Spring til hovedindhold
Dansk— Vælg et sprog
Menu

DeepWiki og brugerdefinerede værktøjer

Lektion 9 af 12 Opdateret 29. juli 2026 Udvikler
På denne side
  1. DeepWiki: En offentlig server til øvelse
  2. Skift til dine egne servere
  3. Offentlige og interne servere i samme session
  4. Vigtige pointer

DeepWiki: En offentlig server til øvelse

Alt det, du har set hidtil, forbliver abstrakt, indtil du forbinder en rigtig server. DeepWiki er den ideelle kandidat til denne første test: Det eksponerer en offentlig MCP-server på https://mcp.deepwiki.com/mcp uden godkendelse, som giver adgang til dokumentation for ethvert GitHub-projekt.

Konfigurationen kræver kun få linjer, da den eneste valgfrie parameter, der virkelig betyder noget her, er beskrivelsen.

from xai_sdk.tools import mcp

tools = [
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Documentation for open-source GitHub projects. Search and view code, READMEs, guides."
    )
]

Når forbindelsen er etableret, kan du stille Grok spørgsmål, der faktisk kræver læsning af repository’et: „forklar, hvordan routing fungerer i facebook/react-projektet”, „hvad er konfigurationsmulighederne for vercel/next.js?” eller „vis mig projektstrukturen for langchain-ai/langchain”. Modellen kalder DeepWiki-værktøjerne, henter dokumentation og kildekode og syntetiserer derefter et struktureret svar. Sammenlign dette svar med det, du ville få uden MCP-serveren: Forskellen mellem det, modellen ved i forvejen, og det, den lige har læst, står umiddelbart klart.

Skift til dine egne servere

DeepWiki er et fremragende træningsgrundlag, men den virkelige værdi af MCP viser sig, når serveren eksponerer noget, ingen andre har adgang til: dine data, dine processer og dine forretningsværktøjer.

Teknisk set er en MCP-server en webapplikation, der svarer på to typer anmodninger. Først opdagelse: Når Grok forbinder, anmoder den om listen over tilgængelige værktøjer med deres skemaer. Dernæst eksekvering: Når modellen beslutter at kalde et værktøj, sender den værktøjets navn og dets argumenter og venter derefter på resultatet. Serveren skal eksponere et HTTPS-endepunkt, der overholder MCP-protokollen, ved hjælp af Streaming HTTP eller SSE – de to transportmetoder, vi dækkede i starten af kurset.

Det, der gør en brugerdefineret server interessant, er ikke teknikken, men valget af de værktøjer, den offentliggør. Her er tre eksempler på en sammenhængende opdeling, hvor hver server dækker ét og kun ét domæne:

Server "analytics":
  - get_dashboard_metrics: dashboard metrics
  - query_events: query analytic events
  - get_funnel_report: conversion funnel report

Server "content":
  - search_articles: search within the CMS
  - get_article: retrieve a full article
  - list_categories: list content categories

Server "devops":
  - get_deploy_status: status of the last deployment
  - list_alerts: active monitoring alerts
  - get_service_health: health of a specific service

Denne domæneopdeling er ikke blot pynt: Den giver dig mulighed for at trininddele godkendelse og serverbegrænsninger pr. server i stedet for at anvende en enkelt regel på en blandet pose af heterogene værktøjer. Når din server er deployet, følger forbindelsen nøjagtigt samme mønster som DeepWiki, suppleret med token og allowlist.

tools = [
    mcp(
        server_url="https://mcp.yourcompany.com/analytics",
        server_label="analytics",
        server_description="Analytics metrics and reports. Dashboards, funnels, events.",
        authorization=f"Bearer {os.getenv('ANALYTICS_TOKEN')}",
        allowed_tool_names=["get_dashboard_metrics", "query_events"]
    )
]

Offentlige og interne servere i samme session

Konfigurationer bliver virkelig interessante, når du blander begge familier, fordi modellen derefter kan korrelere en offentlig kilde med en kilde, kun du har adgang til.

tools = [
    # Public server for open-source documentation
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Documentation for open-source GitHub projects"
    ),
    # Internal server for product documentation
    mcp(
        server_url="https://docs.yourcompany.com/mcp",
        server_label="internal-docs",
        server_description="Internal technical documentation, architecture guides, ADRs",
        authorization=f"Bearer {os.getenv('DOCS_TOKEN')}"
    ),
    # Internal server for business data
    mcp(
        server_url="https://api.yourcompany.com/mcp",
        server_label="data",
        server_description="Business data: customers, orders, inventory",
        authorization=f"Bearer {os.getenv('API_TOKEN')}",
        allowed_tool_names=["search_customers", "get_order", "check_inventory"]
    ),
]

Bed derefter Grok om at sammenligne den officielle React-dokumentation med din interne arkitekturguide om routing: Den spørger DeepWiki om det første og din dokumentationsserver om det andet og kontrasterer derefter de to. Ingen model kan producere dette svar ud fra sin egen viden alene, og det kan websøgning heller ikke, da halvdelen af materialet kun eksisterer i din virksomhed.

Læg endelig mærke til, hvordan de tre servere er konfigureret forskelligt. Den offentlige server har hverken token eller allowlist, den interne dokumentation har et token, men forbliver stort set åben, fordi den er skrivebeskyttet, og forretningsdataene kombinerer token med streng begrænsning til tre operationer. Hver server bærer det kontrolniveau, som dens indhold berettiger – det er netop pointen med at adskille dem.

Vigtige pointer

  • DeepWiki (https://mcp.deepwiki.com/mcp) er en klar-til-brug offentlig MCP-server til GitHub-dokumentation
  • Du kan oprette dine egne MCP-servere for at eksponere værktøjer, der er specifikke for din forretning
  • En brugerdefineret MCP-server er en HTTPS-webapplikation, der svarer på anmodninger om opdagelse og eksekvering
  • Kombination af offentlige og interne servere giver de mest kraftfulde konfigurationer
  • Hver server opretholder sit eget niveau af godkendelse og værktøjsbegrænsning