Integrering med Vercel AI SDK
På denna sida
Uppdaterat den 3 november 2026, baserat på dokumentationen för AI SDK 7 och xAIs sida om Multi-agent:
xai()använder nu Responses API (varningen från föregående version gäller inte längre), Next.js-rutten använder inte längre den borttagna funktionentoDataStreamResponse(), och reservlösningen riktar sig motgrok-4.7. Mappningenlow/medium→ 4 agenter,high/xhigh→ 16 agenter kommer från xAIs dokumentation. Källor: AI SDK, xAI provider · xAI, Multi-agent.
Multi-agent i JavaScript-ekosystemet
Vercel AI SDK (ai) har blivit en standard för att integrera AI-modeller i webbapplikationer skrivna i JavaScript och TypeScript. Tillsammans med providern @ai-sdk/xai får du tillgång till Groks multi-agent-läge direkt från Next.js, SvelteKit eller valfritt annat JavaScript-ramverk, utan att behöva lämna de abstraktioner ditt front-end-team redan känner till.
Installation
Du behöver två paket:
npm install ai @ai-sdk/xai
De delar på arbetet: @ai-sdk/xai hanterar kommunikationen med xAI:s API, medan ai tillhandahåller de generiska funktionerna generateText och streamText som du använder oavsett vilken provider det gäller.
Grundkonfiguration
import { xai } from "@ai-sdk/xai";
import { generateText } from "ai";
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "What are the latest JavaScript frameworks of 2026?",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
console.log(text);
Multi-agent kräver xAI:s Responses API. Med nuvarande versioner (AI SDK 7 och @ai-sdk/xai 5) är detta det enda API som providern använder: xai(model) går redan genom det. Att skriva xai.responses() gör detta val explicit, vilket också skyddar kod som körs mot en äldre SDK-version där xai() gick via Chat Completions.
Styrning av antal agenter
Du anger antalet agenter med providerOptions.xai.reasoningEffort:
// Skickas som providerOptions till generateText eller streamText
const rapide = { xai: { reasoningEffort: "low" } }; // 4 agenter
const approfondie = { xai: { reasoningEffort: "high" } }; // 16 agenter
Mappningen är densamma som du såg med OpenAI SDK: low och medium använder 4 agenter, medan high och xhigh använder 16. Du får alltså samma två lägen under ett annat parameternamn.
Strömning med streamText
I en webbapplikation blir strömning obligatorisk: en forskningskörning med flera agenter kan ta en minut, och ingen sitter kvar framför en tom skärm så länge.
import { xai } from "@ai-sdk/xai";
import { streamText } from "ai";
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "Analyze AI market trends in Europe",
providerOptions: {
xai: { reasoningEffort: "medium" },
},
});
for await (const chunk of result.textStream) {
process.stdout.write(chunk);
}
I en Next.js-applikation som använder App Router behöver du inte ens konsumera strömmen på servern: en API-rutt kan returnera den direkt till webbläsaren.
// app/api/research/route.ts
import { xai } from "@ai-sdk/xai";
import { createTextStreamResponse, streamText, toTextStream } from "ai";
export async function POST(req: Request) {
const { query } = await req.json();
const result = streamText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: query,
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
// Rå textström: på klienten läser du den med fetch,
// eller med useChat och en TextStreamChatTransport
return createTextStreamResponse({
stream: toTextStream({ stream: result.stream }),
});
}
reasoningEffort: "low" i detta exempel är ett medvetet val: på en rutt som anropas direkt från användargränssnittet skulle latensen för 16 agenter vara svår att upprätthålla.
Felhantering
Eftersom multi-agent är i beta bör ett driftstopp inte leda till en trasig sida. Mönstret nedan visar den enklaste reservlösningen: fånga felet och kör samma fråga igen på en standardmodell:
try {
const { text } = await generateText({
model: xai.responses("grok-4.20-multi-agent-0309"),
prompt: "My question",
providerOptions: {
xai: { reasoningEffort: "low" },
},
});
return text;
} catch (error) {
console.error("Multi-agent error:", error);
// Växla till en standardmodell som reserv
const { text } = await generateText({
model: xai("grok-4.7"),
prompt: "My question",
});
return text;
}
Reservlösningen växlar till en standardmodell, grok-4.7, som inte har multi-agent-begränsningarna (med AI SDK 7 använder även xai() Responses API). Informera också din användare på något sätt, eftersom svaret från reservlösningen kommer att vara mindre utförligt än det de förväntade sig.
Användningsfall i en webbapplikation
Det användningsfall som får mest ut av denna integration är det avancerade forskningsgränssnittet: användaren ställer en komplex fråga, din applikation öppnar strömmen och svaret skriver sig självt på skärmen medan agenterna fortsätter arbeta i bakgrunden.
Den resulterande upplevelsen är överraskande naturlig. Texten avancerar, pausar ibland när agenterna startar en webbsökning, och fortsätter sedan. Dessa pauser är långt ifrån ett fel: de talar om för användaren att riktig forskning pågår – förutsatt att ditt gränssnitt parar ihop dem med en indikator istället för att få det att se ut som att systemet har hängt sig.
Viktiga punkter
- Använd
@ai-sdk/xaimedxai.responses()för multi-agent - Styr antalet agenter med
providerOptions.xai.reasoningEffort streamTextär idealiskt för interaktiva webbapplikationer- Vercel AI SDK integreras nativt med Next.js och andra ramverk
- Planera en reservlösning till en standardmodell vid fel