Integration mit dem Vercel AI SDK
Auf dieser Seite
Aktualisiert am 3. November 2026, basierend auf der Dokumentation des AI SDK 7 und der xAI-Seite Multi-agent:
xai()nutzt nun die Responses API (die Warnung der vorherigen Version gilt nicht mehr), die Next.js-Route verwendet nicht mehr die entferntetoDataStreamResponse(), und das Fallback-Ziel istgrok-4.7. Die Zuordnunglow/medium→ 4 Agenten,high/xhigh→ 16 Agenten stammt aus der xAI-Dokumentation. Quellen: AI SDK, xAI Provider · xAI, Multi-agent.
Multi-Agenten im JavaScript-Ökosystem
Das Vercel AI SDK (ai) hat sich als Standard für die Integration von KI-Modellen in JavaScript- und TypeScript-Webanwendungen etabliert. In Kombination mit dem @ai-sdk/xai-Provider erhalten Sie Zugriff auf den Multi-Agenten-Modus von Grok aus Next.js, SvelteKit oder jedem anderen JavaScript-Framework heraus, ohne die Abstraktionen verlassen zu müssen, die Ihr Frontend-Team bereits kennt.
Installation
Sie benötigen zwei Pakete:
npm install ai @ai-sdk/xai
Sie teilen sich die Arbeit auf: @ai-sdk/xai übernimmt die Kommunikation mit der xAI API, während ai die generischen Funktionen generateText und streamText bereitstellt, die Sie unabhängig vom Provider verwenden.
Grundlegende Konfiguration
import { xai } from "@ai-sdk/xai";
import { generateText } from "ai";
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Was sind die neuesten JavaScript-Frameworks von 2026?",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
console.log(text);
Multi-Agenten erfordert die xAI Responses API. Mit den aktuellen Versionen (AI SDK 7 und @ai-sdk/xai 5) ist dies die einzige API, die der Provider verwendet: xai(model) führt bereits durch diese. Das Schreiben von xai.responses() macht diese Wahl explizit, was auch den Code schützt, der gegen eine ältere SDK-Version läuft, bei der xai() über Chat Completions lief.
Steuerung der Anzahl der Agenten
Sie setzen die Anzahl der Agenten mit providerOptions.xai.reasoningEffort:
// Als providerOptions an generateText oder streamText übergeben
const rapide = { xai: { reasoningEffort: "low" } }; // 4 Agenten
const approfondie = { xai: { reasoningEffort: "high" } }; // 16 Agenten
Die Zuordnung entspricht der, die Sie beim OpenAI SDK gesehen haben: low und medium verwenden 4 Agenten, während high und xhigh 16 verwenden. Sie erhalten also dieselben zwei Modi unter einem anderen Parameter-Namen.
Streaming mit streamText
In einer Webanwendung wird Streaming zwingend erforderlich: Ein Multi-Agenten-Forschungslauf kann eine Minute dauern, und niemand bleibt so lange vor einem leeren Bildschirm.
import { xai } from "@ai-sdk/xai";
import { streamText } from "ai";
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Analysieren Sie KI-Marktrends in Europa",
providerOptions: {
xai: { reasoningEffort: "medium" },
},
});
for await (const chunk of result.textStream) {
process.stdout.write(chunk);
}
In einer Next.js-Anwendung, die den App Router verwendet, müssen Sie den Stream auf dem Server nicht einmal konsumieren: Eine API-Route kann ihn direkt an den Browser zurückgeben.
// app/api/research/route.ts
import { xai } from "@ai-sdk/xai";
import { createTextStreamResponse, streamText, toTextStream } from "ai";
export async function POST(req: Request) {
const { query } = await req.json();
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: query,
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
// Roh-Text-Stream: auf dem Client mit fetch lesen,
// oder mit useChat und einem TextStreamChatTransport
return createTextStreamResponse({
stream: toTextStream({ stream: result.stream }),
});
}
Das reasoningEffort: "low" in diesem Beispiel ist eine bewusste Entscheidung: Auf einer Route, die direkt von der UI aufgerufen wird, wäre die Latenz von 16 Agenten schwer aufrechtzuerhalten.
Fehlerbehandlung
Da Multi-Agenten sich im Beta-Stadium befinden, darf ein Ausfall nicht zu einer kaputten Seite führen. Das folgende Muster zeigt den einfachsten Fallback: Fangen Sie den Fehler ab und spielen Sie die gleiche Frage auf einem Standardmodell ab:
try {
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Meine Frage",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
return text;
} catch (error) {
console.error("Multi-Agenten-Fehler:", error);
// Fallback auf ein Standardmodell
const { text } = await generateText({
model: xai("grok-4.7"),
prompt: "Meine Frage",
});
return text;
}
Der Fallback wechselt zu einem Standardmodell, grok-4.7, das nicht unter die Einschränkungen von Multi-Agenten fällt (mit AI SDK 7 verwendet xai() ebenfalls die Responses API). Lassen Sie Ihren Benutzer auch auf irgendeine Weise wissen, dass dies passiert, da die Fallback-Antwort weniger gründlich sein wird als die, die er erwartet hat.
Anwendungsfall in einer Webanwendung
Der Anwendungsfall, der aus dieser Integration den meisten Nutzen zieht, ist die erweiterte Forschungschnittstelle: Der Benutzer stellt eine komplexe Frage, Ihre Anwendung öffnet den Stream, und die Antwort schreibt sich selbst auf den Bildschirm, während die Agenten im Hintergrund weiterarbeiten.
Das resultierende Erlebnis ist überraschend natürlich. Der Text schreitet voran, pausiert manchmal, wenn die Agenten eine Websuche starten, und setzt dann wieder ein. Diese Pausen sind weit davon entfernt, ein Mangel zu sein: Sie signalisieren dem Benutzer, dass echte Forschung stattfindet – vorausgesetzt, Ihre Schnittstelle koppelt sie mit einem Indikator, anstatt so zu wirken, als würde die Seite hängen.
Kernaussagen
- Verwenden Sie
@ai-sdk/xaimitxai.responses()für Multi-Agenten - Steuern Sie die Anzahl der Agenten mit
providerOptions.xai.reasoningEffort streamTextist ideal für interaktive Webanwendungen- Das Vercel AI SDK integriert sich nativ mit Next.js und anderen Frameworks
- Planen Sie einen Fallback auf ein Standardmodell im Falle eines Fehlers