Iebūvētie rīki: web_search, x_search un citi
Šajā lapā
Rīki, kas kalpo aģentiem
Aģentu komanda bez rīkiem paliek ieslodzīta tajā, ko modelis iemācījies apmācības laikā. Daudzaģentu darba patiesā vērtība atklājas tad, kad šie aģenti dodas meklēt informāciju tieši brīdī, kad uzdod jautājumu: paralēlizācija noder tikai tad, ja vienlaikus var izpētīt vairākus ceļus. Grok tiem nodrošina piecus iebūvētos rīkus, un katrs aģents pats lemj, kurus no tiem izmantot.
web_search: paralēlās izpētes dzinējs
Tīmekļa meklēšana ir dominējošais rīks daudzsaģentu darbā – tas ir rīks, ko aktivizēsi gandrīz visos savos pieprasījumos.
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
Atšķirībā no viena modeļa šeit katrs aģents veic savus vaicājumus. Uz jautājumu „kuru dublēšanas risinājumu izvēlēties mūsu serveru parkam” viens aģents iedziļināsies tehniskajās specifikācijās, cits – cenu politikā, bet trešais – lietotāju atsauksmēs specializētos forumos. Ar 16 aģentiem tīmekļa pārklājums ir nesalīdzināmi plašāks nekā tas, ko secīga meklēšana, ko veic viens modelis, spēj sasniegt.
x_search: rīks, kas nav nevienam citam
Meklēšana platformā X (agrāk Twitter) ir ekskluzīva Grok funkcija, kas nodrošina piekļuvi ierakstiem, diskusijām un tendencēm šajā platformā reāllaikā.
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()],
)
Tās vērtība slēpjas laika nobīdē: kad uzņēmums paziņo par jaunu produktu, reakcijas platformā X parādās stundas laikā, savukārt padziļināti raksti – vairāku dienu laikā. Tu iegūsti tūlītēju reakciju uz paziņojumu, ekspertu nostājas (kas nekad nerakstīs pilnu rakstu), aktuālās tēmas un tehniskās diskusijas izstrādātāju kopienās. Strauji mainīgās tēmās kombinācija web_search + x_search rada kopainu, ko neviens no šiem rīkiem atsevišķi nesniegtu.
code_execution: kad jāaprēķina, nevis jālasa
Koda izpilde ļauj aģentam rakstīt un palaist Python kodu, lai analizētu datus, veiktu aprēķinus vai ģenerētu vizualizācijas.
from xai_sdk.tools import code_execution
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[code_execution()],
)
Tipisks scenārijs: aģents iegūst CSV failu, kas atrasts meklēšanas laikā, ielādē to, no tā izved statistiku un nodod vadības aģentam pārbaudītus skaitļus, nevis tikai iespaidus no lasītā. Tādējādi daļa darba pāriet no interpretācijas uz aprēķiniem, kas ir kritiski svarīgi, tiklīdz jautājums skar lieluma kārtas.
collections_search: tavi dokumenti darbplūsmā
Šis rīks ļauj aģentiem veikt vaicājumus tavos dokumentu krājumos, kas indeksēti pie xAI.
from xai_sdk.tools import collections_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[collections_search()],
)
Tas ir līdzvērtīgs iebūvētai RAG (Retrieval-Augmented Generation): aģenti meklē gan tavos dokumentos, gan tīmeklī, ļaujot salīdzināt iekšējo dokumentāciju ar tirgus situāciju, neveidojot pašam izgūšanas (retrieval) cauruļvadu.
Attālināts MCP: durvis uz tavām sistēmām
Attālinātie MCP rīki paplašina aģentu spējas, integrējot ārējos servisus, kurus tu kontrolē. Ja eksponē MCP serverus, aģenti tos izmanto pētījumu laikā tieši tāpat kā natīvos rīkus: vaicājot iekšējai datubāzei, izsaucot biznesa API vai sasniedzot dokumentu pārvaldības sistēmu. Tas ir oficiālais paplašināšanas mehānisms, un nākamajā nodarbībā redzēsi, ka tas ir arī atbilde uz vienu no daudzsaģentu darba būtiskajiem ierobežojumiem.
Kā likt rīkiem strādāt kopā
Patiesais ieguvums parādās, kad vienlaikus pieejami vairāki rīki, jo sadalījums starp aģentiem kļūst arī par sadalījumu starp avotiem.
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"
))
Daži aģenti tad apskata preses rakstus, cita grupa analizē ierakstus platformā X, bet trešā apkopo skaitļus, izmantojot kodu. Paturi prātā reizināšanas efektu: katrs rīks, ko atver sešpadsmit aģentiem, paplašina pārklājumu un attiecīgi palielina izmaksas. Atver tikai to, kas nepieciešams konkrētajam jautājumam, nevis visu pēc noklusējuma.
Galvenās atziņas
- Pieci iebūvētie rīki:
web_search,x_search,code_execution,collections_search, attālināts MCP - Katrs aģents var izmantot jebkuru rīku neatkarīgi no pārējiem
x_searchir ekskluzīvs Grok – reāllaika piekļuve ierakstiem platformā X- Kombinē rīkus, lai iegūtu pilnīgāku pētījumu
- Vairāk aģentu + vairāk rīku = plašāks pārklājums, bet lielāks tokenu patēriņš