Complemento Grok MCP

Un complemento de Protocolo de contexto de modelo (MCP) que proporciona acceso perfecto a las potentes capacidades de Grok AI directamente desde Cline.

Características

Este complemento expone tres herramientas poderosas a través de la interfaz MCP:

1. Completar chat : genere respuestas de texto utilizando los modelos de lenguaje de Grok

2. Comprensión de imágenes : analice imágenes con las capacidades de visión de Grok

3. Llamada de funciones : utilice Grok para llamar a funciones según la entrada del usuario

Related MCP server: MCP Atlassian Server

Prerrequisitos

• Node.js (v16 o superior)

• Una clave API de Grok AI (obtenida en console.x.ai )

• Cline con soporte MCP

Instalación

1. Clonar este repositorio:

   git clone https://github.com/Bob-lance/grok-mcp.git
   cd grok-mcp

2. Instalar dependencias:

   npm install

3. Construir el proyecto:

   npm run build

4. Agregue el servidor MCP a su configuración de Cline MCP:

   Para la extensión Cline de VSCode, edite el archivo en:

   ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json

   Agregue la siguiente configuración:

   {
     "mcpServers": {
       "grok-mcp": {
         "command": "node",
         "args": ["/path/to/grok-mcp/build/index.js"],
         "env": {
           "XAI_API_KEY": "your-grok-api-key"
         },
         "disabled": false,
         "autoApprove": []
       }
     }
   }

   Reemplace /path/to/grok-mcp con la ruta real a su instalación y your-grok-api-key con su clave API de Grok AI.

Uso

Una vez instalado y configurado, el complemento Grok MCP proporciona tres herramientas que se pueden utilizar en Cline:

Finalización del chat

Genere respuestas de texto utilizando los modelos de lenguaje de Grok:

<use_mcp_tool>
<server_name>grok-mcp</server_name>
<tool_name>chat_completion</tool_name>
<arguments>
{
  "messages": [
    {
      "role": "system",
      "content": "You are a helpful assistant."
    },
    {
      "role": "user",
      "content": "Hello, what can you tell me about Grok AI?"
    }
  ],
  "temperature": 0.7
}
</arguments>
</use_mcp_tool>

Comprensión de imágenes

Analice imágenes con las capacidades de visión de Grok:

<use_mcp_tool>
<server_name>grok-mcp</server_name>
<tool_name>image_understanding</tool_name>
<arguments>
{
  "image_url": "https://example.com/image.jpg",
  "prompt": "What is shown in this image?"
}
</arguments>
</use_mcp_tool>

También puedes utilizar imágenes codificadas en base64:

<use_mcp_tool>
<server_name>grok-mcp</server_name>
<tool_name>image_understanding</tool_name>
<arguments>
{
  "base64_image": "base64-encoded-image-data",
  "prompt": "What is shown in this image?"
}
</arguments>
</use_mcp_tool>

Llamada de función

Utilice Grok para llamar funciones según la entrada del usuario:

<use_mcp_tool>
<server_name>grok-mcp</server_name>
<tool_name>function_calling</tool_name>
<arguments>
{
  "messages": [
    {
      "role": "user",
      "content": "What's the weather like in San Francisco?"
    }
  ],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "Get the current weather in a given location",
        "parameters": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "The city and state, e.g. San Francisco, CA"
            },
            "unit": {
              "type": "string",
              "enum": ["celsius", "fahrenheit"],
              "description": "The unit of temperature to use"
            }
          },
          "required": ["location"]
        }
      }
    }
  ]
}
</arguments>
</use_mcp_tool>

Referencia de API

Finalización del chat

Genere una respuesta utilizando la función de finalización de chat de Grok AI.

Parámetros:

• messages (obligatorio): Matriz de objetos de mensaje con rol y contenido

• model (opcional): modelo de Grok a utilizar (predeterminado: grok-2-latest)

• temperature (opcional): Temperatura de muestreo (0-2, predeterminado 1)

• max_tokens (opcional): Número máximo de tokens a generar (predeterminado: 16384)

Comprensión de imágenes

Analice imágenes utilizando las capacidades de visión de Grok AI.

Parámetros:

• prompt (obligatorio): Texto de aviso para acompañar la imagen

• image_url (opcional): URL de la imagen a analizar

• base64_image (opcional): datos de imagen codificados en Base64 (sin el prefijo data:image)

• model (opcional): modelo de visión de Grok a utilizar (el valor predeterminado es grok-2-vision-latest)

Nota: Se debe proporcionar image_url o base64_image .

Llamada de función

Utilice Grok AI para llamar funciones según la entrada del usuario.

Parámetros:

• messages (obligatorio): Matriz de objetos de mensaje con rol y contenido

• tools (obligatorio): Matriz de objetos de herramientas con tipo, nombre de función, descripción y parámetros

• tool_choice (opcional): modo de elección de herramienta (automático, obligatorio, ninguno, predeterminado en automático)

• model (opcional): modelo de Grok a utilizar (predeterminado: grok-2-latest)

Desarrollo

Estructura del proyecto

• src/index.ts - Implementación del servidor principal

• src/grok-api-client.ts - Implementación del cliente de la API de Grok

Edificio

npm run build

Correr

XAI_API_KEY="your-grok-api-key" node build/index.js

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

Expresiones de gratitud

• Protocolo de contexto modelo

• Grok AI