Przejdź do głównej treści
Polski— Wybierz język
Menu

Kompletna konfiguracja serwera MCP

Lekcja 7 z 12 Zaktualizowano 29 lipca 2026 Programista
Na tej stronie
  1. Łączymy wszystko w całość
  2. Najprostszy przypadek
  3. Wewnętrzny serwer tylko do odczytu
  4. Kompleksowa konfiguracja
  5. Sprawdź przed wdrożeniem
  6. Kluczowe wnioski

Łączymy wszystko w całość

Poznałeś już każdy parametr z osobna. Ta lekcja scala je w kompletne konfiguracje, dokładnie tak, jak będziesz je zapisywać w praktyce, pokazując za każdym razem odpowiedniki w obu głównych SDK. Celem nie jest wprowadzanie nowych koncepcji, lecz dostarczenie Ci wzorców, które możesz bezpośrednio adaptować.

Oto przegląd sześciu parametrów wraz z informacją, czy są wymagane, czy opcjonalne.

ParametrWymaganyRola
server_urlTakAdres HTTPS serwera MCP
server_labelTakPrefiks wywołania narzędzia
server_descriptionNiePomaga Grokowi w wyborze serwera
allowed_tool_namesNieOgranicza dostępne narzędzia
authorizationNieToken uwierzytelniający
headersNieDodatkowe nagłówki HTTP

Najprostszy przypadek

Dwa parametry wystarczą, gdy serwer jest publiczny i nie wymaga uwierzytelnienia.

# 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"
}]

Dokładnie tak zapiszesz konfigurację dla DeepWiki. Grok uzyskuje wtedy dostęp do wszystkich narzędzi serwera, co w tym przypadku jest akceptowalne, ponieważ jest to publiczna usługa tylko do odczytu. Gdy tylko serwer będzie należał do Twojej organizacji, taka konfiguracja stanie się niewystarczająca.

Wewnętrzny serwer tylko do odczytu

Podnieśmy poprzeczkę: przedsiębiorczy system CRM, z którego agent musi mieć możliwość pobierania danych, ale nigdy ich modyfikowania. Dodajemy trzy parametry, każdy z innego powodu – opis kieruje modelem, token potwierdża tożsamość, a lista dozwolonych narzędzi blokuje zapis.

# xAI SDK
tools = [
    mcp(
        server_url="https://api.monentreprise.com/mcp",
        server_label="crm",
        server_description="Wewnętrzny CRM. Tylko wyszukiwanie kontaktów i firm.",
        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": "Wewnętrzny CRM. Tylko wyszukiwanie kontaktów i firm.",
    "authorization": f"Bearer {os.getenv('CRM_TOKEN')}",
    "allowed_tool_names": ["search_contacts", "get_contact", "list_companies"]
}]

Porównaj te dwa bloki: zawartość jest identyczna, zmienia się tylko opakowanie. Funkcja pomocnicza mcp() przyjmuje argumenty nazwane; format OpenAI oczekuje słownika z dodatkowym kluczem "type". To jedyna różnica, o której musisz pamiętać, tłumacząc konfigurację z jednego SDK na drugie.

Kompleksowa konfiguracja

Ostatni krok: połączenie wszystkich sześciu parametrów w rzeczywistym wywołaniu 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="Platforma narzędzi wewnętrznych: zarządzanie dokumentami, zgłoszenia wsparcia, baza wiedzy. Dostęp tylko do odczytu.",
            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"],
)

Zwróć uwagę na wewnętrzną spójność tego przykładu. Opis zapowiada dostęp tylko do odczytu, a pięć dozwolonych narzędzi to wyłącznie operacje wyszukiwania – nie ma sprzeczności między tym, co model sądzi, że może zrobić, a tym, na co pozwala konfiguracja. Nagłówek X-Environment ustawiony na production zapobiega zapisywaniu danych produkcyjnych przez agenta testowego, a X-Request-Source sprawi, że ślady na serwerze będą użyteczne, jeśli będziesz musiał ustalić źródło nieoczekiwanego żądania.

Sprawdź przed wdrożeniem

Sześć punktów wymaga przeglądu przed każdym wdrożeniem produkcyjnym; każdy z nich odpowiada pułapce omówionej wcześniej w tym kursie. Adres URL musi używać HTTPS z ważnym certyfikatem, w przeciwnym razie nic nie przejdzie. Etykieta musi być krótka, opisowa i unikalna w ramach konfiguracji. Opis musi odpowiadać faktycznie udostępnionym narzędziom, inaczej model spróbuje wywołań skazanych na niepowodzenie. Dozwolone narzędzia muszą być ograniczone do absolutnego minimum. Token musi pochodzić ze zmiennej środowiskowej, a nie z kodu źródłowego. Dodatkowe nagłówki muszą dokładnie odpowiadać oczekiwaniom serwera, łącznie z wielkością liter – błąd wielkości liter w X-Organization-Id powoduje cichą awarię, którą szczególnie trudno zdiagnozować.

Kluczowe wnioski

  • Minimalna konfiguracja wymaga tylko server_url i server_label
  • Dodaj server_description, aby kierować Grokiem, zwłaszcza w konfiguracjach z wieloma serwerami
  • Ogranicz dostęp za pomocą allowed_tool_names ze względów bezpieczeństwa i wydajności
  • Użyj authorization i headers do uwierzytelniania
  • Obie biblioteki SDK (natywna xAI i OpenAI Responses) przyjmują te same parametry, różniąc się jedynie składnią