Łączenie MCP i narzędzi wbudowanych
Na tej stronie
Dwie rodziny narzędzi, jeden katalog
MCP to nie jedyny sposób na wyposażenie Groka w nowe możliwości. API xAI zawiera natywne narzędzia, zwane narzędziami wbudowanymi, które model może wywoływać bez angażowania żadnego zewnętrznego serwera. Nie musisz wybierać między tymi dwiema rodzinami: deklarujesz je w tym samym miejscu i dowolnie łączysz w jednej konfiguracji.
Cztery natywne narzędzia pokrywają większość potrzeb.
- Wyszukiwanie w sieci (Web search): wyszukiwanie w sieci w czasie rzeczywistym
- Wykonywanie kodu (Code execution): uruchamianie kodu Python w piaskownicy
- Analiza obrazu (Image analysis): analiza i opis obrazów
- Parsowanie plików (File parsing): odczyt i ekstrakcja zawartości plików
Deklarujesz je w tablicy tools, podając wyłącznie ich typ, bez adresu URL czy etykiety – co ma sens, ponieważ nie wskazujesz tu żadnego zdalnego serwera.
Mieszanie ich: nic nowego do nauki
Składnia nie wymaga żadnych specjalnych konstrukcji. Umieszczasz obiekty MCP i obiekty natywne obok siebie w tej samej tablicy.
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=[
# Zdalne narzędzie MCP
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki",
server_description="Documentation for GitHub projects"
),
# Narzędzie natywne: wyszukiwanie w sieci
{"type": "web_search"},
],
)
API Responses w formacie OpenAI działa według tej samej logiki, przy czym narzędzie MCP przyjmuje po prostu postać słownika z typem.
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input=[{"role": "user", "content": "Compare React and Vue based on the official docs and current trends"}],
tools=[
{
"type": "mcp",
"server_url": "https://mcp.deepwiki.com/mcp",
"server_label": "deepwiki"
},
{"type": "web_search"},
],
)
Orkiestracja dzieje się automatycznie
Z perspektywy modelu narzędzia MCP i natywne tworzą jeden wspólny katalog. Grok nie rozróżnia narzędzia, które łączy się przez sieć z serwerem strony trzeciej, od tego uruchamianego przez infrastrukturę xAI: widzi jedynie możliwości, ich nazwy i opisy, a następnie wybiera te, które w danym kroku przybliżają go do odpowiedzi.
Weźmy zapytanie: „porównaj konfigurację routingu w Next.js z aktualnymi najlepszymi praktykami“. Grok najpierw wywołuje deepwiki__search, aby odczytać dokumentację routingu w repozytorium Next.js, następnie używa web_search, by znaleźć najnowsze artykuły na temat bieżących praktyk, a na końcu syntezuje obie źródła w spójną odpowiedź. W żadnym momencie nie określiłeś tej kolejności ani nawet faktu, że te dwa narzędzia mają być użyte razem. Model samodzielnie decyduje o sekwencji, a Ty nie musisz pisać żadnej logiki orkiestracji.
Dwie typowe kompozycje
Agent do badań technicznych wykorzystuje dokumentację referencyjną, dostęp do sieci oraz możliwości weryfikacji kodu.
tools = [
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki",
server_description="Documentation and source code for GitHub projects"
),
{"type": "web_search"},
{"type": "code_interpreter"},
]
To trio pozwala konsultować dokumentację projektu, szukać dodatkowych informacji w sieci, a następnie uruchomić kod, aby zweryfikować rozwiązanie przed jego zaproponowaniem. Trzecie narzędzie zmienia charakter odpowiedzi: zamiast jedynie twierdzić, że fragment kodu działa, agent to weryfikuje.
Wewnętrzny asystent techniczny podąża inną logiką, gdzie dwa prywatne serwery przechowują wiedzę firmy, a sieć służy jedynie jako zapasowe źródło.
tools = [
mcp(
server_url="https://kb.monentreprise.com/mcp",
server_label="kb",
server_description="Internal knowledge base",
authorization=f"Bearer {os.getenv('KB_TOKEN')}"
),
mcp(
server_url="https://jira.monentreprise.com/mcp",
server_label="jira",
server_description="Jira tickets and projects",
authorization=f"Bearer {os.getenv('JIRA_TOKEN')}",
allowed_tool_names=["search_issues", "get_issue"]
),
{"type": "web_search"},
]
Asystent przeszukuje bazę wiedzy, konsultuje powiązane zgłoszenia w Jira i uzupełnia informacje wyszukiwaniem w sieci, jeśli brakuje danych wewnętrznych. Zwróć uwagę na ograniczenie dotyczące Jiry do dostępu tylko do odczytu: bez niego złośliwa instrukcja w treści zgłoszenia mogłaby skłonić model do wykonania operacji zapisu.
Ukryty koszt obfitości
Każde dodane narzędzie, czy to MCP, czy natywne, zajmuje miejsce w oknie kontekstowym, aby przechować swoją definicję. Hojna konfiguracja kosztuje Cię więc dostępną przestrzenią na rozmowę, czasem przetwarzania i dokładnością wyboru.
Trzy nawyki wystarczą, aby to kontrolować. Ogranicz całkowitą liczbę narzędzi i oprzyj się pokusie podłączania pięciu serwerów z pięćdziesięcioma narzędziami, gdy Twój przypadek użycia wymaga dziesięciu. Stosuj allowed_tool_names na każdym serwerze MCP, aby zachować tylko odpowiednie narzędzia. Nie dodawaj narzędzia natywnego „na wszelki wypadek“: jeśli Twój agent nie ma powodu, by uruchamiać kod, code_interpreter nie jest darmową opcją – to skonsumowany kontekst i dodatkowa szansa na wybranie niewłaściwego narzędzia.
Kluczowe wnioski
- Narzędzia MCP i natywne (wyszukiwanie w sieci, wykonywanie kodu) współistnieją w tej samej tablicy
tools - Grok automatycznie orkiestruje wywołania między narzędziami MCP i natywnymi w zależności od zapytania
- Połączenie to pozwala tworzyć potężne agenty wykorzystujące zarówno źródła wewnętrzne (MCP), jak i zewnętrzne (wyszukiwanie w sieci)
- Ogranicz całkowitą liczbę narzędzi, aby zachować kontekst i dokładność modelu
- Używaj
allowed_tool_namesdla każdego serwera MCP, aby zredukować szum