhého. Záměna těchto dvou pojmů tě přivede k aktivaci špatného parametru a plýtvání tokeny.
Co ukazuje standardní streamování
Při standardním streamování dostáváš pouze finální text vedoucího agenta tak, jak je generován, a nic dalšího.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
)
chat.append(user("My question"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
To pro většinu integrací zcela stačí: odpověď zobrazuješ slovo od slova, uživatel vidí, že se něco děje, a hotovo. Slepaá skvrna leží výše v toku. Dokud podřízení agenti hledají a vedoucí agent ještě nezačal svou syntézu, stream zůstává prázdný a ty nemáš žádný způsob, jak rozlišit probíhající vyhledávání od zaseknutého požadavku.
Otevření krabice pomocí verbose_streaming
Stačí přidat verbose_streaming do parametru include a volání nástrojů se začnou ve streamu objevovat v reálném čase.
from xai_sdk.tools import web_search, x_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16,
tools=[web_search(), x_search()],
include=["verbose_streaming"],
)
chat.append(user("Analyze reactions to Apple's latest announcements"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
# Tool calls are also visible in real time
Nyní uvidíš, jak odcházejí webové dotazy, jak se vracejí výsledky a jak vedoucí agent začíná psát. Z toho přímo vyplývají tři využití. Pro ladění (debugging) zkontroluješ, zda agenti hledají správným směrem: pokud se tvůj dotaz týká veřejných reakcí a každý dotaz cílí na technické specifikace, problém je v tvém promptu, ne v modelu. Pro uživatelskou zkušenost tyto události napájí poctivý indikátor průběhu – „vyhledávání zdrojů“, „analýza výsledků“ – místo obecného točícího se kolečka. Nakonec pro monitorování můžeš dodatečně pochopit, proč požadavek trval minutu, protože víš, kolik vyhledávání bylo spuštěno.
Šifrovaný obsah není okno; je to paměť
use_encrypted_content odpovídá na jinou otázku. Neodhaluje žádné úvahy v prostém textu: umožňuje modelu udržovat vnitřní stav agentů mezi jednotlivými kroky ve stejné konverzaci.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
use_encrypted_content=True,
)
Když je tento parametr aktivní, odpověď zahrnuje šifrovaný blok obsahující stav podřízených agentů: výsledky jejich vyhledávání a kontext, který nashromáždili. Při další zprávě se tento blok automaticky předá zpět a model začíná tam, kde již bylo něco nalezeno, místo aby vše přepočítával od začátku. Nemůžeš si ho přečíst – je určen pro model, ne pro log tvé aplikace.
Rozhodnutí, zda jej povolit, závisí na jednoduchém kritériu: budeš klást několik souvisejících otázek? Relace, kde nejprve požádáš o přehled a následně o hlubší ponor do třetího bodu, z toho má jasný prospěch, stejně jako dlouhé vyšetřování, kde je kontext z předchozích kroků tím hlavním smyslem. Naopak pro izolovanou otázku, která vyžaduje jednu odpověď a nic víc, je šifrovaný blok jen zátěží: přidává tokeny v každém kroku, které jsou účtovány jako všechny ostatní.
Nic ti nebrání kombinovat oba mechanismy – ve skutečnosti je to přirozené nastavení pro interaktivního výzkumného asistenta: sleduješ činnost živě a kontext přežívá z jednoho kroku do druhého.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16,
tools=[web_search(), x_search()],
include=["verbose_streaming"],
use_encrypted_content=True,
)
Klíčové poznatky
verbose_streamingodhaluje volání nástrojů v reálném čase (ladění, UX, monitorování)use_encrypted_contentzachovává stav podřízených agentů mezi kroky konverzace- Šifrovaný obsah není čitelný – slouží modelu, ne tobě
- Zkombinuj obojí pro interaktivní výzkumné relace
- Povol šifrovaný obsah pouze tehdy, pokud očekáváš konverzace s více kroky