Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Külső eszközök és támogatott SDK-k

3. lecke 12 közül Frissítve 2026. július 29. Fejlesztő
Ezen az oldalon
  1. Három belépési pont ugyanahhoz a mechanizmushoz
  2. A natív xAI SDK
  3. A Responses API, OpenAI-kompatibilis formátumban
  4. A Voice Agent API
  5. Ami nem változik a felületek között
  6. Főbb megállapítások

Három belépési pont ugyanahhoz a mechanizmushoz

Az xAI három felületen keresztül teszi elérhetővé a távoli MCP-t. Ezek eltérő fejlesztőket céloznak meg: az egyiket új projektekhez, a másikat már meglévő, migrálandó projektekhez, a harmadikat pedig specifikus használati kontextusokhoz szánták. Az MCP működése mindhárom esetben pontosan ugyanaz; csupán a konfigurációs szintaxis és a kiegészítő eszközök változnak. A választásod tehát nem a protokoll képességeitől, hanem a meglévő technológiai stackedtől függ.

A natív xAI SDK

Ezt a módszert javasolja az xAI. Egy mcp() segédfüggvényt biztosít, amely egyetlen függvényhívásba sűríti a konfigurációt.

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=[
        mcp(server_url="https://mcp.deepwiki.com/mcp")
    ],
    include=["verbose_streaming"],
)

Az mcp() segédfüggvény elfogadja az összes MCP-konfigurációs paramétert – URL, címke, leírás, engedélyezett eszközök, hitelesítés –, és helyesen formázza őket az API számára. Ez a legtömörebb szintaxis, és ami még fontosabb: itt a legkisebb az esélye a hibázásnak, mivel a kulcsneveket és a beágyazást a függvény intézi helyetted. Ezt az utat válaszd új projektekhez, ahol nincs kompatibilitási kényszer, gyors prototípuskészítéshez, valamint amikor olyan xAI-specifikus funkciókat használsz, mint a fenti részletes streamelés.

A Responses API, OpenAI-kompatibilis formátumban

Ez a felület pontosan az OpenAI API formátumát fogadja el. Létezése egyetlen okra vezethető vissza: hogy azok a csapatok, amelyek már ebben a formátumban írták meg alkalmazásukat, ne kényszerüljenek mindent átírni a Grok kipróbálásához. A változás csupán az API-kulcsra és a base URL-re korlátozódik.

from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("XAI_API_KEY"),
    base_url="https://api.x.ai/v1",
)

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[{"role": "user", "content": "Explain the React project"}],
    tools=[{
        "type": "mcp",
        "server_url": "https://mcp.deepwiki.com/mcp",
        "server_label": "deepwiki",
    }],
)

Itt az MCP-szervert a tools tömb elemeként deklarálod, "mcp" típussal, a paramétereket pedig kulcs-érték párokként adod meg ugyanabban az objektumban. Nincs segédfüggvény: kézzel írod meg a szótárat, ami nagyobb teret enged a elírásoknak a kulcsnevekben.

Ennek a kompatibilitásnak ára van, amit érdemes ismerned, mielőtt erre építenél. Két paraméter, amely a natív SDK-ban elérhető, itt hiányzik: a require_approval, amellyel emberi jóváhagyást kérhetsz egy MCP-eszköz végrehajtása előtt, valamint a connector_id, amely az OpenAI-konnektorokat kezeli. Ha az ágensed érzékeny műveleteket végez, és számítottál a manuális validációra, ez a korlátozás akadályt jelent, és vissza kell tereljen a natív xAI SDK használatához. A Responses API továbbra is a helyes választás OpenAI-ról történő migrációhoz átírás nélkül, több szolgáltatót használó projektekhez, ahol váltogatsz a Grok és más modellek között, valamint olyan csapatoknak, amelyek már ismerik ezt a formátumot.

A Voice Agent API

A harmadik felületet hangalapú ágensekhez tervezték. A tipikus forgatókönyv egy telefonos asszisztens, amely beszélgetés közben szükségét érzi egy tudásbázis lekérdezésének, egy rendelés státuszának ellenőrzésének vagy egy külső rendszer lekérdezésének – anélkül, hogy a hívó megmagyarázhatatlan csendet tapasztalna.

Az MCP konfigurációja ugyanazt a formátumot követi, mint a többi SDK-ban, ugyanazokkal a server_url, server_label és egyéb paraméterekkel. A különbség abban rejlik, mi történik az eszköz hívása után: az eredményt nem szöveges formában jelenítik meg, hanem beépítik a hangszintézis folyamatába. Ez befolyásolja, hogyan írod meg az eszközleírásokat és hogyan fogalmazod meg a válaszokat, mivel a felhasználó sosem lát táblázatot vagy listát – csak hallani fogja azokat.

Ami nem változik a felületek között

Bármelyik SDK-t is használod, a szekvencia ugyanaz. A Grok felfedezi az MCP-szerver által közzétett eszközöket, kiválasztja a kérésnek megfelelőt, megfelelő paraméterekkel formulázza meg a hívást, majd az eredményt beépíti a válaszába. A három felület egyike sem teszi a modellt ügyesebbé vagy ügyetlenebbé az eszközválasztásban.

A különbségek tehát máshol keresendők: a szintaxis tömörségében, az elérhető kiegészítő funkciókban – részletes streamelés az xAI SDK-ban, formátumkompatibilitás a Responses API-ban, hangszintézis a Voice Agentben – valamint az OpenAI-formátumból hiányzó két paraméterben. Ha ezek alapján döntesz, nem lőhetsz mellé.

Főbb megállapítások

  • A natív xAI SDK az mcp() függvénnyel a legegyszerűbb és legteljesebb módszer
  • A Responses API (OpenAI-formátum) megkönnyíti a migrációt, de nem támogatja a require_approval és a connector_id paramétereket
  • A Voice Agent API hangalapú ágenseket kapcsol össze MCP-eszközökkel
  • Az MCP viselkedése mindhárom esetben azonos; csupán a szintaxis változik
  • Válassz a meglévő stacked és specifikus igényeid alapján