Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Konfiguration für mehrere Server

Lektion 8 von 12 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Mehrere Quellen, ein einziger Agent
  2. Syntax: nichts Neues, nur mehrere Einträge
  3. Labels werden strukturell
  4. Wie Grok einen Server auswählt
  5. Ein Support-Agent von Anfang bis Ende
  6. Kernaussagen

Mehrere Quellen, ein einziger Agent

Remote MCP entfaltet sein volles Potenzial, wenn Sie Grok gleichzeitig mit mehreren Servern verbinden. Jeder bringt seine eigenen Tools mit, und das Modell entscheidet basierend auf der eingehenden Anfrage, welches Tool es verwendet. Dies ist der Unterschied zwischen einem Agenten, der eine Sache tun kann, und einem Agenten, der eine Untersuchung leiten kann: den Status eines Dienstes prüfen, dann die Kundenhistorie abrufen und schließlich einen Fehlerbehebungsartikel konsultieren, ohne dass Sie eine einzige Zeile Orchestrierungscode schreiben müssen.

Syntax: nichts Neues, nur mehrere Einträge

Es gibt keinen Multi-Server-Modus, den Sie aktivieren müssen. Sie fügen einfach mehrere MCP-Objekte zur tools-Liste hinzu.

from xai_sdk.tools import mcp

tools = [
    mcp(server_url="https://mcp.deepwiki.com/mcp", server_label="deepwiki"),
    mcp(server_url="https://your-custom-tools.com/mcp", server_label="custom"),
    mcp(server_url="https://api.example.com/tools", server_label="api-tools"),
]

Dieses Prinzip gilt auch für die Responses API im OpenAI-Format, bei dem jeder Server zu einem Dictionary in der Liste wird. Diese Version fügt Beschreibungen hinzu, die Sie sehen werden, sobald Sie mehr als einen Server verwenden, nicht mehr optional sind.

tools = [
    {
        "type": "mcp",
        "server_url": "https://mcp.deepwiki.com/mcp",
        "server_label": "deepwiki",
        "server_description": "Dokumentation für GitHub Open-Source-Projekte"
    },
    {
        "type": "mcp",
        "server_url": "https://your-custom-tools.com/mcp",
        "server_label": "custom",
        "server_description": "Interne Firmentools"
    },
    {
        "type": "mcp",
        "server_url": "https://api.example.com/tools",
        "server_label": "api-tools",
        "server_description": "Daten- und Analytik-API"
    },
]

Labels werden strukturell

Das server_label, bis jetzt nur eine Lesbarkeitshilfe, wird hier zur Notwendigkeit. Nehmen Sie ein sehr häufiges Szenario: Sie verbinden Ihre interne Dokumentation und DeepWiki, und beide stellen ein Tool namens search bereit. Ohne eindeutige Labels tragen zwei Tools denselben Namen, und Grok hat keine Möglichkeit zu entscheiden. Mit Labels fragt deepwiki__search die GitHub-Dokumentation ab, während internal-docs__search Ihre Wissensdatenbank durchsucht – zwei klar getrennte Tools, die das Modell basierend auf Beschreibungen und dem Gesprächsverlauf auswählt.

Drei Regeln reichen aus, um niemals auf ein Problem zu stoßen. Jedes Label muss in der Konfiguration eindeutig sein. Es muss die Datenquelle widerspiegeln, nicht die technische Funktion, denn die Herkunft unterscheidet Server voneinander, nicht das, was sie tun. Und es muss kurz bleiben, ohne austauschbar zu werden. Der folgende Kontrast illustriert die Lücke zwischen den beiden Ansätzen:

# Gut: beschreibende und eindeutige Labels
server_label="deepwiki"
server_label="crm"
server_label="jira"

# Schlecht: mehrdeutige Labels
server_label="server1"
server_label="server2"
server_label="tools"

Die Labels in der zweiten Reihe sind eine latente Falle. Sie funktionieren an dem Tag, an dem Sie sie schreiben, weil Sie wissen, was server1 enthält. Sechs Monate später, wenn jemand einen Incident-Log erneut liest, weiß niemand mehr Bescheid – und das Modell weiß seinerseits nie Bescheid.

