Sisäiset työkalut: web_search, x_search ja muut
Tällä sivulla
Työkalut, jotka palvelevat agentteja
Ilman työkaluja agenttitiimi jää jumiin siihen, mitä malli on oppinut koulutusvaiheessa. Moniagenttityön koko arvo paljastuu vasta, kun agentit hakevat tietoa juuri silloin, kun esität kysymyksen: rinnakkaisuudesta on hyötyä vain, jos samanaikaisesti voidaan tutkia useita eri polkuja. Grok tarjoaa niille viisi sisäänrakennettua työkalua, ja kukin agentti päättää itsenäisesti, mitä niistä se käyttää.
web_search, rinnakkaisen tutkimuksen moottori
Verkohaku on moniagenttityön hallitseva työkalu; otat sen käyttöön lähes kaikissa pyynnöissäsi.
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
Mikä tässä muuttuu verrattuna yksittäiseen malliin, on se, että jokainen agentti suorittaa omat hakunsa. Kysymyksessä kuten “mikä varmistusratkaisu kannattaa valita palvelinfleetillemme” yksi agentti kaivaa teknisiä spesifikaatioita, toinen hintatietoja ja kolmas käyttäjäpalautetta erikoisfoorumeilta. Kun agenteja on 16, verkon kattavuus ei ole millään tavalla verrattavissa siihen, mihin yksittäisen mallin suorittama peräkkäinen haku pystyy.
x_search, työkalu jota muilla ei ole
Haku X:stä (entinen Twitter) on Grokille ominainen ja tarjoaa pääsyn alustan viesteihin, keskusteluihin ja trendeihin reaaliajassa.
from xai_sdk.tools import web_search, x_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search(), x_search()],
)
Sen arvo piilee ajoituksessa: kun yritys julkistaa tuotteen, reaktiot ilmestyvät X:ään tunnin kuluessa, kun taas perusteelliset artikkelit vievät useita päiviä. Löydät välittömät reaktiot julkistuksiin, asiantuntijoiden kannat heiltä, jotka eivät koskaan kirjoita kokonaista artikkelia, trendaavat aiheet sekä tekniset keskustelut kehittäjäyhteisöissä. Nopeasti muuttuvissa aiheissa yhdistelmä web_search + x_search tuottaa kokonaiskuvan, jota kumpikaan yksinään ei antaisi.
code_execution, kun tarvitset laskemista lukemisen sijaan
Koodin suoritus mahdollistaa sen, että agentti kirjoittaa ja ajaa Python-koodia analysoidakseen dataa, suorittaakseen laskutoimituksia tai luodakseen visualisointeja.
from xai_sdk.tools import code_execution
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[code_execution()],
)
Tyypillinen skenaario: agentti noutaa haun aikana löytämänsä CSV-tiedoston, lataa sen, johtaa siitä tilastoja ja välittää varmennetut luvut pääagentille pelkän lukukokemuksen sijaan. Näin osa työstä siirtyy tulkinnasta laskemiseen, mikä on ratkaisevan tärkeää heti, kun kysymys koskee suuruusluokkia.
collections_search, dokumenttisi mukaan kuvioon
Tämä työkalu antaa agenttien hakea xAI:hon indeksoimistasi dokumenttikokoelmista.
from xai_sdk.tools import collections_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[collections_search()],
)
Se vastaa sisäänrakennettua RAG-järjestelmää: agentit hakevat omista dokumenteistasi samanaikaisesti verkon kanssa, mikä mahdollistaa sisäisen dokumentaation ja markkinaolosuhteiden ristiviittaukset ilman, että sinun tarvitsee rakentaa hakuputkistoa itse.
Etä-MCP, ovi omiin järjestelmiisi
Etä-MCP-työkalut laajentavat agenttien kykyjä ulkoisilla palveluilla, joita hallitset. Jos tarjoat MCP-palvelimia, agentit käyttävät niitä tutkimuksensa aikana täsmälleen kuin natiiveja työkaluja: kyselyt sisäiseen tietokantaan, business-API:n kutsuminen tai yhteydenotto dokumentinhallintajärjestelmään. Tämä on virallinen laajennusmekanismi, ja näet seuraavassa oppitunnissa, että se on myös vastaus moniagenttityön yhteen tärkeään rajoitukseen.
Työkalujen yhteistoiminta
Todellinen hyöty ilmenee, kun useita työkaluja on käytettävissä samanaikaisesti, sillä agenttien välinen jako tarkoittaa myös lähteiden jakoa.
from xai_sdk.tools import web_search, x_search, code_execution
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16,
tools=[web_search(), x_search(), code_execution()],
include=["verbose_streaming"],
)
chat.append(user(
"Analyze sentiment around NVIDIA's GPU announcements this week: "
"press articles, reactions on X, and summarize the key figures"
))
Jotkut agentit käyvät läpi lehdistöä, toinen ryhmä analysoi X:n viestejä ja kolmas kokoaa luvut koodin avulla. Pidä mielessäsi kertovaikutus: jokainen työkalu, jonka avaat kuudelletoista agentille, laajentaa kattavuutta ja kasvattaa laskua vastaavasti. Ota käyttöön vain se, mitä kysymys edellyttää, äläkä kaikkea oletuksena.
Keskeiset asiat
- Viisi sisäänrakennettua työkalua:
web_search,x_search,code_execution,collections_search, Remote MCP - Jokainen agentti voi käyttää mitä tahansa työkalua muista riippumatta
x_searchon yksinoikeudella Grokilla – reaaliaikainen pääsy X:n viesteihin- Yhdistä työkaluja saadaksesi täydellisemmän tutkimustuloksen
- Enemmän agentteja + enemmän työkaluja = laajempi kattavuus, mutta suurempi tokenien kulutus