Streaming dettagliato e contenuti crittografati
In questa pagina
Seguire il lavoro degli agenti in tempo reale
Una richiesta multi-agente richiede tempo: più agenti lanci, più l’attesa si allunga. Con 16 agenti attivi su un argomento ampio, l’attesa può raggiungere diverse decine di secondi. Nel frattempo, la tua applicazione non sa cosa sta succedendo e l’utente fissa uno schermo bloccato. Due meccanismi risolvono questo problema, ma svolgono compiti completamente diversi: lo streaming dettagliato apre una finestra sull’attività degli agenti durante l’inferenza, mentre i contenuti crittografati preservano il loro stato da un turno di conversazione al successivo. Confonderli ti porta ad attivare il parametro sbagliato e a sprecare token.
Cosa mostra lo streaming standard
Con lo streaming standard, ricevi solo il testo finale del leader man mano che viene generato, nient’altro.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
)
chat.append(user("My question"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
Questo è perfettamente sufficiente per la maggior parte delle integrazioni: mostri la risposta parola per parola, l’utente vede qualcosa apparire e hai finito. Il punto cieco sta a monte. Finché i sotto-agenti stanno cercando e il leader non ha iniziato la sua sintesi, lo stream rimane vuoto e non hai modo di distinguere una ricerca in corso da una richiesta bloccata.
Aprire la scatola con verbose_streaming
Aggiungi semplicemente verbose_streaming al parametro include e le chiamate agli strumenti arriveranno nello stream mentre avvengono.
from xai_sdk.tools import web_search, x_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16,
tools=[web_search(), x_search()],
include=["verbose_streaming"],
)
chat.append(user("Analyze reactions to Apple's latest announcements"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
# Le chiamate agli strumenti sono visibili anche in tempo reale
Vedi quindi partire le ricerche web, arrivare i risultati e il leader iniziare a scrivere. Da questo derivano direttamente tre utilizzi. Per il debug, verifichi che gli agenti stiano cercando nella direzione prevista: se la tua domanda riguarda le reazioni del pubblico e ogni query punta alle schede tecniche, il problema è nel tuo prompt, non nel modello. Per l’esperienza utente, questi eventi alimentano un indicatore di progresso onesto—«ricerca fonti in corso», «analisi risultati»—invece di un generico spinner. Infine, per il monitoraggio, puoi capire a posteriori perché una richiesta ha impiegato un minuto, perché sai quante ricerche sono state lanciate.
I contenuti crittografati non sono una finestra: sono memoria
use_encrypted_content risponde a una domanda diversa. Non espone alcun ragionamento in testo chiaro: permette al modello di mantenere lo stato interno degli agenti tra i turni della stessa conversazione.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
use_encrypted_content=True,
)
Quando questo parametro è attivo, la risposta include un blocco crittografato contenente lo stato dei sotto-agenti: i risultati delle loro ricerche e il contesto che hanno accumulato. Al messaggio successivo, questo blocco viene passato automaticamente indietro e il modello riparte da ciò che è già stato trovato invece di ricalcolare tutto. Non puoi leggerlo: è destinato al modello, non al log della tua applicazione.
La decisione di attivarlo si riduce a un semplice criterio: farai diverse domande correlate? Una sessione in cui chiedi prima una panoramica e poi un approfondimento sul terzo punto ne trae un chiaro beneficio, così come un’indagine lunga dove il contesto dei turni precedenti è l’obiettivo principale. Al contrario, per una domanda isolata che richiede una sola risposta e nient’altro, il blocco crittografato è solo un sovraccarico: aggiunge token a ogni turno, fatturati come tutto il resto.
Nulla ti impedisce di combinare i due meccanismi: anzi, questa è la configurazione naturale per un assistente di ricerca interattivo: segui l’attività in diretta e il contesto sopravvive da un turno all’altro.
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16,
tools=[web_search(), x_search()],
include=["verbose_streaming"],
use_encrypted_content=True,
)
Punti chiave
verbose_streamingrivela le chiamate agli strumenti in tempo reale (debug, UX, monitoraggio)use_encrypted_contentpreserva lo stato dei sotto-agenti tra i turni di conversazione- I contenuti crittografati non sono leggibili: servono al modello, non a te
- Combina entrambi per sessioni di ricerca interattive
- Attiva i contenuti crittografati solo se prevedi conversazioni multi-turno