Przejdź do głównej treści
Polski— Wybierz język
Menu

Implementacja z użyciem xAI SDK

Lekcja 5 z 14 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Natywny xAI SDK
  2. Podstawowa konfiguracja
  3. Żądanie dla 4 agentów (tryb szybki)
  4. Żądanie dla 16 agentów (tryb dogłębny)
  5. Dodawanie wbudowanych narzędzi
  6. Szyfrowana zawartość dla konwersacji wieloturowych
  7. Obsługa błędów
  8. Kluczowe wnioski

Natywny xAI SDK

xAI SDK to najbardziej bezpośredni sposób na korzystanie z trybu wieloagentowego i jedyny, który udostępnia parametry takie jak agent_count, niedostępne w SDK firm trzecich. Jeśli zaczynasz pracę bez ograniczeń ekosystemowych, wybierz tę opcję: zyskasz dostęp do pełnego zestawu ustawień.

xai_sdk
Oficjalny pakiet Python
agent_count
Parametr ekskluzywny
Streaming
Odpowiedź w czasie rzeczywistym
Narzędzia
web_search, x_search...

Podstawowa konfiguracja

Inicjalizacja klienta sprowadza się do trzech importów i odczytania klucza API ze zmiennej środowiskowej:

import os
from xai_sdk import Client
from xai_sdk.chat import user

client = Client(api_key=os.getenv("XAI_API_KEY"))

Zmienna środowiskowa XAI_API_KEY musi zawierać Twój klucz API xAI. Nigdy nie wpisuj klucza na sztywno w kodzie: trafiłby on do repozytorium Git, a następnie do jego historii, skąd trudno go usunąć.

Żądanie dla 4 agentów (tryb szybki)

Aby przeprowadzić szybkie, skoncentrowane wyszukiwanie, przekaż agent_count=4 podczas tworzenia czatu:

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4
)
chat.append(user("Porównaj szczegółowo TCP i UDP"))

for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

Pamiętaj, że odpowiedź odbierasz przez chat.stream(). To zalecana metoda: bez niej Twój program zawiesi się bez żadnego znaku życia na czas całego wyszukiwania, a Ty nie dowiesz się, czy żądanie nadal działa, czy może uległo awarii.

Żądanie dla 16 agentów (tryb dogłębny)

Przełączenie się w tryb dogłębny wymaga zmiany tylko jednej wartości, ale powiązane z nim żądanie musi odpowiadać skali zespołu, który uruchamiasz:

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=16
)
chat.append(user(
    "Przedstaw kompletny stan wiedzy na temat architektur RAG w 2026 roku, "
    "porównując podejścia hybrydowe, wydajność i koszty"
))

for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

Dodawanie wbudowanych narzędzi

Narzędzia dodajesz za pomocą prostej listy, a SDK dostarcza odpowiednie konstruktory:

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()],
    include=["verbose_streaming"],
)

chat.append(user("Jakie są najnowsze ogłoszenia xAI w tym tygodniu?"))

for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

Parametr include=["verbose_streaming"] zmienia rodzaj otrzymywanych danych: wywołania narzędzi pojawiają się w czasie rzeczywistym, gdy agenci pracują, dzięki czemu wiesz, na czym skupia się bieżące wyszukiwanie.

Szyfrowana zawartość dla konwersacji wieloturowych

Jeśli planujesz zadawać kilka pytań z rzędu na ten sam temat, włącz szyfrowaną zawartość podczas tworzenia czatu:

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    use_encrypted_content=True,
)

Model utrzymuje wtedy stan podagentów między turami, co sprawia, że rozszerzone wymiany informacji są znacznie bardziej spójne.

Obsługa błędów

Ponieważ API znajduje się w fazie beta, żądanie może się nie powieść nie z Twojej winy. Otocz wywołanie blokiem obsługującym błędy i zaplanuj ścieżkę awaryjną:

try:
    chat = client.chat.create(
        model="grok-4.20-multi-agent-0309",
        agent_count=4
    )
    chat.append(user("Moje pytanie"))

    for response, chunk in chat.stream():
        if chunk.content:
            print(chunk.content, end="", flush=True)
except Exception as e:
    print(f"Błąd wieloagentowy: {e}")
    # W razie potrzeby przełącz się na standardowy model

Komentarz w ostatniej linii czeka na zastąpienie go rzeczywistym kodem. W środowisku produkcyjnym ten blok musi faktycznie przełączać się na standardowy model; w przeciwnym razie Twoja funkcja przestanie działać przy pierwszej niedostępności trybu wieloagentowego.

Kluczowe wnioski

  • xAI SDK udostępnia agent_count, aby bezpośrednio kontrolować liczbę agentów
  • Zawsze używaj streamingu dla trybu wieloagentowego (.stream())
  • verbose_streaming ujawnia wywołania narzędzi w czasie rzeczywistym
  • Użyj use_encrypted_content=True dla konwersacji wieloturowych
  • Zawsze planuj obsługę błędów (API w fazie beta)