Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Volledige MCP-serverconfiguratie

Les 7 van 12 Bijgewerkt op 29 juli 2026 Ontwikkelaar
Op deze pagina
  1. Alles samenvoegen
  2. De eenvoudigste casus
  3. Een interne alleen-lezen server
  4. Een uitgebreide configuratie
  5. Controleer voordat u implementeert
  6. Belangrijkste punten

Alles samenvoegen

U hebt elke parameter afzonderlijk leren kennen. In deze les voegen we ze samen tot volledige configuraties, precies zoals u ze in de praktijk schrijft. Telkens tonen we het equivalent in beide belangrijkste SDK’s. Het doel is niet om nieuwe concepten te introduceren, maar om u patronen te geven die u direct kunt aanpassen.

Hier volgt een overzicht van de zes parameters, met hun verplichte of optionele status.

ParameterVerplichtRol
server_urlJaHTTPS-URL van de MCP-server
server_labelJaVoorvoegsel voor tool-aanroepen
server_descriptionNeeLeidt Grok bij de serverselectie
allowed_tool_namesNeeBeperkt toegankelijke tools
authorizationNeeAuthenticatietoken
headersNeeAanvullende HTTP-headers

De eenvoudigste casus

Twee parameters volstaan wanneer de server openbaar is en geen authenticatie vereist.

# xAI SDK
tools = [mcp(server_url="https://mcp.deepwiki.com/mcp", server_label="deepwiki")]

# Responses API (OpenAI)
tools = [{
    "type": "mcp",
    "server_url": "https://mcp.deepwiki.com/mcp",
    "server_label": "deepwiki"
}]

Dit is precies wat u voor DeepWiki schrijft. Grok heeft dan toegang tot alle tools van de server, wat hier aanvaardbaar blijft omdat het een openbare, alleen-lezen service is. Zodra de server tot uw organisatie behoort, is deze configuratie ontoereikend.

Een interne alleen-lezen server

Laten we een stap verder gaan: een enterprise CRM-systeem dat de agent moet kunnen bevragen, maar nooit mag wijzigen. Er worden drie parameters toegevoegd, elk om een andere reden: de beschrijving leidt het model, het token bewijst de identiteit en de toegestane lijst verbiedt schrijfbewerkingen.

# xAI SDK
tools = [
    mcp(
        server_url="https://api.monentreprise.com/mcp",
        server_label="crm",
        server_description="Intern CRM. Alleen opzoeken van contactpersonen en bedrijven.",
        authorization=f"Bearer {os.getenv('CRM_TOKEN')}",
        allowed_tool_names=["search_contacts", "get_contact", "list_companies"]
    )
]

# Responses API (OpenAI)
tools = [{
    "type": "mcp",
    "server_url": "https://api.monentreprise.com/mcp",
    "server_label": "crm",
    "server_description": "Intern CRM. Alleen opzoeken van contactpersonen en bedrijven.",
    "authorization": f"Bearer {os.getenv('CRM_TOKEN')}",
    "allowed_tool_names": ["search_contacts", "get_contact", "list_companies"]
}]

Vergelijk de twee blokken: de inhoud is identiek; alleen de wrapper verschilt. De helper mcp() accepteert benoemde argumenten; het OpenAI-formaat verwacht een dictionary met een extra sleutel "type". Dit is het enige verschil dat u hoeft te onthouden bij het vertalen van een configuratie van de ene naar de andere SDK.

Een uitgebreide configuratie

Laatste stap: alle zes parameters gecombineerd in een realistische aanroep van de xAI SDK.

import os
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=[
        mcp(
            server_url="https://tools.monentreprise.com/v1/mcp",
            server_label="outils-internes",
            server_description="Intern toolplatform: documentbeheer, supporttickets, kennisbank. Alleen-lezen toegang.",
            authorization=f"Bearer {os.getenv('TOOLS_MCP_TOKEN')}",
            headers={
                "X-Organization-Id": os.getenv("ORG_ID"),
                "X-Environment": "production",
                "X-Request-Source": "grok-agent"
            },
            allowed_tool_names=[
                "search_documents",
                "get_document",
                "search_tickets",
                "get_ticket",
                "search_knowledge_base"
            ]
        )
    ],
    include=["verbose_streaming"],
)

Merk de interne consistentie van dit voorbeeld op. De beschrijving kondigt alleen-lezen toegang aan en de vijf toegestane tools zijn allemaal query-bewerkingen—er is geen tegenstrijdigheid tussen wat het model denkt te kunnen doen en wat de configuratie toestaat. De header X-Environment ingesteld op production verhindert dat een testagent schrijft naar live-data, en X-Request-Source maakt uw servertraces actiegericht mocht u behoefte hebben om de oorsprong van een onverwacht verzoek op te sporen.

Controleer voordat u implementeert

Zes punten verdienen een review voordat u iets naar productie brengt, en elk correspondeert met een valkuil die eerder in deze cursus aan bod kwam. De URL moet HTTPS zijn met een geldig certificaat, anders komt er niets doorheen. Het label moet kort, beschrijvend en uniek binnen de configuratie blijven. De beschrijving moet overeenkomen met de daadwerkelijk beschikbare tools, anders probeert het model aanroepen die gedoemd zijn te mislukken. Toegestane tools moeten worden beperkt tot het strikte minimum. Het token moet uit een omgevingsvariabele komen, niet uit de broncode. En aanvullende headers moeten exact zijn wat uw server verwacht, met de juiste hoofdlettergevoeligheid—een fout in de hoofdlettergevoeligheid van X-Organization-Id leidt tot een stille fout die bijzonder pijnlijk is om te diagnosticeren.

Belangrijkste punten

  • Een minimale configuratie vereist alleen server_url en server_label
  • Voeg server_description toe om Grok te leiden, vooral in setup met meerdere servers
  • Beperk met allowed_tool_names voor veiligheid en prestaties
  • Gebruik authorization en headers voor authenticatie
  • Beide SDK’s (native xAI en OpenAI Responses) accepteren dezelfde parameters met een andere syntaxis