Implementering med xAI SDK
På denna sida
Det inbyggda xAI SDK
xAI SDK är det mest direkta sättet att använda flergentsläge och det enda som exponerar parametrar som agent_count, vilket tredjeparts-SDK inte gör. Om du börjar utan ekosystembegränsningar ska du starta här: då får du tillgång till hela uppsättningen inställningar.
Grundläggande konfiguration
Att initiera klienten handlar om tre importeringar och att läsa din API-nyckel från miljön:
import os
from xai_sdk import Client
from xai_sdk.chat import user
client = Client(api_key=os.getenv("XAI_API_KEY"))
Miljövariabeln XAI_API_KEY måste innehålla din xAI API-nyckel. Hardkoda aldrig nyckeln: då hamnar den i Git-förrådet och sedan i dess historik, där den är svår att ta bort.
Begäran med 4 agenter (snabbläge)
För en snabb och fokuserad sökning anger du agent_count=4 när du skapar chatten:
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4
)
chat.append(user("Compare TCP and UDP in detail"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
Observera att du konsumerar svaret via chat.stream(). Det är den rekommenderade metoden: utan den hänger sig ditt program utan livstecken under hela sökningen, och inget berättar för dig om begäran fortfarande körs eller har kraschat.
Begäran med 16 agenter (djupläge)
Att byta till djupläge kräver bara att du ändrar ett värde, men begäran du parar ihop med det måste matcha omfattningen på teamet du distribuerar:
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=16
)
chat.append(user(
"Give me a complete state of the art on RAG architectures in 2026, "
"comparing hybrid approaches, performance, and costs"
))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
Lägga till inbyggda verktyg
Du lägger till verktyg med en enkel lista, och SDK:t tillhandahåller matchande konstruktörer:
from xai_sdk.tools import web_search, x_search
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
tools=[web_search(), x_search()],
include=["verbose_streaming"],
)
chat.append(user("What are xAI's latest announcements this week?"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
Parametern include=["verbose_streaming"] ändrar vad du receives: verktygsanrop visas i realtid medan agenterna arbetar, och du vet vad den aktuella sökningen fokuserar på.
Krypterat innehåll för flerstegskonversationer
Om du planerar att ställa flera frågor i rad om samma ämne ska du aktivera krypterat innehåll när du skapar chatten:
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4,
use_encrypted_content=True,
)
Modellen behåller då tillståndet för underagenterna mellan stegen, vilket gör utökade utbyten mycket mer sammanhängande.
Felhantering
Eftersom API:t är i beta kan en begäran misslyckas utan att det är ditt fel. Omsluta anropet och planera en nödutgång:
try:
chat = client.chat.create(
model="grok-4.20-multi-agent-0309",
agent_count=4
)
chat.append(user("My question"))
for response, chunk in chat.stream():
if chunk.content:
print(chunk.content, end="", flush=True)
except Exception as e:
print(f"Multi-agent error: {e}")
# Fall back to a standard model if needed
Kommentaren på sista raden väntar på att ersättas med riktig kod. I produktion måste detta block faktiskt växla över till en standardmodell, annars slutar din funktion att fungera första gången flergentsläge inte är tillgängligt.
Viktiga punkter
- xAI SDK exponerar
agent_countför att direkt styra antalet agenter - Använd alltid streaming för flergent (
.stream()) verbose_streamingavslöjar verktygsanrop i realtiduse_encrypted_content=Trueför flerstegskonversationer- Planera alltid för felhantering (beta-API)