De 5-staps uitvoeringsstroom
Op deze pagina
Hoe Grok beslist om een tool te gebruiken
Wanneer u een of meer tools inschakelt in uw API-verzoek, gebruikt het model ze niet per se. Het volgt een gestructureerd besluitvormingsproces in vijf stappen om te bepalen of een tool nodig is, welke er gebruikt moet worden en hoe de resultaten in het antwoord geïntegreerd worden.
Inzicht in deze stroom helpt u het gedrag van het model te anticiperen en uw prompts te optimaliseren voor nauwkeurige resultaten.
De 5 stappen van de stroom
Stap 1: Analyse van het verzoek
Het model begint met het analyseren van het bericht van de gebruiker om te identificeren wat er gevraagd wordt. Het evalueert de aard van de vraag: gaat het om een feitelijk verzoek dat recente gegevens vereist? Een complexe berekening? Een opinievraag waarvoor geen tools nodig zijn?
Deze analyse is cruciaal. Als het model de informatie al in zijn trainingsdata heeft en er geen realtime gegevens nodig zijn, kan het kiezen om direct te antwoorden zonder een tool te activeren.
Stap 2: Besluit tot aanroep
Op basis van zijn analyse beslist het model of het een tool aanroept of direct antwoordt. Deze beslissing hangt af van drie factoren. Ten eerste de aard van de vraag: een query over actuele gebeurtenissen wijst natuurlijk op Web Search, terwijl een vraag over wat mensen op dit moment over een onderwerp zeggen, wijst op X Search. Ten tweede het door u gedefinieerde bereik: het model kiest alleen uit tools die zijn ingeschakeld in uw tools-array; een ontbrekende tool bestaat simpelweg niet voor het model. Tot slot zijn eigen vertrouwen: als het model gelooft dat het correct uit het geheugen kan antwoorden, slaat het de aanroep over, wat meestal het gewenste gedrag is.
U behoudt controle over deze beslissing via de prompt: “Zoek naar de nieuwste informatie over…” wijst duidelijk op Web Search, terwijl een neutrale formulering het model zelf laat beslissen.
Stap 3: Uitvoering
De verwerking verschilt per toolcategorie:
- Ingebouwde tool: Uitvoering is automatisch en transparant. De xAI-server voert de zoekopdracht of code-uitvoering uit en het resultaat wordt direct naar het model verzonden. U ziet deze stap niet in de API-respons.
- Function Calling: Het model retourneert een object dat de aan te roepen functie en de argumenten beschrijft. Uw code moet de functie uitvoeren en het resultaat retourneren via een nieuw verzoek.
Stap 4: Verwerking van resultaten
Zodra de resultaten binnen zijn, evalueert het model ze voordat het antwoordt – en hier wordt de stroom echt agentisch. Als de resultaten toereikend zijn, gaat het direct over tot het formuleren van het eindantwoord. Als ze ontoereikend zijn – zoekopdracht te smal, resultaten off-topic – kan het een nieuwe aanroep doen met aangepaste parameters, waarbij het zijn query verbreedt of verfijnt, zonder dat u hoeft in te grijpen. En voor een echt complexe vraag ketent het meerdere tools aan elkaar: bijvoorbeeld een webzoekopdracht om cijfers te verzamelen, gevolgd door Code Execution om ze te analyseren.
Dit iteratieve gedrag is waardevol voor de kwaliteit van het antwoord, maar heeft een direct gevolg voor de factuur: elke tool-aanroep wordt apart gefactureerd, en een vraag die drie zoekopdrachten activeert, kost drie aanroepen. Houd dit mechanisme in gedachten bij het schatten van uw kosten.
Stap 5: Eindantwoord
Het model formuleert zijn antwoord door de verzamelde informatie te integreren. Als web- of X-bronnen zijn geraadpleegd, bevat het antwoord automatisch citaten met de originele URL’s. Deze citaten zijn toegankelijk in het veld citations van het responsobject.
Praktische implicaties
Cumulatieve kosten
Het model kan meerdere tool-aanroepen doen voor één gebruikersverzoek. Elke aanroep wordt onafhankelijk gefactureerd, bovenop het tokenverbruik. Een dubbelzinnige prompt kan onnodige aanroepen genereren en uw kosten verhogen.
Controle via prompt
U kunt het model niet dwingen een specifieke tool te gebruiken, maar u kunt het sterk sturen via uw systeemprompt of gebruikersbericht. Duidelijke instructies verminderen onnodige aanroepen.
Niet-deterministisch gedrag
De keuze om al dan niet een tool te gebruiken kan variëren tussen twee identieke aanroepen, vooral bij hoge temperatuurinstellingen. Gebruik voor reproduceerbare resultaten een lage temperatuur (0,0 tot 0,3).
Belangrijkste punten
- Het model volgt een 5-staps stroom: analyse, beslissing, uitvoering, verwerking, antwoord
- Het roept alleen een tool aan als het dit noodzakelijk acht; het gebeurt niet automatisch
- Meerdere aanroepen zijn mogelijk en verhogen de kosten
- Een precieze prompt vermindert onnodige aanroepen en verbetert de relevantie
- Citaten worden automatisch opgenomen wanneer bronnen zijn geraadpleegd