Wie Grok einen Server auswählt

Bevor es mit mehreren Servern konfrontiert wird, durchsucht das Modell vier Informationsquellen, um zu entscheiden. Es beginnt mit der Benutzeranfrage, also dem, was tatsächlich gefragt wird. Es konsultiert dann die server_description jedes Servers, die ihm sagt, wofür jeder insgesamt dient. Es geht eine Ebene tiefer zu den Namen und Beschreibungen der Tools selbst, wobei jedes Tool seine eigenen mitbringt. Und es berücksichtigt den Gesprächskontext, da vorherige Nachrichten die Auswahl beeinflussen: Wenn der Kunde Ihnen bereits vor drei Turns seine Kundennummer gegeben hat, weiß Grok, dass es crm__get_customer aufrufen kann, ohne erneut zu fragen.

Von diesen vier Quellen ist die zweite diejenige, über die Sie die größte Kontrolle haben, und genau darum werden Beschreibungen im Multi-Server-Modus kritisch. Ohne Beschreibungen stützt sich Grok allein auf Tool-Namen – ein search gegenüber einem anderen search, ohne Hinweis darauf, was sie indizieren. Die Auswahlfehler, die daraus resultieren, sind umso verwirrender, da sie zufällig erscheinen: Das Modell trifft die richtige Entscheidung zur Hälfte der Zeit, durch Zufall.

Ein Support-Agent von Anfang bis Ende

Diese Konfiguration bringt alles oben Genannte in einem vollständigen Anwendungsszenario zusammen.

tools = [
    mcp(
        server_url="https://kb.monentreprise.com/mcp",
        server_label="knowledge",
        server_description="Wissensdatenbank zum Produkt. Hilfeartikel, FAQ, Fehlerbehebungsanleitungen.",
        allowed_tool_names=["search_articles", "get_article"]
    ),
    mcp(
        server_url="https://crm.monentreprise.com/mcp",
        server_label="crm",
        server_description="CRM. Kundenhistorie, vorherige Tickets, Kontoinformationen.",
        authorization=f"Bearer {os.getenv('CRM_TOKEN')}",
        allowed_tool_names=["get_customer", "search_tickets", "get_ticket"]
    ),
    mcp(
        server_url="https://status.monentreprise.com/mcp",
        server_label="status",
        server_description="Dienststatus. Laufende Incidents, geplante Wartungen.",
        allowed_tool_names=["get_current_status", "list_incidents"]
    ),
]

Ein Kunde schreibt: “Mein Dienst funktioniert nicht mehr”. Grok prüft zunächst, ob ein laufender Incident vorliegt, via status__get_current_status, konsultiert das Kundenkonto mit crm__get_customer, um zu wissen, um welchen Dienst es sich handelt, und sucht dann nach einem Fehlerbehebungsartikel via knowledge__search_articles. Diese Sequenz ist nirgendwo in Ihrem Code geschrieben: sie ergibt sich aus den Beschreibungen und der gestellten Frage. Beachten Sie auch, dass jeder Server weiterhin auf seine Leseoperationen beschränkt bleibt – die Kraft des Multi-Server-Ansatzes beseitigt nie die Notwendigkeit einer Whitelist.

Kernaussagen

  • Geben Sie mehrere MCP-Objekte in der tools-Liste für den Multi-Server-Modus an
  • Jeder Server muss ein eindeutiges und beschreibendes server_label haben
  • server_description-Werte sind unerlässlich, um Grok zum richtigen Server zu führen
  • Grok wählt automatisch den passenden Server basierend auf der Anfrage und dem Kontext aus
  • Beschränken Sie die Tools jedes Servers mit allowed_tool_names, um Rauschen zu minimieren