Kombinace MCP a vestavěných nástrojů
Na této stránce
Dvě rodiny nástrojů, jeden katalog
MCP není jediný způsob, jak poskytnout modelu Grok nové schopnosti. Rozhraní API xAI zahrnuje nativní nástroje, nazývané vestavěné nástroje (built-in tools), které model využívá bez nutnosti komunikace s externím serverem. Nemusíš si vybírat mezi těmito dvěma rodinami: deklaruješ je na stejném místě a svobodně je kombinuješ v jedné konfiguraci.
Čtyři nativní nástroje pokrývají většinu potřeb.
- Web search: vyhledávání na webu v reálném čase
- Code execution: spouštění kódu Python v izolovaném prostředí (sandbox)
- Image analysis: analýza a popis obrázků
- File parsing: čtení a extrakce obsahu souborů
Deklaruješ je v poli tools pouze pomocí typu, bez URL nebo štítku – což dává smysl, protože není třeba určovat žádný vzdálený server.
Míchání: nic nového se neučíš
Syntaxe nevyžaduje žádnou speciální konstrukci. Objekty MCP a nativní objekty umístíš vedle sebe do stejného pole.
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=[
# Vzdálený nástroj MCP
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki",
server_description="Documentation for GitHub projects"
),
# Nativní nástroj: vyhledávání na webu
{"type": "web_search"},
],
)
Rozhraní Responses API ve formátu OpenAI funguje na stejném principu, přičemž nástroj MCP pouze přijímá svou typizovanou slovníkovou formu.
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"},
],
)
Orchestrování probíhá automaticky
Z pohledu modelu tvoří nástroje MCP a nativní nástroje jediný katalog. Grok nerozlišuje mezi nástrojem, který komunikuje přes síť se serverem třetí strany, a nástrojem spuštěným infrastrukturou xAI: vidí pouze schopnosti s názvy a popisy a vybírá tu, která v daném kroku nejlépe posune odpověď kupředu.
Vezmi si dotaz „porovnej konfiguraci směrování v Next.js se současnými osvědčenými postupy“. Grok nejprve zavolá deepwiki__search, aby přečetl dokumentaci ke směrování v repozitáři Next.js, poté použije web_search k nalezení nedávných článků o aktuálních postupech a nakonec syntetizuje oba zdroje do ucelené odpovědi. V žádném okamžiku jsi neurčil toto pořadí, ani to, že by se tyto dva nástroje měly používat společně. Sekvenci určuje výhradně model a ty nemusíš psát žádnou logiku pro orchestrování.
Dvě typické kompozice
Technický výzkumný agent využívá referenční dokumentaci, přístup na web a možnosti ověření kódu.
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"},
]
Tato trojice ti umožňuje konzultovat dokumentaci projektu, vyhledávat další informace online a následně spustit kód pro ověření řešení před jeho navržením. Třetí nástroj mění povahu odpovědi: místo aby agent pouze tvrdil, že úryvek kódu funguje, ve skutečnosti to ověří.
Interní technický asistent se řídí jinou logikou, kde dva soukromé servery uchovávají firemní znalosti a web slouží pouze jako záloha.
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"},
]
Asistent prohledává znalostní bázi, konzultuje související ticket v Jira a v případě chybějících interních informací doplní údaje vyhledáním na webu. Všimni si omezení u Jira, které je nastaveno pouze na přístup pro čtení: bez něj by pokyn vložený do těla ticketu mohl model navést k operaci zápisu.
Skryté náklady hojnosti
Každý přidaný nástroj, ať už MCP nebo nativní, zabírá místo v kontextovém okně pro uložení své definice. Štědrá konfigurace tě tedy stojí dostupné místo pro konverzaci, čas zpracování a přesnost výběru.
K udržení tohoto pod kontrolou stačí tři návyky. Omez celkový počet nástrojů a odolávej pokušení připojit pět serverů s padesáti nástroji, když tvůj případ použití vyžaduje deset. Na každém serveru MCP aplikuj allowed_tool_names, aby sis ponechal pouze relevantní nástroje. A nepřidávej nativní nástroj „pro jistotu“: pokud tvůj agent nemá důvod spouštět kód, code_interpreter není bezplatná možnost, ale spotřebovává kontext a vytváří další příležitost k výběru špatného nástroje.
Klíčové poznatky
- Nástroje MCP a nativní nástroje (vyhledávání na webu, spouštění kódu) koexistují ve stejném poli
tools - Grok automaticky orchestruje volání mezi nástroji MCP a nativními nástroji na základě dotazu
- Kombinace umožňuje vytvářet výkonné agenty, které využívají jak interní zdroje (MCP), tak externí zdroje (vyhledávání na webu)
- Omez celkový počet nástrojů, abys zachoval kontext a přesnost modelu
- Pro každý server MCP použij
allowed_tool_namesk omezení šumu