Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Συνδυασμός MCP και Ενσωματωμένων Εργαλείων

Μάθημα 10 / 12 Ενημερώθηκε 29 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Δύο οικογένειες εργαλείων, ένας κατάλογος
  2. Η μίξη τους: τίποτα νέο προς εκμάθηση
  3. Η ενορχήστρωση γίνεται αυτόματα
  4. Δύο τυπικές συνθέσεις
  5. Το κρυφό κόστος της αφθονίας
  6. Βασικά σημεία

Δύο οικογένειες εργαλείων, ένας κατάλογος

Το MCP δεν είναι ο μοναδικός τρόπος παροχής δυνατοτήτων στο Grok. Το API της xAI περιλαμβάνει εγγενή εργαλεία, γνωστά ως ενσωματωμένα εργαλεία (built-in tools), τα οποία το μοντέλο μπορεί να καλέσει χωρίς την εμπλοκή κανενός εξωτερικού διακομιστή. Δεν χρειάζεται να επιλέξετε ανάμεσα στις δύο οικογένειες: τις δηλώνετε στο ίδιο σημείο και τις συνδυάζετε ελεύθερα σε μία μόνο διαμόρφωση.

Τέσσερα εγγενή εργαλεία καλύπτουν τις περισσότερες ανάγκες.

  • Web search: αναζήτηση στον ιστό σε πραγματικό χρόνο
  • Code execution: εκτέλεση κώδικα Python σε περιβάλλον απομόνωσης (sandbox)
  • Image analysis: ανάλυση και περιγραφή εικόνων
  • File parsing: ανάγνωση και εξαγωγή περιεχομένου αρχείων

Τα δηλώνετε στον πίνακα tools μόνο βάσει τύπου, χωρίς URL ή ετικέτα—κάτι που έχει νόημα, καθώς δεν υπάρχει απομακρυσμένος διακομιστής προς ορισμό.

Η μίξη τους: τίποτα νέο προς εκμάθηση

Η σύνταξη δεν απαιτεί κάποια ειδική δομή. Τοποθετείτε αντικείμενα MCP και εγγενή αντικείμενα το ένα δίπλα στο άλλο στον ίδιο πίνακα.

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=[
        # Remote MCP tool
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Documentation for GitHub projects"
        ),
        # Native tool: web search
        {"type": "web_search"},
    ],
)

Το Responses API σε μορφή OpenAI ακολουθεί την ίδια λογική, με το εργαλείο MCP να λαμβάνει απλώς τη μορφή λεξικού με τύπο.

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[{"role": "user", "content": "Compare React and Vue based on the official docs and current trends"}],
    tools=[
        {
            "type": "mcp",
            "server_url": "https://mcp.deepwiki.com/mcp",
            "server_label": "deepwiki"
        },
        {"type": "web_search"},
    ],
)

Η ενορχήστρωση γίνεται αυτόματα

Από την οπτική γωνία του μοντέλου, τα εργαλεία MCP και τα εγγενή εργαλεία αποτελούν έναν ενιαίο κατάλογο. Το Grok δεν κάνει διάκριση μεταξύ ενός εργαλείου που ταξιδεύει μέσω δικτύου προς έναν τρίτο διακομιστή και ενός που εκτελείται από την υποδομή της xAI: βλέπει απλώς δυνατότητες, με ονόματα και περιγραφές, και επιλέγει εκείνη που προωθεί την απάντηση σε κάθε βήμα.

Λάβετε ως παράδειγμα το ερώτημα «συγκρίνετε τη διαμόρφωση δρομολόγησης στο Next.js με τις τρέχουσες βέλτιστες πρακτικές». Το Grok καλεί πρώτα το deepwiki__search για να διαβάσει την τεκμηρίωση δρομολόγησης στο αποθετήριο του Next.js, στη συνέχεια το web_search για να βρει πρόσφατα άρθρα σχετικά με τις τρέχουσες πρακτικές και τελικά συνθέτει και τις δύο πηγές σε μια συνεκτική απάντηση. Σε κανένα σημείο δεν καθορίσατε εσείς αυτή τη σειρά, ούτε καν ότι αυτά τα δύο εργαλεία έπρεπε να χρησιμοποιηθούν μαζί. Το μοντέλο αποφασίζει μόνο του την ακολουθία και εσείς δεν έχετε κανέναν κώδικα ενορχήστρωσης να γράψετε.

