Fuld konfiguration af MCP-server
På denne side
Saml det hele
Du har set hver parameter isoleret. I denne lektion samler vi dem til komplette konfigurationer, præcis som du skal skrive dem i praksis, og viser hver gang den tilsvarende kode i begge hoved-SDK’er. Målet er ikke at introducere nye begreber, men at give dig mønstre, du kan tilpasse direkte.
Her er et overblik over de seks parametre med angivelse af, om de er obligatoriske eller valgfrie.
| Parameter | Påkrævet | Rolle |
|---|---|---|
server_url | Ja | HTTPS-URL til MCP-serveren |
server_label | Ja | Præfiks til værktøjskald |
server_description | Nej | Vejleder Grok i valg af server |
allowed_tool_names | Nej | Begrænser adgang til værktøjer |
authorization | Nej | Godkendelsestoken |
headers | Nej | Yderligere HTTP-headers |
Det enkleste tilfælde
To parametre er nok, når serveren er offentlig og ikke kræver godkendelse.
# xAI SDK
tools = [mcp(server_url="https://mcp.deepwiki.com/mcp", server_label="deepwiki")]
# Responses API (OpenAI)
tools = [{
"type": "mcp",
"server_url": "https://mcp.deepwiki.com/mcp",
"server_label": "deepwiki"
}]
Det er præcis det, du skal skrive til DeepWiki. Grok får dermed adgang til alle serverens værktøjer, hvilket er acceptabelt her, da det er en offentlig tjeneste, der kun tillader læsning. Så snart serveren tilhører din organisation, er denne konfiguration utilstrækkelig.
En intern server med kun læseadgang
Lad os tage et skridt videre: et internt CRM-system, som agenten skal kunne spørge, men aldrig ændre. Vi tilføjer tre parametre, hver af en specifik årsag – beskrivelsen vejleder modellen, tokenet bekræfter identiteten, og listen over tilladte værktøjer forbyder skrivning.
# xAI SDK
tools = [
mcp(
server_url="https://api.monentreprise.com/mcp",
server_label="crm",
server_description="Internt CRM. Kun opslag af kontakter og virksomheder.",
authorization=f"Bearer {os.getenv('CRM_TOKEN')}",
allowed_tool_names=["search_contacts", "get_contact", "list_companies"]
)
]
# Responses API (OpenAI)
tools = [{
"type": "mcp",
"server_url": "https://api.monentreprise.com/mcp",
"server_label": "crm",
"server_description": "Internt CRM. Kun opslag af kontakter og virksomheder.",
"authorization": f"Bearer {os.getenv('CRM_TOKEN')}",
"allowed_tool_names": ["search_contacts", "get_contact", "list_companies"]
}]
Sammenlign de to blokke: indholdet er identisk; kun indpakningen ændrer sig. Hjælpefunktionen mcp() tager navngivne argumenter; OpenAI-formatet forventer et dictionary med en ekstra "type"-nøgle. Det er den eneste forskel, du skal huske, når du oversætter en konfiguration fra det ene SDK til det andet.
En omfattende konfiguration
Sidste skridt: alle seks parametre samlet i et realistisk kald til xAI SDK.
import os
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=[
mcp(
server_url="https://tools.monentreprise.com/v1/mcp",
server_label="outils-internes",
server_description="Intern værktøjsplatform: dokumenthåndtering, supportsager, vidensbase. Kun læseadgang.",
authorization=f"Bearer {os.getenv('TOOLS_MCP_TOKEN')}",
headers={
"X-Organization-Id": os.getenv("ORG_ID"),
"X-Environment": "production",
"X-Request-Source": "grok-agent"
},
allowed_tool_names=[
"search_documents",
"get_document",
"search_tickets",
"get_ticket",
"search_knowledge_base"
]
)
],
include=["verbose_streaming"],
)
Bemærk den interne konsistens i dette eksempel. Beskrivelsen annoncerer kun læseadgang, og de fem tilladte værktøjer er alle forespørgsler – der er ingen modstrid mellem det, modellen tror, den kan gøre, og det, konfigurationen tillader. Headeren X-Environment sat til production forhindrer en testagent i at skrive til live-data, og X-Request-Source gør dine server-spor handlingsrettede, hvis du får brug for at spore oprindelsen af en uventet forespørgsel.
Tjek før udrulning
Seks punkter fortjener et eftersyn før enhver udrulning til produktion, og hvert punkt svarer til en faldgrube, vi har stødt på tidligere i dette kursus. URL’en skal være HTTPS med et gyldigt certifikat; ellers går intet igennem. Labellet skal være kort, beskrivende og unikt inden for konfigurationen. Beskrivelsen skal matche de værktøjer, der faktisk er eksponeret; ellers vil modellen forsøge kald, der er dømt til at fejle. Tilladte værktøjer skal reduceres til det strengt nødvendige. Tokenet skal hentes fra en miljøvariabel, ikke fra kildekoden. Og yderligere headers skal være præcis det, din server forventer, med korrekt store/små bogstaver – en fejl i casing på X-Organization-Id giver en stilhedssvigt, der er særligt smertefuldt at diagnosticere.
Vigtige pointer
- Minimal konfiguration kræver kun
server_urlogserver_label - Tilføj
server_descriptionfor at vejlede Grok, især i opsætninger med flere servere - Begræns adgangen med
allowed_tool_namesaf hensyn til sikkerhed og ydeevne - Brug
authorizationogheaderstil godkendelse - Begge SDK’er (native xAI og OpenAI Responses) accepterer de samme parametre med forskellig syntaks