Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Kombiniraj MCP i ugrađene alate

Lekcija 10 od 12 Ažurirano 29. srpnja 2026. Programer
Na ovoj stranici
  1. Dvije obitelji alata, jedan katalog
  2. Miješanje: nema ničeg novog za naučiti
  3. Orkestracija se događa automatski
  4. Dvije tipične kompozicije
  5. Skriveni trošak obilja
  6. Ključne točke

Dvije obitelji alata, jedan katalog

MCP nije jedini način da Groku dodaš mogućnosti. xAI API uključuje nativne alate, nazvane ugrađeni alati, koje model može pozvati bez uključivanja bilo kojeg vanjskog poslužitelja. Ne moraš birati između te dvije obitelji: deklariraš ih na istom mjestu i slobodno ih kombiniraš u jednoj konfiguraciji.

Četiri nativna alata pokrivaju većinu potreba.

  • Web pretraga: pretraga weba u stvarnom vremenu
  • Izvršavanje koda: izvršavanje Python koda u izoliranom okruženju (sandbox)
  • Analiza slike: analiza i opis slika
  • Raščlanjivanje datoteka: čitanje i ekstrakcija sadržaja datoteka

Deklariraš ih u polju tools isključivo po tipu, bez URL-a ili oznake—što ima smisla jer nema udaljenog poslužitelja koji bi se označio.

Miješanje: nema ničeg novog za naučiti

Sintaksa ne zahtijeva nikakvu posebnu konstrukciju. MCP objekte i nativne objekte postavljaš jedan do drugoga u isti niz.

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=[
        # Udaljeni MCP alat
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Dokumentacija za GitHub projekte"
        ),
        # Nativni alat: web pretraga
        {"type": "web_search"},
    ],
)

Responses API u OpenAI formatu slijedi istu logiku, pri čemu MCP alat jednostavno poprima svoj oblik tipiziranog rječnika.

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[{"role": "user", "content": "Usporedi React i Vue na temelju službene dokumentacije i trenutnih trendova"}],
    tools=[
        {
            "type": "mcp",
            "server_url": "https://mcp.deepwiki.com/mcp",
            "server_label": "deepwiki"
        },
        {"type": "web_search"},
    ],
)

Orkestracija se događa automatski

S perspektive modela, MCP i nativni alati čine jedinstveni katalog. Grok ne pravi razliku između alata koji putuje mrežom do poslužitelja treće strane i onog koji izvršava xAI infrastruktura: on vidi mogućnosti, s imenima i opisima, te odabire onu koja u svakom koraku unapređuje odgovor.

Uzmi upit „usporedi konfiguraciju usmjeravanja u Next.jsu s trenutnim najboljim praksama“. Grok prvo poziva deepwiki__search kako bi pročitao dokumentaciju o usmjeravanju u Next.js repozitoriju, zatim web_search kako bi pronašao nedavne članke o trenutnim praksama, i na kraju sintetizira oba izvora u koherentan odgovor. U nijednom trenutku nisi specificirao ovaj redoslijed, niti da se ta dva alata trebaju koristiti zajedno. Model sam odlučuje o slijedu, a ti nemaš nikakvu logiku orkestracije za pisati.

Dvije tipične kompozicije

Agent za tehnička istraživanja iskorištava referentnu dokumentaciju, pristup webu i mogućnosti verifikacije koda.

tools = [
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Dokumentacija i izvorni kod za GitHub projekte"
    ),
    {"type": "web_search"},
    {"type": "code_interpreter"},
]

Ovaj trio omogućuje ti konzultiranje dokumentacije projekta, pretraživanje dodatnih informacija na internetu, a zatim izvršavanje koda za validaciju rješenja prije nego što ga predložiš. Treći alat mijenja prirodu odgovora: umjesto da tvrdi da isječak radi, agent ga verificira.

Interni tehnički asistent slijedi drugačiju logiku, gdje dva privatna poslužitelja drže znanje tvrtke, a web služi samo kao rezervna opcija.

tools = [
    mcp(
        server_url="https://kb.monentreprise.com/mcp",
        server_label="kb",
        server_description="Interna baza znanja",
        authorization=f"Bearer {os.getenv('KB_TOKEN')}"
    ),
    mcp(
        server_url="https://jira.monentreprise.com/mcp",
        server_label="jira",
        server_description="Jira tiketi i projekti",
        authorization=f"Bearer {os.getenv('JIRA_TOKEN')}",
        allowed_tool_names=["search_issues", "get_issue"]
    ),
    {"type": "web_search"},
]

Asistent pretražuje bazu znanja, konzultira povezane Jira tikete i nadopunjuje web pretragom ako informacije interno nedostaju. Obrati pažnju na ograničenje za Jiru, koje je ograničeno na pristup samo za čitanje: bez toga, zlonamjerna instrukcija ubačena u tijelo tiketa mogla bi gurnuti model prema operaciji pisanja.

Skriveni trošak obilja

Svaki dodani alat, bio MCP ili nativan, zauzima prostor u prozoru konteksta za pohranu svoje definicije. Stoga te velikodušna konfiguracija košta dostupnog prostora za razgovor, vremena obrade i točnosti odabira.

Tri navike dovoljna su da to držiš pod kontrolom. Ograniči ukupan broj alata i odupri se iskušenju spajanja pet poslužitelja s pedeset alata kada tvoj slučaj upotrebe zahtijeva deset. Primijeni allowed_tool_names na svaki MCP poslužitelj kako bi zadržao samo relevantne alate. I ne dodaj nativni alat „za svaki slučaj“: ako tvoj agent nema razloga izvršavati kod, code_interpreter nije besplatna opcija, to je potrošeni kontekst i dodatna prilika za odabir pogrešnog alata.

Ključne točke

  • MCP alati i nativni alati (web pretraga, izvršavanje koda) sužive u istom nizu tools
  • Grok automatski orkestrira pozive između MCP i nativnih alata na temelju upita
  • Kombinacija ti omogućuje stvaranje moćnih agenata koji iskorištavaju i interne izvore (MCP) i vanjske izvore (web pretraga)
  • Ograniči ukupan broj alata kako bi sačuvao kontekst i točnost modela
  • Koristi allowed_tool_names za svaki MCP poslužitelj kako bi smanjio šum