Integracja z Vercel AI SDK
Na tej stronie
Zaktualizowano 3 listopada 2026 r. na podstawie dokumentacji AI SDK 7 oraz strony Multi-agent od xAI:
xai()korzysta teraz z Responses API (ostrzeżenie z poprzedniej wersji nie ma już zastosowania), trasa Next.js nie używa już usuniętej funkcjitoDataStreamResponse(), a mechanizm awaryjny celuje w modelgrok-4.7. Mapowanielow/medium→ 4 agenci,high/xhigh→ 16 agentów pochodzi z dokumentacji xAI. Źródła: AI SDK, dostawca xAI · xAI, Multi-agent.
Multi-agent w ekosystemie JavaScript
Vercel AI SDK (ai) stało się standardem integrowania modeli AI z aplikacjami internetowymi w JavaScript i TypeScript. W połączeniu z dostawcą @ai-sdk/xai uzyskujesz dostęp do trybu multi-agent Groka bezpośrednio z Next.js, SvelteKit lub dowolnego innego frameworka JavaScript, nie wychodząc poza abstrakcje znane Twojemu zespołowi front-endowemu.
Instalacja
Potrzebujesz dwóch pakietów:
npm install ai @ai-sdk/xai
Dzielą one pracę: @ai-sdk/xai obsługuje komunikację z API xAI, podczas gdy ai udostępnia ogólne funkcje generateText i streamText, z których korzystasz niezależnie od dostawcy.
Podstawowa konfiguracja
import { xai } from "@ai-sdk/xai";
import { generateText } from "ai";
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Jakie są najnowsze frameworki JavaScript z 2026 roku?",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
console.log(text);
Tryb multi-agent wymaga API Responses od xAI. W obecnych wersjach (AI SDK 7 oraz @ai-sdk/xai 5) jest to jedyne API, z którego korzysta ten dostawca: wywołanie xai(model) już przez nie przechodzi. Zapis xai.responses() czyni ten wybór explicitnym, co dodatkowo chroni kod uruchamiany przeciwko starszej wersji SDK, gdzie xai() korzystało z Chat Completions.
Kontrolowanie liczby agentów
Liczbę agentów ustawiasz za pomocą providerOptions.xai.reasoningEffort:
// Przekaż jako providerOptions do generateText lub streamText
const rapide = { xai: { reasoningEffort: "low" } }; // 4 agenci
const approfondie = { xai: { reasoningEffort: "high" } }; // 16 agentów
Mapowanie jest takie samo, jakie widziałeś w SDK OpenAI: low i medium używają 4 agentów, podczas gdy high i xhigh używają 16. Otrzymujesz więc te same dwa tryby pod inną nazwą parametru.
Strumieniowanie z streamText
W aplikacji internetowej strumieniowanie staje się koniecznością: uruchomienie badania multi-agent może zająć minutę, a nikt nie będzie tak długo wpatrywał się w pusty ekran.
import { xai } from "@ai-sdk/xai";
import { streamText } from "ai";
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Przeanalizuj trendy rynkowe AI w Europie",
providerOptions: {
xai: { reasoningEffort: "medium" },
},
});
for await (const chunk of result.textStream) {
process.stdout.write(chunk);
}
W aplikacji Next.js korzystającej z App Router nie musisz nawet konsumować strumienia po stronie serwera: trasa API może zwrócić go bezpośrednio do przeglądarki.
// app/api/research/route.ts
import { xai } from "@ai-sdk/xai";
import { createTextStreamResponse, streamText, toTextStream } from "ai";
export async function POST(req: Request) {
const { query } = await req.json();
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: query,
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
// Surowy strumień tekstowy: po stronie klienta odczytaj go przez fetch
// lub użyj useChat z TextStreamChatTransport
return createTextStreamResponse({
stream: toTextStream({ stream: result.stream }),
});
}
Wartość reasoningEffort: "low" w tym przykładzie jest wyborem świadomym: na trasie wywoływanej bezpośrednio z interfejsu użytkownika opóźnienie generowane przez 16 agentów byłoby trudne do utrzymania.
Obsługa błędów
Ponieważ multi-agent znajduje się w fazie beta, awaria nie powinna prowadzić do wyświetlenia błędu na stronie. Poniższy wzorzec pokazuje najprostsze rozwiązanie awaryjne: przechwyć błąd i ponów to samo pytanie na standardowym modelu:
try {
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Moje pytanie",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
return text;
} catch (error) {
console.error("Błąd multi-agent:", error);
// Przełącz się na model standardowy
const { text } = await generateText({
model: xai("grok-4.7"),
prompt: "Moje pytanie",
});
return text;
}
Mechanizm awaryjny przełącza się na standardowy model grok-4.7, który nie posiada ograniczeń trybu multi-agent (w AI SDK 7 xai() również korzysta z Responses API). Poinformuj użytkownika w jakiś sposób o tej zmianie, ponieważ odpowiedź zastępcza będzie mniej szczegółowa niż ta, której się spodziewał.
Przypadek użycia w aplikacji internetowej
Przypadkiem użycia, który najlepiej wykorzystuje tę integrację, jest zaawansowany interfejs badawczy: użytkownik zadaje złożone pytanie, Twoja aplikacja otwiera strumień, a odpowiedź wpisuje się na ekran, podczas gdy agenci nadal pracują w tle.
Efekt końcowy jest zaskakująco naturalny. Tekst postępuje naprzód, czasem pauzuje, gdy agenci uruchamiają wyszukiwanie w sieci, a następnie wznawia działanie. Te pauzy wcale nie są wadą: informują użytkownika, że trwają rzeczywiste badania – pod warunkiem, że Twój interfejs połączy je z odpowiednim wskaźnikiem, zamiast sprawiać wrażenie zawieszenia.
Kluczowe wnioski
- Używaj
@ai-sdk/xaizxai.responses()dla trybu multi-agent - Kontroluj liczbę agentów za pomocą
providerOptions.xai.reasoningEffort streamTextjest idealne dla interaktywnych aplikacji internetowych- Vercel AI SDK integruje się natywnie z Next.js i innymi frameworkami
- Zaplanuj mechanizm awaryjny przełączający na standardowy model w przypadku błędu