Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Combinare MCP e strumenti integrati

Lezione 10 di 12 Aggiornata il 29 luglio 2026 Sviluppatore
In questa pagina
  1. Due famiglie di strumenti, un unico catalogo
  2. Combinarli: nulla di nuovo da imparare
  3. L’orchestrazione avviene automaticamente
  4. Due composizioni tipiche
  5. Il costo nascosto dell’abbondanza
  6. Punti chiave

MCP non è l’unico modo per dotare Grok di nuove capacità. Le API di xAI includono strumenti nativi, detti strumenti integrati (built-in tools), che il modello può invocare senza coinvolgere alcun server esterno. Non devi scegliere tra le due famiglie: le dichiari nello stesso punto e le combini liberamente in un’unica configurazione.

Quattro strumenti nativi coprono la maggior parte delle esigenze.

  • Ricerca web: ricerca sul web in tempo reale
  • Esecuzione di codice: esecuzione di codice Python in una sandbox
  • Analisi di immagini: analisi e descrizione di immagini
  • Parsing di file: lettura ed estrazione del contenuto dei file

Li dichiari nell’array tools indicando solo il tipo, senza URL né etichetta, il che ha senso dato che non c’è alcun server remoto da designare.

Combinarli: nulla di nuovo da imparare

La sintassi non richiede costruzioni speciali. Affianchi semplicemente gli oggetti MCP e gli oggetti nativi nello stesso array.

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=[
        # Strumento MCP remoto
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Documentation for GitHub projects"
        ),
        # Strumento nativo: ricerca web
        {"type": "web_search"},
    ],
)

L’API Responses nel formato OpenAI segue la stessa logica, con lo strumento MCP che assume semplicemente la sua forma di dizionario tipizzato.

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input=[{"role": "user", "content": "Compare React and Vue based on the official docs and current trends"}],
    tools=[
        {
            "type": "mcp",
            "server_url": "https://mcp.deepwiki.com/mcp",
            "server_label": "deepwiki"
        },
        {"type": "web_search"},
    ],
)

L’orchestrazione avviene automaticamente

Dal punto di vista del modello, gli strumenti MCP e quelli nativi formano un unico catalogo. Grok non distingue tra uno strumento che viaggia in rete verso un server di terze parti e uno eseguito dall’infrastruttura di xAI: vede solo capacità, con nomi e descrizioni, e seleziona quella che fa avanzare la risposta a ogni passo.

Prendi la query “confronta la configurazione del routing in Next.js con le migliori pratiche attuali”. Grok chiama prima deepwiki__search per leggere la documentazione sul routing nel repository di Next.js, poi web_search per trovare articoli recenti sulle pratiche correnti, e infine sintetizza entrambe le fonti in una risposta coerente. In nessun momento hai specificato quest’ordine, né tantomeno che questi due strumenti dovessero essere usati insieme. Il modello decide la sequenza da solo e tu non devi scrivere alcuna logica di orchestrazione.

Due composizioni tipiche

Un agente di ricerca tecnica sfrutta la documentazione di riferimento, l’accesso al web e le capacità di verifica del codice.

tools = [
    mcp(
        server_url="https://mcp.deepwiki.com/mcp",
        server_label="deepwiki",
        server_description="Documentation and source code for GitHub projects"
    ),
    {"type": "web_search"},
    {"type": "code_interpreter"},
]

Questa triade ti permette di consultare la documentazione di un progetto, cercare informazioni aggiuntive online e poi eseguire codice per validare una soluzione prima di proporla. Il terzo strumento cambia la natura della risposta: invece di affermare che uno snippet funziona, l’agente lo verifica.

Un assistente tecnico interno segue una logica diversa, dove due server privati detengono il know-how aziendale e il web serve solo come backup.

tools = [
    mcp(
        server_url="https://kb.monentreprise.com/mcp",
        server_label="kb",
        server_description="Internal knowledge base",
        authorization=f"Bearer {os.getenv('KB_TOKEN')}"
    ),
    mcp(
        server_url="https://jira.monentreprise.com/mcp",
        server_label="jira",
        server_description="Jira tickets and projects",
        authorization=f"Bearer {os.getenv('JIRA_TOKEN')}",
        allowed_tool_names=["search_issues", "get_issue"]
    ),
    {"type": "web_search"},
]

L’assistente cerca nella base di conoscenza, consulta i ticket Jira correlati e integra con una ricerca web se le informazioni mancano internamente. Nota la restrizione su Jira, limitata all’accesso in sola lettura: senza di essa, un’istruzione malevola inserita nel corpo di un ticket potrebbe spingere il modello verso un’operazione di scrittura.

Il costo nascosto dell’abbondanza

Ogni strumento aggiunto, MCP o nativo, occupa spazio nella finestra di contesto per memorizzarne la definizione. Una configurazione generosa ti costa quindi spazio disponibile per la conversazione, tempo di elaborazione e accuratezza nella selezione.

Tre abitudini bastano per tenere tutto sotto controllo. Limita il numero totale di strumenti e resisti alla tentazione di collegare cinque server con cinquanta strumenti quando il tuo caso d’uso ne richiede dieci. Applica allowed_tool_names su ogni server MCP per mantenere solo gli strumenti rilevanti. E non aggiungere uno strumento nativo “nel caso servisse”: se il tuo agente non ha motivo di eseguire codice, code_interpreter non è un’opzione gratuita, ma contesto consumato e un’opportunità in più di scegliere lo strumento sbagliato.

Punti chiave

  • Gli strumenti MCP e quelli nativi (ricerca web, esecuzione di codice) coesistono nello stesso array tools
  • Grok orchestra automaticamente le chiamate tra strumenti MCP e nativi in base alla query
  • La combinazione ti permette di creare agenti potenti che sfruttano sia fonti interne (MCP) sia esterne (ricerca web)
  • Limita il numero totale di strumenti per preservare il contesto e l’accuratezza del modello
  • Usa allowed_tool_names per ogni server MCP per ridurre il rumore