Vollständige MCP-Server-Konfiguration
Auf dieser Seite
Zusammenfassung aller Parameter
Sie haben jeden Parameter bisher isoliert betrachtet. In dieser Lektion werden sie zu vollständigen Konfigurationen zusammengeführt, genau so, wie Sie sie in der Praxis schreiben werden. Dabei zeigen wir jeweils die Entsprechung in beiden Haupt-SDKs. Das Ziel ist nicht, neue Konzepte einzuführen, sondern Ihnen Muster zu liefern, die Sie direkt anwenden können.
Im Folgenden finden Sie einen Überblick über die sechs Parameter sowie deren erforderlichen oder optionalen Status.
| Parameter | Erforderlich | Rolle |
|---|---|---|
server_url | Ja | HTTPS-URL des MCP-Servers |
server_label | Ja | Präfix für Tool-Aufrufe |
server_description | Nein | Leitet Grok bei der Serverauswahl |
allowed_tool_names | Nein | Beschränkt den Zugriff auf Tools |
authorization | Nein | Authentifizierungstoken |
headers | Nein | Zusätzliche HTTP-Header |
Der einfachste Fall
Zwei Parameter reichen aus, wenn der Server öffentlich ist und keine Authentifizierung erfordert.
# 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"
}]
Dies ist genau das, was Sie für DeepWiki schreiben werden. Grok erhält dann Zugriff auf alle Tools des Servers, was hier akzeptabel ist, da es sich um einen öffentlichen, schreibgeschützten Dienst handelt. Sobald der Server jedoch zu Ihrer Organisation gehört, ist diese Konfiguration unzureichend.
Ein schreibgeschützter interner Server
Schrittweise erhöhen wir den Anspruch: Ein unternehmerisches CRM, das der Agent abfragen, aber niemals ändern darf. Drei Parameter werden hinzugefügt, jeder aus einem anderen Grund: Die Beschreibung leitet das Modell, das Token beweist die Identität und die Whitelist verbietet Schreibvorgänge.
# xAI SDK
tools = [
mcp(
server_url="https://api.monentreprise.com/mcp",
server_label="crm",
server_description="Internal CRM. Contact and company lookup only.",
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": "Internal CRM. Contact and company lookup only.",
"authorization": f"Bearer {os.getenv('CRM_TOKEN')}",
"allowed_tool_names": ["search_contacts", "get_contact", "list_companies"]
}]
Vergleichen Sie die beiden Blöcke: Der Inhalt ist identisch; nur die Hülle ändert sich. Der mcp()-Helper nimmt benannte Argumente; das OpenAI-Format erwartet ein Wörterbuch mit einem zusätzlichen "type"-Schlüssel. Dies ist der einzige Unterschied, den Sie sich merken müssen, wenn Sie eine Konfiguration von einem SDK ins andere übersetzen.
Eine umfassende Konfiguration
Letzter Schritt: Alle sechs Parameter kombiniert in einem realistischen Aufruf des 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="Internal tools platform: document management, support tickets, knowledge base. Read-only access.",
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"],
)
Beachten Sie die interne Konsistenz dieses Beispiels. Die Beschreibung kündigt schreibgeschützten Zugriff an, und die fünf erlaubten Tools sind alle Abfrageoperationen – es besteht kein Widerspruch zwischen dem, was das Modell glauben kann, und dem, was die Konfiguration erlaubt. Der Header X-Environment, der auf production gesetzt ist, verhindert, dass ein Testagent live Daten schreibt, und X-Request-Source macht Ihre Server-Verfolgungen handlungsrelevant, falls Sie nachvollziehen müssen, woher eine unerwartete Anfrage stammt.
Prüfung vor der Bereitstellung
Sechs Punkte verdienen eine Überprüfung vor jeder Produktionsbereitstellung, und jeder entspricht einem Fallstrick, der in diesem Kurs bereits behandelt wurde. Die URL muss HTTPS sein und ein gültiges Zertifikat aufweisen, sonst wird nichts durchkommen. Das Label muss kurz, deskriptiv und innerhalb der Konfiguration eindeutig bleiben. Die Beschreibung muss den tatsächlich exponierten Tools entsprechen, sonst wird das Modell Aufrufe versuchen, die scheitern werden. Erlaubte Tools müssen auf das strikte Minimum reduziert werden. Das Token muss aus einer Umgebungsvariable stammen, nicht aus Quellcode. Und zusätzliche Header müssen genau sein, was Ihr Server erwartet, mit korrekter Groß-/Kleinschreibung – ein Fehler bei der Groß-/Kleinschreibung von X-Organization-Id führt zu einem stummen Versagen, das besonders schmerzhaft zu diagnostizieren ist.
Kernaussagen
- Eine minimale Konfiguration erfordert nur
server_urlundserver_label - Fügen Sie
server_descriptionhinzu, um Grok zu leiten, insbesondere in Mehrserver-Einrichtungen - Beschränken Sie mit
allowed_tool_namesfür Sicherheit und Leistung - Verwenden Sie
authorizationundheadersfür Authentifizierung - Beide SDKs (natives xAI und OpenAI Responses) akzeptieren dieselben Parameter mit unterschiedlicher Syntax