Blanda server- och klientverktyg
På denna sida
Två kategorier av verktyg på samma plattform
Grok API skiljer mellan två fundamentalt olika verktygstyper baserat på hur de exekveras. Att förstå denna skillnad är avgörande för att designa robusta arkitekturer.
Inbyggda verktyg (serversida)
xAI exekverar dessa verktyg automatiskt på sina servrar. Du behöver inte hantera något – ingen lokal exekvering, ingen vidarebefordran av resultat. Modellen anropar dem och tar emot resultaten direkt.
| Verktyg | Identifierare | Beskrivning |
|---|---|---|
| Web Search | web_search | Webbsökning i realtid |
| X Search | x_search | Sökning på X/Twitter |
| Code Interpreter | code_interpreter | Sandboxad Python-exekvering |
| Collections Search | collections_search | Sökning i dina uppladdade dokument |
| Remote MCP | mcp | Anslutning till externa MCP-servrar |
Egna funktioner (klientsida)
Detta är dina egna funktioner, definierade via function calling. Modellen returnerar ett tool_call, din kod exekverar funktionen och du skickar tillbaka resultatet. Detta är mekanismen du lärde dig i tidigare lektioner.
Kombinera båda i en enda förfrågan
Styrkan med Grok API ligger i möjligheten att blanda server- och klientverktyg i en enda förfrågan:
tools = [
# Serververktyg — exekveras automatiskt av xAI
{"type": "web_search"},
# Klientverktyg — exekveras av din kod
{
"type": "function",
"function": {
"name": "save_to_database",
"description": "Spara information i databasen",
"parameters": {
"type": "object",
"properties": {
"key": {"type": "string"},
"value": {"type": "string"}
},
"required": ["key", "value"]
}
}
}
]
När modellen tar emot denna förfrågan kan den:
- Använda
web_searchför att hitta information (automatisk exekvering på serversidan) - Anropa
save_to_databaseför att spara resultatet (returneras till klienten)
Det hybrida flödet
Beteendet skiljer sig åt beroende på verktygstyp:
- Serververktyg: modellen anropar verktyget, xAI exekverar det, resultatet integreras automatiskt och modellen fortsätter
- Klientverktyg: modellen returnerar
tool_calltill klienten, exekveringen stoppas och återupptas när du skickar tillbaka resultatet
När modellen använder båda typerna i samma förfrågan exekveras serververktygen först (utan ditt ingripande). Därefter, om modellen också behöver ett klientverktyg, returnerar den tool_call till dig med resultaten från serververktygen redan integrerade i sin kontext.
Exempel från verkligheten
Webbsökning + affärslogik
# Användaren frågar: "Hitta Bitcoin-priset och spara det"
# Modellen:
# 1. Anropar web_search för att hitta priset (serversida, automatiskt)
# 2. Anropar save_price(symbol="BTC", price=68432) (klientsida)
X-sökning + avisering
# "Avisera mig om tweets om vår produkt sedan igår"
# Modellen:
# 1. Anropar x_search för att hitta tweets (serversida)
# 2. Anropar send_notification(count=12, summary="...") (klientsida)
Code Interpreter + lagring
# "Beräkna medelvärdet av denna data och spara resultatet"
# Modellen:
# 1. Anropar code_interpreter för beräkningen (serversida)
# 2. Anropar save_result(key="avg", value="42.5") (klientsida)
Fakturering för serververktyg
Inbyggda verktyg faktureras på två sätt:
- Tokens: standardförbrukning (inmatning + utmatning)
- Anrop: fast kostnad per verktygsanrop
Modellen kan anropa flera serververktyg för en enda förfrågan – kostnaderna adderas. Tänk på detta när du aktiverar web_search: modellen kan utföra flera sökningar för att förfina sina resultat.
Viktiga punkter
- Två verktygstyper: server (automatiskt) och klient (function calling)
- Serververktyg (
web_search,x_search,code_interpreter) exekveras utan ditt ingripande - Du kan blanda båda typerna i en enda förfrågan
- Serververktyg exekveras först, sedan kan modellen anropa dina funktioner
- Varje anrop av ett serververktyg faktureras (tokens + kostnad per anrop)
- Citat genereras automatiskt för data från serververktyg