Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Combinar MCP e Ferramentas Integradas

Aula 10 de 12 Atualizada a 29 de julho de 2026 Programador
Nesta página
  1. Duas famílias de ferramentas, um único catálogo
  2. Misturá-las: nada de novo para aprender
  3. A orquestração ocorre automaticamente
  4. Duas composições típicas
  5. O custo oculto da abundância
  6. Pontos-chave

O MCP não é a única forma de conferir capacidades ao Grok. A API da xAI inclui ferramentas nativas, denominadas ferramentas integradas (built-in tools), que o modelo pode invocar sem envolver qualquer servidor externo. Não precisa de escolher entre as duas famílias: declara-as no mesmo local e combina-as livremente numa única configuração.

Quatro ferramentas nativas cobrem a maioria das necessidades.

  • Pesquisa na Web: pesquisa na Web em tempo real
  • Execução de código: execução de código Python num ambiente isolado (sandbox)
  • Análise de imagem: análise e descrição de imagens
  • Análise de ficheiros: leitura e extração de conteúdo de ficheiros

Declara-as no vetor tools apenas pelo tipo, sem URL nem rótulo — o que faz sentido, uma vez que não há nenhum servidor remoto para designar.

Misturá-las: nada de novo para aprender

A sintaxe não requer nenhuma construção especial. Coloca os objetos MCP e os objetos nativos lado a lado no mesmo vetor.

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=[
        # Ferramenta MCP remota
        mcp(
            server_url="https://mcp.deepwiki.com/mcp",
            server_label="deepwiki",
            server_description="Documentation for GitHub projects"
        ),
        # Ferramenta nativa: pesquisa na Web
        {"type": "web_search"},
    ],
)

A API de Respostas no formato OpenAI segue a mesma lógica, assumindo a ferramenta MCP simplesmente a sua forma de dicionário tipado.

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"},
    ],
)

A orquestração ocorre automaticamente

Na perspetiva do modelo, as ferramentas MCP e as nativas formam um único catálogo. O Grok não distingue entre uma ferramenta que atravessa a rede até um servidor de terceiros e outra executada pela infraestrutura da xAI: vê capacidades, com nomes e descrições, e seleciona aquela que faz avançar a resposta em cada passo.

Considere o pedido «comparar a configuração de roteamento no Next.js com as melhores práticas atuais». O Grok invoca primeiro deepwiki__search para ler a documentação de roteamento no repositório do Next.js, depois web_search para encontrar artigos recentes sobre práticas atuais e, finalmente, sintetiza ambas as fontes numa resposta coerente. Em nenhum momento especificou esta ordem, ou mesmo que estas duas ferramentas deveriam ser usadas em conjunto. O modelo decide a sequência sozinho, e não tem de escrever qualquer lógica de orquestração.

Duas composições típicas

Um agente de investigação técnica aproveita a documentação de referência, o acesso à Web e capacidades de verificação de código.

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"},
]

Este trio permite consultar a documentação do projeto, pesquisar informações adicionais online e, em seguida, executar código para validar uma solução antes de a propor. A terceira ferramenta altera a natureza da resposta: em vez de afirmar que um fragmento de código funciona, o agente verifica-o.

Um assistente técnico interno segue uma lógica diferente, onde dois servidores privados detêm o conhecimento da empresa e a Web serve apenas como reserva.

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"},
]

O assistente pesquisa na base de conhecimento, consulta tickets relacionados no Jira e complementa com uma pesquisa na Web se faltar informação internamente. Note a restrição no Jira, limitada a acesso apenas de leitura: sem ela, uma instrução maliciosa inserida no corpo de um ticket poderia empurrar o modelo para uma operação de escrita.

O custo oculto da abundância

Cada ferramenta adicionada, seja MCP ou nativa, ocupa espaço na janela de contexto para armazenar a sua definição. Uma configuração generosa custa-lhe, portanto, espaço disponível para a conversa, tempo de processamento e precisão na seleção.

Três hábitos são suficientes para manter isto sob controlo. Limite o número total de ferramentas e resista à tentação de ligar cinco servidores com cinquenta ferramentas quando o seu caso de uso requer dez. Aplique allowed_tool_names em cada servidor MCP para manter apenas as ferramentas relevantes. E não adicione uma ferramenta nativa «por precaução»: se o seu agente não tem razão para executar código, code_interpreter não é uma opção gratuita, é contexto consumido e uma oportunidade adicional para escolher a ferramenta errada.

Pontos-chave

  • As ferramentas MCP e as ferramentas nativas (pesquisa na Web, execução de código) coexistem no mesmo vetor tools
  • O Grok orquestra automaticamente as chamadas entre ferramentas MCP e nativas com base no pedido
  • A combinação permite criar agentes poderosos que aproveitam tanto fontes internas (MCP) como externas (pesquisa na Web)
  • Limite o número total de ferramentas para preservar o contexto e a precisão do modelo
  • Utilize allowed_tool_names para cada servidor MCP para reduzir o ruído