Konfiguration för flera servrar
På denna sida
Flera källor, en enda agent
Remote MCP når sin fulla potential när du kopplar Grok till flera servrar samtidigt. Varje server bidrar med sina egna verktyg, och modellen avgör vilken som ska användas baserat på den inkommande förfrågan. Det är detta som skiljer en agent som bara kan göra en sak från en agent som kan genomföra en utredning: kontrollera status för en tjänst, sedan kundhistorik, sedan en felsökningsartikel, utan att du behöver skriva en enda rad orchestreringskod.
Syntax: inget nytt, bara flera poster
Det finns inget särskilt läge för flera servrar som behöver aktiveras. Du lägger helt enkelt till flera MCP-objekt i listan tools.
from xai_sdk.tools import mcp
tools = [
mcp(server_url="https://mcp.deepwiki.com/mcp", server_label="deepwiki"),
mcp(server_url="https://your-custom-tools.com/mcp", server_label="custom"),
mcp(server_url="https://api.example.com/tools", server_label="api-tools"),
]
Samma princip gäller för Responses API i OpenAI-format, där varje server blir en ordlista i listan. I denna version läggs beskrivningar till, vilket du kommer att se är nödvändiga så snart du använder mer än en server.
tools = [
{
"type": "mcp",
"server_url": "https://mcp.deepwiki.com/mcp",
"server_label": "deepwiki",
"server_description": "Documentation for GitHub open-source projects"
},
{
"type": "mcp",
"server_url": "https://your-custom-tools.com/mcp",
"server_label": "custom",
"server_description": "Internal company tools"
},
{
"type": "mcp",
"server_url": "https://api.example.com/tools",
"server_label": "api-tools",
"server_description": "Data and analytics API"
},
]
Etiketter blir strukturella
server_label, som hittills bara varit ett hjälpmedel för läsbarheten, blir här avgörande. Ta ett mycket vanligt scenario: du kopplar din interna dokumentation och DeepWiki, och båda exponerar ett verktyg som heter search. Utan distinkta etiketter finns två verktyg med samma namn och Grok har inget sätt att välja mellan dem. Med etiketter frågar deepwiki__search GitHub-dokumentationen medan internal-docs__search söker i din kunskapsbas – två tydligt åtskilda verktyg som modellen väljer mellan baserat på beskrivningar och konversationsflödet.
Tre regler räcker för att du aldrig ska stöta på problem. Varje etikett måste vara unik i konfigurationen. Den måste spegla datakällan snarare än den tekniska funktionen, eftersom ursprunget är det som skiljer servrarna åt, inte vad de gör. Och den måste vara kort utan att bli utbytbar. Kontrasten nedan illustrerar gapet mellan de två approacherna:
# Bra: beskrivande och distinkta etiketter
server_label="deepwiki"
server_label="crm"
server_label="jira"
# Dåligt: tvetydiga etiketter
server_label="server1"
server_label="server2"
server_label="tools"
Etiketterna i den andra serien är en latent fälla. De fungerar dagen du skriver dem, för då vet du vad server1 innehåller. Sex månader senare, när du läser om en incidentlogg, vet ingen längre – och modellen har för sin del aldrig vetat det.
Hur Grok väljer en server
När modellen ställs inför flera servrar korsrefererar den fyra informationskällor för att fatta ett beslut. Den börjar med användarens förfrågan, det vill säga vad som faktiskt efterfrågas. Därefter konsulterar den server_description för varje server, vilket berättar vad varje server har för övergripande syfte. Den går ner ett steg till namnen och beskrivningarna av själva verktygen, där varje verktyg bär på sin egen information. Slutligen tar den hänsyn till konversationskontexten, eftersom tidigare meddelanden påverkar valet: om kunden redan har gett dig sitt kontonummer tre vändningar tidigare, vet Grok att det kan anropa crm__get_customer utan att fråga igen.
Av dessa fyra källor är den andra den du har mest kontroll över, och det är precis därför beskrivningar blir kritiska i läget för flera servrar. Utan beskrivningar faller Grok tillbaka på enbart verktygsnamn – ett search mot ett annat search, utan någon indikation om vad de indexerar. De valfel som uppstår blir desto mer förvirrande eftersom de verkar slumpmässiga: modellen väljer rätt hälften av tiden, av ren tur.
En heltäckande supportagent
Denna konfiguration sammanför allt ovanstående i ett komplett användningsfall.
tools = [
mcp(
server_url="https://kb.monentreprise.com/mcp",
server_label="knowledge",
server_description="Product knowledge base. Help articles, FAQ, troubleshooting guides.",
allowed_tool_names=["search_articles", "get_article"]
),
mcp(
server_url="https://crm.monentreprise.com/mcp",
server_label="crm",
server_description="CRM. Customer history, previous tickets, account information.",
authorization=f"Bearer {os.getenv('CRM_TOKEN')}",
allowed_tool_names=["get_customer", "search_tickets", "get_ticket"]
),
mcp(
server_url="https://status.monentreprise.com/mcp",
server_label="status",
server_description="Service status. Ongoing incidents, scheduled maintenance.",
allowed_tool_names=["get_current_status", "list_incidents"]
),
]
En kund skriver “min tjänst fungerar inte längre”. Grok kontrollerar först om det pågår ett driftstopp via status__get_current_status, konsulterar kundens konto med crm__get_customer för att ta reda på vilken tjänst det gäller, och söker sedan efter en felsökningsartikel via knowledge__search_articles. Denna sekvens finns inte skriven någonstans i din kod: den härrör från beskrivningarna och den ställda frågan. Observera också att varje server förblir begränsad till sina läsåtgärder – kraften i flerserverkonfigurationer eliminerar aldrig behovet av en tillåten lista (allowlist).
Viktiga punkter
- Skicka flera MCP-objekt i listan
toolsför hantering av flera servrar - Varje server måste ha en unik och beskrivande
server_label - Värdena för
server_descriptionär avgörande för att leda Grok till rätt server - Grok väljer automatiskt lämplig server baserat på förfrågan och kontext
- Begränsa varje servers verktyg med
allowed_tool_namesför att minska brus