Δύο τυπικές συνθέσεις

Ένας πράκτορας τεχνικής έρευνας αξιοποιεί την τεκμηρίωση αναφοράς, την πρόσβαση στον ιστό και τις δυνατότητες επαλήθευσης κώδικα.

tools = [
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Documentation and source code for GitHub projects"
    ),
    {"type": "web_search"},
    {"type": "code_interpreter"},
]

Αυτό το τρίο σάς επιτρέπει να συμβουλεύεστε την τεκμηρίωση έργων, να αναζητάτε πρόσθετες πληροφορίες online και στη συνέχεια να εκτελείτε κώδικα για να επικυρώσετε μια λύση πριν την προτείνετε. Το τρίτο εργαλείο αλλάζει τη φύση της απάντησης: αντί να ισχυρίζεται απλώς ότι ένα απόσπασμα κώδικα λειτουργεί, ο πράκτορας το επαληθεύει.

Ένας εσωτερικός τεχνικός βοηθός ακολουθεί διαφορετική λογική, όπου δύο ιδιωτικοί διακομιστές φιλοξενούν τη γνώση της εταιρείας και ο ιστός serves μόνο ως εφεδρεία.

tools = [
    mcp(
        server_url="https://kb.monentreprise.com/mcp",
        server_label="kb",
        server_description="Internal knowledge base",
        authorization=f"Bearer {os.getenv('KB_TOKEN')}"
    ),
    mcp(
        server_url="https://jira.monentreprise.com/mcp",
        server_label="jira",
        server_description="Jira tickets and projects",
        authorization=f"Bearer {os.getenv('JIRA_TOKEN')}",
        allowed_tool_names=["search_issues", "get_issue"]
    ),
    {"type": "web_search"},
]

Ο βοηθός αναζητά στη βάση γνώσεων, συμβουλεύεται σχετικά δελτία Jira και συμπληρώνει με αναζήτηση στον ιστό εάν λείπουν πληροφορίες εσωτερικά. Σημειώστε τον περιορισμό στο Jira, ο οποίος περιορίζεται σε πρόσβαση μόνο ανάγνωσης: χωρίς αυτόν, μια κακόβουλη οδηγία που θα εισχωρούσε στο σώμα ενός δελτίου θα μπορούσε να ωθήσει το μοντέλο προς μια ενέργεια εγγραφής.

Το κρυφό κόστος της αφθονίας

Κάθε πρόσθετο εργαλείο, είτε MCP είτε εγγενές, καταλαμβάνει χώρο στο παράθυρο συμφραζομένων (context window) για την αποθήκευση του ορισμού του. Μια γενναιόδωρη διαμόρφωση σας κοστίζει επομένως σε διαθέσιμο χώρο για τη συνομιλία, σε χρόνο επεξεργασίας και σε ακρίβεια επιλογής.

Τρεις συνήθειες αρκούν για να το κρατήσετε υπό έλεγχο. Περιορίστε τον συνολικό αριθμό των εργαλείων και αντισταθείτε στον πειρασμό να συνδέσετε πέντε διακομιστές με πενήντα εργαλεία όταν η περίπτωση χρήσης σας απαιτεί δέκα. Εφαρμόστε το allowed_tool_names σε κάθε διακομιστή MCP για να κρατήσετε μόνο τα σχετικά εργαλεία. Και μην προσθέτετε ένα εγγενές εργαλείο «για κάθε ενδεχόμενο»: εάν ο πράκτοράς σας δεν έχει λόγο να εκτελέσει κώδικα, το code_interpreter δεν είναι μια δωρεάν επιλογή, αλλά καταναλωμένο context και μια επιπλέον ευκαιρία λανθασμένης επιλογής εργαλείου.

Βασικά σημεία

  • Τα εργαλεία MCP και τα εγγενή εργαλεία (web search, code execution) συνυπάρχουν στον ίδιο πίνακα tools
  • Το Grok ενορχηστρώνει αυτόματα τις κλήσεις μεταξύ εργαλείων MCP και εγγενών εργαλείων βάσει του ερωτήματος
  • Ο συνδυασμός σάς επιτρέπει να δημιουργείτε ισχυρούς πράκτορες που αξιοποιούν τόσο εσωτερικές πηγές (MCP) όσο και εξωτερικές πηγές (web search)
  • Περιορίστε τον συνολικό αριθμό των εργαλείων για να διατηρήσετε το context και την ακρίβεια του μοντέλου
  • Χρησιμοποιήστε το allowed_tool_names για κάθε διακομιστή MCP ώστε να μειώσετε τον θόρυβο