Ingebouwde tools: web_search, x_search en meer
Op deze pagina
- Tools die agents ondersteunen
- web_search, de motor achter parallel onderzoek
- x_search, de tool die anderen niet hebben
- code_execution, wanneer u moet rekenen in plaats van lezen
- collections_search, uw documenten in de lus
- Remote MCP, een deur naar uw eigen systemen
- Tools samen laten werken
- Belangrijkste punten
Tools die agents ondersteunen
Een agententeam zonder tools blijft opgesloten in de kennis die het model tijdens de training heeft onthouden. De volledige waarde van multi-agent werk komt pas naar voren wanneer die agents op het moment dat u de vraag stelt, informatie gaan zoeken: parallelisatie helpt alleen als er tegelijkertijd meerdere paden te verkennen zijn. Grok biedt hen vijf ingebouwde tools, en elke agent beslist zelf welke hij gebruikt.
web_search, de motor achter parallel onderzoek
Webzoekopdrachten zijn de dominante tool in multi-agent werk; dit is de tool die u bij bijna al uw verzoeken zult inschakelen.
from xai_sdk.tools import web_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search()],
)
Het verschil met een enkel model is dat elke agent zijn eigen zoekopdrachten uitvoert. Bij een vraag als “welke back-upoplossing moeten we kiezen voor ons serverpark” duikt de ene agent in technische specificaties, een andere in prijsstelling en een derde in gebruikersfeedback op gespecialiseerde forums. Met 16 agents is de webdekking niets vergeleken met wat een sequentiële zoekopdracht door een enkel model kan bereiken.
x_search, de tool die anderen niet hebben
Zoeken op X, voorheen Twitter, is specifiek voor Grok en biedt realtime toegang tot berichten, discussies en trends op het platform.
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()],
)
De waarde hiervan zit in het tijdsverschil: wanneer een bedrijf een product aankondigt, verschijnen reacties binnen een uur op X, terwijl diepgaande artikelen enkele dagen op zich laten wachten. U vindt de directe reactie op een aankondiging, de standpunten van experts die nooit een volledig artikel zullen schrijven, trending onderwerpen en technische discussies in ontwikkelaarsgemeenschappen. Bij een snel veranderend onderwerp levert de combinatie van web_search + x_search een beeld op dat geen van beide afzonderlijk zou geven.
code_execution, wanneer u moet rekenen in plaats van lezen
Code-uitvoering stelt een agent in staat Python-code te schrijven en uit te voeren om gegevens te analyseren, berekeningen uit te voeren of visualisaties te maken.
from xai_sdk.tools import code_execution
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[code_execution()],
)
Het typische scenario: een agent haalt een CSV-bestand op dat tijdens zijn zoekopdracht is gevonden, laadt dit, leidt er statistieken uit af en geeft geverifieerde cijfers door aan de leidende agent in plaats van een indruk op basis van lezen. Een deel van het werk verschuift zo van interpretatie naar berekening, wat van belang is zodra de vraag grootteordes betreft.
collections_search, uw documenten in de lus
Met deze tool kunnen agents query’s uitvoeren op de documentcollecties die u bij xAI hebt geïndexeerd.
from xai_sdk.tools import collections_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[collections_search()],
)
Dit is het equivalent van ingebouwde RAG: agents doorzoeken uw eigen documenten naast het web, waardoor u interne documentatie kunt kruisverwijzen met marktomstandigheden zonder zelf de ophaalpijplijn te hoeven bouwen.
Remote MCP, een deur naar uw eigen systemen
Remote MCP-tools breiden de mogelijkheden van agents uit met externe services die u beheert. Als u MCP-servers beschikbaar stelt, gebruiken agents deze tijdens hun onderzoek precies zoals native tools: het bevragen van een interne database, het aanroepen van een zakelijke API of het bereiken van een documentbeheersysteem. Dit is het officiële uitbreidingsmechanisme, en u zult in de volgende les zien dat dit ook het antwoord is op een belangrijke beperking van multi-agent werk.
Tools samen laten werken
De echte winst ontstaat wanneer meerdere tools tegelijkertijd beschikbaar zijn, omdat de verdeling tussen agents dan ook een verdeling tussen bronnen wordt.
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"
))
Sommige agents bekijken dan de pers, een andere groep analyseert berichten op X en een derde aggregeert de cijfers via code. Houd het vermenigvuldigingseffect in gedachten: elke tool die u voor zestien agents opent, vergroot de dekking en verhoogt dienovereenkomstig de kosten. Schakel alleen in wat de vraag vereist, niet standaard alles.
Belangrijkste punten
- Vijf ingebouwde tools:
web_search,x_search,code_execution,collections_search, Remote MCP - Elke agent kan elke tool onafhankelijk van de anderen gebruiken
x_searchis exclusief voor Grok — realtime toegang tot X-berichten- Combineer tools voor vollediger onderzoek
- Meer agents + meer tools = bredere dekking, maar hoger tokenverbruik