Beépített eszközök: web_search, x_search és társaik
Ezen az oldalon
- Ügynököket kiszolgáló eszközök
- web_search: a párhuzamos kutatás motorja
- x_search: az eszköz, amivel mások nem rendelkeznek
- code_execution: amikor számolni kell, nem csak olvasni
- collections_search: a dokumentumaid a folyamatban
- Távoli MCP: ajtó a saját rendszereidhez
- Az eszközök együttműködése
- Főbb megállapítások
Ügynököket kiszolgáló eszközök
Eszközök nélkül az ügynökcsapat csak arra korlátozódik, amit a modell a betanítása során megjegyzett. A többügynökos munka igazi értéke akkor mutatkozik meg, amikor ezek az ügynökök a kérdésed feltevésének pillanatában indulnak el információkat keresni: a párhuzamosítás csak akkor segít, ha egyszerre több útvonalat is fel lehet tárni. A Grok öt beépített eszközt biztosít számukra, és minden ügynök maga dönti el, melyiket használja.
web_search: a párhuzamos kutatás motorja
A webes keresés a többügynökos munka domináns eszköze, ezt szinte minden kérésednél engedélyezni fogod.
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
Ami itt megváltozik egy egyetlen modellhez képest, az az, hogy minden ügynök saját lekérdezéseket futtat. Ha például azt kérdezed: „Melyik biztonsági mentési megoldást válasszuk szerverparkunkhoz?“, az egyik ügynök a műszaki specifikációkat ásza ki, a másik az árakat vizsgálja, a harmadik pedig a felhasználói visszajelzéseket gyűjti össze specializált fórumokról. 16 ügynökkel a webes lefedettség egészen más szintre lép, mint amit egy egymás után futó, egyetlen modell által végzett keresés valaha elérhet.
x_search: az eszköz, amivel mások nem rendelkeznek
Az X-en (korábban Twitter) való keresés a Grok sajátossága, és valós időben biztosít hozzáférést a platformon megjelenő bejegyzésekhez, beszélgetésekhez és trendekhez.
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()],
)
Értéke az időbeli különbségből fakad: amikor egy cég bejelent egy terméket, az reakciók egy órán belül megjelennek az X-en, míg a mélyreható cikkek elkészítéséhez több nap szükséges. Így megtalálod a bejelentésre adott azonnali reakciókat, azoknak a szakértőknek az álláspontját, akik sosem írnak teljes cikket, a felkapott témákat és a fejlesztői közösségek technikai vitáit. Gyorsan változó témák esetén a web_search és az x_search kombinációja olyan képet ad, amit egyikük önmagában nem tudna nyújtani.
code_execution: amikor számolni kell, nem csak olvasni
A kódvégrehajtás lehetővé teszi, hogy egy ügynök Pythont írjon és futtasson adatok elemzésére, számítások elvégzésére vagy vizualizációk készítésére.
from xai_sdk.tools import code_execution
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[code_execution()],
)
Tipikus forgatókönyv: egy ügynök letölt egy keresés során talált CSV-fájlt, betölti, statisztikákat vezet le belőle, és ellenőrzött számokat ad át a vezető ügynöknek, nem pedig csak benyomásokat az olvasás alapján. Így a munka egy része az értelmezésről a számításra helyeződik át, ami akkor válik fontossá, ha a kérdés nagyságrendeket érint.
collections_search: a dokumentumaid a folyamatban
Ez az eszköz lehetővé teszi az ügynökök számára, hogy lekérdezéseket intézzenek az xAI-nál indexelt dokumentumgyűjteményeidhez.
from xai_sdk.tools import collections_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[collections_search()],
)
Ez a beépített RAG-nak felel meg: az ügynökök a saját dokumentumaidban keresgélnek a webes keresés mellett, így anélkül vetheted össze a belső dokumentációt a piaci viszonyokkal, hogy neked kellene felépítened a lekérési folyamatot.
Távoli MCP: ajtó a saját rendszereidhez
A távoli MCP-eszközök a saját irányításod alatt álló külső szolgáltatásokkal bővítik az ügynökök képességeit. Ha MCP-szervereket teszel elérhetővé, az ügynökök a kutatásuk során pontosan úgy használják őket, mint a natív eszközöket: lekérdeznek egy belső adatbázist, meghívnak egy üzleti API-t, vagy elérnek egy dokumentumkezelő rendszert. Ez a hivatalos bővítési mechanizmus, és a következő leckében látni fogod, hogy ez egyben a válasz a többügynökos munka egyik fontos korlátjára is.
Az eszközök együttműködése
Az igazi nyereség akkor jelentkezik, amikor több eszköz áll rendelkezésre egyszerre, mert az ügynökök közötti felosztás egyben a források közötti felosztást is jelenti.
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"
))
Ekkor egyes ügynökök átnézik a sajtót, egy másik csoport elemzi az X-en megjelenő bejegyzéseket, egy harmadik pedig kód segítségével aggregálja a számokat. Tartsd észben a szorzóhatást: minden eszköz, amit tizenhat ügynök számára megnyitsz, növeli a lefedettséget, de ezzel arányosan emeli a költségeket is. Csak annyit engedélyezz, amire a kérdésnek szüksége van, ne mindent alapértelmezetten.
Főbb megállapítások
- Öt beépített eszköz:
web_search,x_search,code_execution,collections_search, távoli MCP - Minden ügynök függetlenül használhat bármelyik eszközt a többitől
- Az
x_searchkizárólag a Groké – valós idejű hozzáférés az X-bejegyzésekhez - Kombináld az eszközöket a teljesebb kutatás érdekében
- Több ügynök + több eszköz = szélesebb lefedettség, de nagyobb tokenfelhasználás