Konfiguracja wielu serwerów
Na tej stronie
Wiele źródeł, jeden agent
Zdalny MCP osiąga pełen potencjał, gdy podłączysz Grok do wielu serwerów jednocześnie. Każdy z nich wnosi własne narzędzia, a model arbitruje między nimi w oparciu o przychodzące żądanie. To właśnie odróżnia agenta potrafiącego zrobić tylko jedną rzecz od agenta zdolnego przeprowadzić śledztwo: sprawdzenie statusu usługi, następnie historii klienta, a potem artykułu rozwiązywania problemów – bez pisania ani jednej linii kodu orkiestracji.
Składnia: nic nowego, po prostu wiele wpisów
Nie ma żadnego trybu wieloserwerowego do włączenia. Po prostu dodajesz wiele obiektów MCP do listy tools.
from xai_sdk.tools import mcp
tools = [
mcp(server_url="https://mcp.deepwiki.com/mcp", server_label="deepwiki"),
mcp(server_url="https://your-custom-tools.com/mcp", server_label="custom"),
mcp(server_url="https://api.example.com/tools", server_label="api-tools"),
]
Ta sama zasada dotyczy interfejsu API Responses w formacie OpenAI, gdzie każdy serwer staje się słownikiem na liście. Ta wersja dodaje opisy, które – jak zaraz zobaczysz – przestają być opcjonalne, gdy tylko użyjesz więcej niż jednego serwera.
tools = [
{
"type": "mcp",
"server_url": "https://mcp.deepwiki.com/mcp",
"server_label": "deepwiki",
"server_description": "Documentation for GitHub open-source projects"
},
{
"type": "mcp",
"server_url": "https://your-custom-tools.com/mcp",
"server_label": "custom",
"server_description": "Internal company tools"
},
{
"type": "mcp",
"server_url": "https://api.example.com/tools",
"server_label": "api-tools",
"server_description": "Data and analytics API"
},
]
Etykiety stają się strukturalne
server_label, będąca dotychczas pomocą dla czytelności, staje się tutaj niezbędna. Weźmy bardzo częsty scenariusz: podłączasz swoją wewnętrzną dokumentację i DeepWiki, a oba serwery udostępniają narzędzie o nazwie search. Bez odrębnych etykiet dwa narzędzia noszą tę samą nazwę i Grok nie ma sposobu, by podjąć decyzję. Dzięki etykietom deepwiki__search odpytuje dokumentację GitHub, podczas gdy internal-docs__search przeszukuje Twoją bazę wiedzy – są to dwa wyraźnie oddzielone narzędzia, które model wybiera na podstawie opisów i przebiegu rozmowy.
Wystarczą trzy zasady, aby nigdy nie napotkać problemu. Każda etykieta musi być unikalna w konfiguracji. Musi odzwierciedlać źródło danych, a nie funkcję techniczną, ponieważ to pochodzenie odróżnia serwery od siebie, a nie to, co robią. I musi pozostać krótka, nie stając się jednocześnie wymienna. Poniższe zestawienie ilustruje przepaść między tymi dwoma podejściami:
# Dobrze: opisowe i odrębne etykiety
server_label="deepwiki"
server_label="crm"
server_label="jira"
# Źle: niejednoznaczne etykiety
server_label="server1"
server_label="server2"
server_label="tools"
Etykiety z drugiego szeregu to ukryta pułapka. Działają w dniu, w którym je piszesz, bo wiesz, co zawiera server1. Sześć miesięcy później, podczas przeglądania dziennika incydentów, nikt już tego nie wie – a model zresztą nigdy nie wiedział.
Jak Grok wybiera serwer
Stojąc przed wieloma serwerami, model krzyżuje cztery źródła informacji, aby podjąć decyzję. Zaczyna od żądania użytkownika, czyli tego, o co faktycznie proszono. Następnie konsultuje server_description każdego serwera, co mówi mu, do czego każdy z nich służy ogólnie. Schodzi poziom niżej do nazw i opisów samych narzędzi – każde z nich niesie własne. Bierze również pod uwagę kontekst rozmowy, ponieważ poprzednie wiadomości wpływają na wybór: jeśli klient podał Ci numer konta trzy tury wcześniej, Grok wie, że może wywołać crm__get_customer bez ponownego pytania.
Spośród tych czterech źródeł drugie jest tym, nad którym masz największą kontrolę, i właśnie dlatego opisy stają się krytyczne w trybie wieloserwerowym. Bez opisów Grok polega wyłącznie na nazwach narzędzi – search naprzeciwko innego search, bez wskazówki, co indeksują. Błędy wyboru, które z tego wynikają, są tym bardziej mylące, że wydają się losowe: model wybiera poprawnie tylko w połowie przypadków, dzięki szczęściu.
Kompleksowy agent wsparcia
Ta konfiguracja łączy wszystko, co powyżej, w pełnym przypadku użycia.
tools = [
mcp(
server_url="https://kb.monentreprise.com/mcp",
server_label="knowledge",
server_description="Product knowledge base. Help articles, FAQ, troubleshooting guides.",
allowed_tool_names=["search_articles", "get_article"]
),
mcp(
server_url="https://crm.monentreprise.com/mcp",
server_label="crm",
server_description="CRM. Customer history, previous tickets, account information.",
authorization=f"Bearer {os.getenv('CRM_TOKEN')}",
allowed_tool_names=["get_customer", "search_tickets", "get_ticket"]
),
mcp(
server_url="https://status.monentreprise.com/mcp",
server_label="status",
server_description="Service status. Ongoing incidents, scheduled maintenance.",
allowed_tool_names=["get_current_status", "list_incidents"]
),
]
Klient pisze „moja usługa przestała działać“. Grok najpierw sprawdza, czy trwa jakiś incydent, poprzez status__get_current_status, konsultuje konto klienta za pomocą crm__get_customer, aby dowiedzieć się, o jaką usługę chodzi, a następnie szuka artykułu rozwiązywania problemów przez knowledge__search_articles. Ta sekwencja nie jest zapisana nigdzie w Twoim kodzie: wynika z opisów i zadanego pytania. Zauważ też, że każdy serwer pozostaje ograniczony do swoich operacji odczytu – moc działania wielu serwerów nigdy nie eliminuje potrzeby stosowania listy dozwolonych narzędzi (allowlist).
Kluczowe wnioski
- Przekaż wiele obiektów MCP na liście
toolsdla konfiguracji wieloserwerowej - Każdy serwer musi mieć unikalną i opisową
server_label - Wartości
server_descriptionsą niezbędne, aby skierować Grok do właściwego serwera - Grok automatycznie wybiera odpowiedni serwer w oparciu o żądanie i kontekst
- Ogranicz narzędzia każdego serwera za pomocą
allowed_tool_names, aby zredukować szum