grok-chat

mcp-server-grok-chat

适用于 xAI Grok API 的 MCP（Model Context Protocol）服务。使用 Rust 构建，将聊天补全、视觉、网页/X 搜索、嵌入和模型列表功能作为 MCP 工具提供。

与所有 MCP 服务一样，通过 stdio 使用 JSON-RPC 2.0 进行通信。

工具

工具	说明
chat	向 Grok 发送聊天补全请求，支持可选的多轮历史记录、系统提示词、结构化输出（JSON schema）、模型选择和多 Agent 研究
chat_with_vision	提供图像 URL 和文本提示词，使用 Grok 的视觉能力分析图像
chat_with_search	使用实时网页搜索和／或 X（Twitter）搜索与 Grok 对话，为回复提供依据
embedding	使用 Grok 的嵌入模型生成文本嵌入
list_models	列出所有可用的 Grok 模型及其 ID（缓存 5 分钟）

chat

发送聊天补全请求。支持通过 JSON 消息历史数组进行多轮对话、系统提示词、通过 JSON schema 实现结构化输出、温度控制、模型选择和多 Agent 研究。

使用多 Agent 模型（任何包含 multi-agent 的模型 ID）时，请求会自动通过 Responses API 路由。多 Agent 模型会将查询分派给多个 Agent 并行研究，然后综合其发现。使用 reasoning_effort 控制 Agent 数量。调用 list_models 工具可查看当前可用的多 Agent 模型。

参数：

名称	类型	必需	说明
prompt	string	是	要发送的用户消息
model	string	否	模型 ID（默认：grok-4.3）。调用 list_models 获取当前模型列表。
system_prompt	string	否	用于设定上下文的系统提示词
messages	string	否	完整对话历史，以 {role, content} 对象组成的 JSON 数组表示
temperature	float	否	采样温度（0.0 - 2.0）
max_tokens	integer	否	生成的最大 token 数
response_schema	string	否	用于强制结构化输出的 JSON schema 字符串
reasoning_effort	string	否	对于 grok-4.3：low/medium/high 控制原生推理深度。对于多 Agent 模型：low/medium = 4 个 Agent，high/xhigh = 16 个 Agent（xhigh 仅适用于多 Agent 模型）。

chat_with_vision

使用 Grok 的视觉能力分析图像。

参数：

名称	类型	必需	说明
prompt	string	是	描述要分析内容的文本提示词
image_url	string	是	图像 URL（必须以 http:// 或 https:// 开头）
model	string	否	模型 ID（默认：grok-4.3）。必须是支持视觉的模型。调用 list_models 获取当前模型列表。
detail	string	否	图像细节级别：low 或 high（默认：high）
temperature	float	否	采样温度（0.0 - 2.0）
max_tokens	integer	否	生成的最大 token 数

chat_with_search

使用实时网页搜索和／或 X（Twitter）搜索与 Grok 对话。模型会自动搜索互联网，为回复提供依据。

参数：

名称	类型	必需	说明
prompt	string	是	要发送的用户消息
search_type	string	否	搜索类型：web、x 或 both（默认：both）
model	string	否	模型 ID（默认：grok-4.3）。调用 list_models 获取当前模型列表。
system_prompt	string	否	用于设定上下文的系统提示词
temperature	float	否	采样温度（0.0 - 2.0）
max_tokens	integer	否	生成的最大 token 数
reasoning_effort	string	否	对于 grok-4.3：low/medium/high 控制原生推理深度。对于多 Agent 模型：low/medium = 4 个 Agent，high/xhigh = 16 个 Agent（xhigh 仅适用于多 Agent 模型）。

embedding

生成文本嵌入向量。

参数：

名称	类型	必填	描述
input	string	是	要生成嵌入向量的文本，格式为 JSON：单个字符串或字符串数组
model	string	否	要使用的嵌入模型（默认值：grok-2-text-embedding）

list_models

列出所有可用的 Grok 模型。无需参数。结果会缓存 5 分钟。

前置条件

• Rust（edition 2024）
• 从 console.x.ai 获取的 xAI API 密钥

设置

创建配置文件：

mkdir -p ~/.config/mcp-server-grok-chat

创建 ~/.config/mcp-server-grok-chat/config.toml：

api_key = "xai-..."

构建

cargo build --release

这会生成 target/release/grok-chat。

用于开发：

cargo build              # debug build
cargo run                # run in dev mode
RUST_LOG=debug cargo run # run with debug logging

MCP 配置

添加到你的 Claude Desktop 配置文件（~/.config/Claude/claude_desktop_config.json）：

{
  "mcpServers": {
    "grok-chat": {
      "command": "/path/to/grok-chat"
    }
  }
}

项目结构

src/
  main.rs    - entry point, config loading, stdio transport setup
  server.rs  - MCP tool definitions (chat, chat_with_vision, chat_with_search, embedding, list_models)
  api.rs     - xAI HTTP client, request/response types, response formatters
  params.rs  - tool parameter types with serde and JSON Schema derives
  config.rs  - TOML config loading

许可证

MIT