Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Beépített eszközök: web_search, x_search és társaik

9. lecke 14 közül Frissítve 2026. július 29. Fejlesztő
Ezen az oldalon
  1. Ügynököket kiszolgáló eszközök
  2. web_search: a párhuzamos kutatás motorja
  3. x_search: az eszköz, amivel mások nem rendelkeznek
  4. code_execution: amikor számolni kell, nem csak olvasni
  5. collections_search: a dokumentumaid a folyamatban
  6. Távoli MCP: ajtó a saját rendszereidhez
  7. Az eszközök együttműködése
  8. 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_search kizárólag a Groké – valós idejű hozzáférés az X-bejegyzésekhez
  • Kombináld az eszközöket a teljesebb kutatás érdekében
  • Több ügynök + több eszköz = szélesebb lefedettség, de nagyobb tokenfelhasználás