Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Inbyggda verktyg: web_search, x_search och fler

Lektion 9 av 14 Uppdaterad 29 juli 2026 Utvecklare
På denna sida
  1. Verktyg som betjänar agenter
  2. web_search, motorn bakom parallell research
  3. x_search, verktyget som de andra inte har
  4. code_execution, när du behöver räkna istället för att läsa
  5. collections_search, dina dokument i loopen
  6. Remote MCP, en dörr in i dina egna system
  7. Få verktyg att samarbeta
  8. Viktiga punkter

Verktyg som betjänar agenter

Ett agentteam utan verktyg låses in i det som modellen memorerade under träningen. Hela värdet av flerväggsarbete visar sig först när dessa agenter går ut och hämtar information precis när du ställer frågan: parallellisering hjälper bara om det finns flera vägar att utforska samtidigt. Grok ger dem fem inbyggda verktyg, och varje agent bestämmer själv vilka den ska använda.

web_search, motorn bakom parallell research

Webbsökning är det dominerande verktyget i flerväggsarbete, det du kommer att aktivera i nästan alla dina förfrågningar.

from xai_sdk.tools import web_search

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    tools=[web_search()],
)

Vad som ändras här jämfört med en ensam modell är att varje agent kör sina egna frågor. På en fråga som “vilken backup-lösning bör vi välja för vår serverpark” kommer en agent att gräva i tekniska specifikationer, en annan i prissättning och en tredje i användarfeedback på specialiserade forum. Med 16 agenter är webbtäckningen något helt annat än vad en sekventiell sökning driven av en ensam modell kan nå.

x_search, verktyget som de andra inte har

Sökning på X, tidigare Twitter, är specifik för Grok och ger tillgång till inlägg, diskussioner och trender på plattformen i realtid.

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()],
)

Värdet kommer från ett tidsgap: när ett företag tillkännager en produkt dyker reaktioner upp på X inom en timme, medan fördjupade artiklar tar flera dagar. Du hittar den omedelbara reaktionen på ett tillkännagivande, positioner från experter som aldrig kommer att skriva en hel artikel, trendande ämnen och tekniska diskussioner i utvecklargemenskaper. På ett snabbt rörligt ämne ger kombinationen av web_search + x_search en bild som ingen av dem skulle ge på egen hand.

code_execution, när du behöver räkna istället för att läsa

Kodexekvering låter en agent skriva och köra Python för att analysera data, utföra beräkningar eller producera visualiseringar.

from xai_sdk.tools import code_execution

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    tools=[code_execution()],
)

Det typiska scenariot: en agent hämtar en CSV-fil som hittades under sökningen, laddar den, härleder statistik från den och skickar verifierade siffror till huvudagenten istället för ett intryck från läsning. En del av arbetet flyttas därmed från tolkning till beräkning, vilket spelar roll så snart frågan involverar storleksordningar.

collections_search, dina dokument i loopen

Detta verktyg låter agenter fråga de dokumentsamlingar du har indexerat hos xAI.

from xai_sdk.tools import collections_search

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=4,
    tools=[collections_search()],
)

Det är motsvarigheten till inbyggd RAG: agenter söker i dina egna dokument parallellt med webben, vilket låter dig korsreferera intern dokumentation med marknadsförhållanden utan att behöva bygga hämtningspipelinen själv.

Remote MCP, en dörr in i dina egna system

Remote MCP-verktyg utökar agenters kapacitet med externa tjänster du kontrollerar. Om du exponerar MCP-servrar använder agenter dem under sin research exakt som inbyggda verktyg: de frågar en intern databas, anropar ett affärs-API eller når ett dokumenthanteringssystem. Detta är den officiella extensionsmekanismen, och du kommer att se i nästa lektion att det också är svaret på en viktig begränsning i flerväggsarbete.

Få verktyg att samarbeta

Den verkliga vinsten visar sig när flera verktyg finns tillgängliga samtidigt, eftersom uppdelningen mellan agenter också blir en uppdelning mellan källor.

from xai_sdk.tools import web_search, x_search, code_execution

chat = client.chat.create(
    model="grok-4.20-multi-agent-0309",
    agent_count=16,
    tools=[web_search(), x_search(), code_execution()],
    include=["verbose_streaming"],
)

chat.append(user(
    "Analyze sentiment around NVIDIA's GPU announcements this week: "
    "press articles, reactions on X, and summarize the key figures"
))

Vissa agenter granskar då pressen, en annan grupp analyserar inlägg på X och en tredje aggregerar siffrorna genom kod. Ha multiplikatoreffekten i åtanke: varje verktyg du öppnar för sexton agenter breddar täckningen och ökar fakturan i motsvarande grad. Öppna det som frågan kräver, inte allt som standard.

Viktiga punkter

  • Fem inbyggda verktyg: web_search, x_search, code_execution, collections_search, Remote MCP
  • Varje agent kan använda valfritt verktyg oberoende av de andra
  • x_search är exklusivt för Grok – realtidsåtkomst till X-inlägg
  • Kombinera verktyg för mer komplett research
  • Fler agenter + fler verktyg = bredare täckning men högre tokenanvändning