Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Kombineeri MCP ja sisseehitatud tööriistad

Õppetund 10 / 12 Värskendatud 29. juuli 2026 Arendajatele
Sellel lehel
  1. Kaks tööriistaperekonda, üks kataloog
  2. Nende segamine: midagi uut õppida pole vaja
  3. Orkestreerimine toimub automaatselt
  4. Kaks tüüpilist kombinatsiooni
  5. Rohkuse varjatud hind
  6. Peamised punktid

Kaks tööriistaperekonda, üks kataloog

MCP pole ainus viis, kuidas anda Grokile uusi võimeid. xAI API sisaldab ka loomulikke ehk sisseehitatud tööriistu, mida mudel saab kasutada ilma välist serverit kaasamata. Sa ei pea nende kahe perekonna vahel valima: deklareeri need samas kohas ja kombineeri vabalt ühes konfiguratsioonis.

Neli sisseehitatud tööriista katavad enamiku vajadustest.

  • Veebiotsing: reaalajas veebiotsing
  • Koodi täitmine: Pythoni koodi käivitamine liivakastis
  • Pildianalüüs: piltide analüüs ja kirjeldamine
  • Failide parsimine: failisisu lugemine ja ekstraheerimine

Deklareeri need massiivis tools, määrates ainult tüübi – URL-i või silti pole vaja, sest kaugserverit pole vaja täpsustada.

Nende segamine: midagi uut õppida pole vaja

Süntaks ei nõua erilist lähenemist. Paiguta MCP-objektid ja loomulikud objektid kõrvuti samasse massiivi.

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=[
        # Kaug-MCP tööriist
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Documentation for GitHub projects"
        ),
        # Loomulik tööriist: veebiotsing
        {"type": "web_search"},
    ],
)

OpenAI vormingus Responses API järgib sama loogikat, kus MCP-tööriist võtab lihtalt oma tüübitud sõnastiku kuju.

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"},
    ],
)

Orkestreerimine toimub automaatselt

Mudeli seisukohalt moodustavad MCP ja sisseehitatud tööriistad ühtse kataloogi. Grok ei tee vahet, kas tööriist suhtleb võrgu kaudu kolmanda osapoole serveriga või käivitab selle xAI taristu: ta näeb ainult võimeid koos nende nimede ja kirjeldustega ning valib igal sammul selle, mis vastust edasi viib.

Võta päring „võrdle Next.js-i marsruutimise konfiguratsiooni praeguste parimate tavadega“. Grok kutsub esmalt deepwiki__search, et lugeda Next.js-i hoidla marsruutimise dokumentatsiooni, seejärel web_search, et leida hiljutisi artikleid praeguste tavade kohta, ja lõpuks sünteesib mõlemast allikast tervikliku vastuse. Sa ei pidanud seda järjekorda kusagil täpsustama ega isegi mainima, et neid kahte tööriista tuleks koos kasutada. Mudel otsustab järjestuse ise ja sina ei pea kirjutama mingit orkestreerimisloogikat.

Kaks tüüpilist kombinatsiooni

Tehniline uurimisagent kasutab võrdlusdokumentatsiooni, veebipöördumist ja koodi kontrollimise võimeid.

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"},
]

See kolmik võimaldab sul konsulteerida projekti dokumentatsiooniga, otsida lisateavet internetist ja seejärel käivitada koodi, et lahendust enne pakkumist kontrollida. Kolmas tööriist muudab vastuse olemust: agent ei väida lihtsalt, et koodilõik toimib, vaid kontrollib seda tegelikult.

Sisemine tehniline assistent järgib teistsugust loogikat, kus kaks privaatset serverit hoiavad ettevõtte teadmisi ja veebi kasutatakse vaid varuna.

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"},
]

Assistent otsib teadmistebaasist, konsulteerib seotud Jira piletitega ja täiendab vajadusel veebiotsinguga, kui siseteavet napib. Pane tähele Jira piirangut, mis lubab ainult lugemisõigust: ilma selleta võiks pahatahtlik juhend, mis on sisestatud pileti sisusse, sundida mudelit tegema kirjutamistoimingut.

Rohkuse varjatud hind

Iga lisatud tööriist, olgu see MCP või sisseehitatud, hõivab kontekstiaknas ruumi oma definitsiooni salvestamiseks. Liiga helde konfiguratsioon maksab sulle seega vestluseks available ruumi, töötlemisaja ja valiku täpsuse arvelt.

Kolm harjumust aitavad seda kontrolli all hoida. Piira tööriistade üldarvu ja ära lase kiusatusel ühendada viit serverit viiekümne tööriistaga, kui sinu kasutusjuhtum vajab kümmet. Rakenda igal MCP-serveril allowed_tool_names, et säilitada ainult asjakohased tööriistad. Ära lisa sisseehitatud tööriista „igaks juhuks“: kui sinu agendil pole põhjust koodi käivitada, pole code_interpreter tasuta valik – see tarbib konteksti ja loob lisavõimaluse vale tööriista valimiseks.

Peamised punktid

  • MCP-tööriistad ja sisseehitatud tööriistad (veebiotsing, koodi täitmine) eksisteerivad kõrvuti samas massiivis tools
  • Grok orkestreerib automaatselt väljakutseid MCP ja sisseehitatud tööriistade vahel, lähtudes päringust
  • Kombinatsioon võimaldab luua võimsaid agente, mis kasutavad nii siseseid allikaid (MCP) kui ka väliseid allikaid (veebiotsing)
  • Piira tööriistade üldarvu, et säilitada kontekst ja mudeli täpsus
  • Kasuta iga MCP-serveri jaoks allowed_tool_names, et vähendada müra