DeepWiki och anpassade verktyg
På denna sida
DeepWiki: En offentlig server för övning
Allt du har sett hittills förblir abstrakt tills du kopplar upp dig mot en riktig server. DeepWiki är den idealiska kandidaten för detta första test: det exponerar en offentlig MCP-server på https://mcp.deepwiki.com/mcp, utan autentisering, som ger tillgång till dokumentation för vilket GitHub-projekt som helst.
Konfigurationen tar bara några rader, eftersom den enda valfria parameter som verkligen spelar roll här är beskrivningen.
from xai_sdk.tools import mcp
tools = [
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki",
server_description="Documentation for open-source GitHub projects. Search and view code, READMEs, guides."
)
]
När denna anslutning är etablerad kan du ställa frågor till Grok som faktiskt kräver att repot läses: “förklara hur routing fungerar i projektet facebook/react”, “vilka konfigurationsalternativ finns för vercel/next.js?” eller “visa mig projektstrukturen för langchain-ai/langchain”. Modellen anropar DeepWikis verktyg, hämtar dokumentation och källkod, och syntetiserar sedan ett strukturerat svar. Jämför detta svar med vad du skulle få utan MCP-servern: skillnaden mellan vad modellen redan vet och vad den just har läst blir omedelbart uppenbar.
Övergång till dina egna servrar
DeepWiki är en utmärkt träningsmiljö, men det verkliga värdet med MCP visar sig när servern exponerar det som ingen annan har tillgång till: dina data, dina processer, dina affärsverktyg.
Tekniskt sett är en MCP-server en webbapplikation som svarar på två typer av förfrågningar. Först upptäckt: när Grok ansluter begär den listan över tillgängliga verktyg med deras scheman. Därefter exekvering: när modellen bestämmer sig för att anropa ett verktyg skickar den verktygsnamnet och dess argument, och väntar sedan på resultatet. Servern måste exponera en HTTPS-slutpunkt som följer MCP-protokollet, med hjälp av Streaming HTTP eller SSE – de två transportmetoder som behandlades i början av kursen.
Det som gör en anpassad server intressant är inte tekniken, utan valet av verktyg den publicerar. Här är tre exempel på en logisk uppdelning, där varje server täcker ett och endast ett domänområde:
Server "analytics":
- get_dashboard_metrics: dashboard metrics
- query_events: query analytic events
- get_funnel_report: conversion funnel report
Server "content":
- search_articles: search within the CMS
- get_article: retrieve a full article
- list_categories: list content categories
Server "devops":
- get_deploy_status: status of the last deployment
- list_alerts: active monitoring alerts
- get_service_health: health of a specific service
Denna domänuppdelning är inte bara för show: den låter dig hantera autentisering och serverrestriktioner i nivå per server, snarare än att tillämpa en enda regel på en blandning av heterogena verktyg. När din server väl är distribuerad följer anslutningen exakt samma mönster som DeepWiki, utökad med token och allowlist.
tools = [
mcp(
server_url="https://mcp.yourcompany.com/analytics",
server_label="analytics",
server_description="Analytics metrics and reports. Dashboards, funnels, events.",
authorization=f"Bearer {os.getenv('ANALYTICS_TOKEN')}",
allowed_tool_names=["get_dashboard_metrics", "query_events"]
)
]
Offentliga och interna servrar i samma session
Konfigurationer blir verkligen intressanta när du blandar båda familjerna, eftersom modellen då kan korrelera en offentlig källa med en källa som bara du har tillgång till.
tools = [
# Public server for open-source documentation
mcp(
server_url="https://mcp.deepwiki.com/mcp",
server_label="deepwiki",
server_description="Documentation for open-source GitHub projects"
),
# Internal server for product documentation
mcp(
server_url="https://docs.yourcompany.com/mcp",
server_label="internal-docs",
server_description="Internal technical documentation, architecture guides, ADRs",
authorization=f"Bearer {os.getenv('DOCS_TOKEN')}"
),
# Internal server for business data
mcp(
server_url="https://api.yourcompany.com/mcp",
server_label="data",
server_description="Business data: customers, orders, inventory",
authorization=f"Bearer {os.getenv('API_TOKEN')}",
allowed_tool_names=["search_customers", "get_order", "check_inventory"]
),
]
Be sedan Grok att jämföra den officiella React-dokumentationen med din interna arkitekturguide om routing: den frågar DeepWiki för den första och din dokumentationsserver för den andra, och ställer sedan de två mot varandra. Ingen modell kan producera detta svar enbart utifrån sin egen kunskap, och inte heller kan webbsökning göra det, eftersom hälften av materialet endast finns på ditt företag.
Lägg märke till slutligen hur de tre servrarna är konfigurerade på olika sätt. Den offentliga servern har varken token eller allowlist, den interna dokumentationen har en token men förblir till stor del öppen eftersom den är skrivskyddad, och affärsdatan kombinerar token med en strikt begränsning till tre operationer. Varje server bär på den kontrollnivå som dess innehåll motiverar – det är precis poängen med att separera dem.
Viktiga punkter
- DeepWiki (
https://mcp.deepwiki.com/mcp) är en färdig att använda offentlig MCP-server för GitHub-dokumentation - Du kan skapa dina egna MCP-servrar för att exponera verktyg specifika för din verksamhet
- En anpassad MCP-server är en HTTPS-webbapplikation som svarar på förfrågningar om upptäckt och exekvering
- Kombinationen av offentliga och interna servrar ger de mest kraftfulla konfigurationerna
- Varje server upprätthåller sin egen nivå av autentisering och verktygsbegränsning