Grok MCP Plugin
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:
Completar chat : genere respuestas de texto utilizando los modelos de lenguaje de Grok
Comprensión de imágenes : analice imágenes con las capacidades de visión de Grok
Llamada de funciones : utilice Grok para llamar a funciones según la entrada del usuario
Related MCP server: Grok MCP Server
Prerrequisitos
Node.js (v16 o superior)
Una clave API de Grok AI (obtenida en console.x.ai )
Cline con soporte MCP
Instalación
Clonar este repositorio:
git clone https://github.com/Bob-lance/grok-mcp.git cd grok-mcpInstalar dependencias:
npm installConstruir el proyecto:
npm run buildAgregue 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.jsonAgregue 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-mcpcon la ruta real a su instalación yyour-grok-api-keycon 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 contenidomodel(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 imagenimage_url(opcional): URL de la imagen a analizarbase64_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 contenidotools(obligatorio): Matriz de objetos de herramientas con tipo, nombre de función, descripción y parámetrostool_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 principalsrc/grok-api-client.ts- Implementación del cliente de la API de Grok
Edificio
npm run buildCorrer
XAI_API_KEY="your-grok-api-key" node build/index.jsLicencia
Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.
Expresiones de gratitud
Available Tools
3 toolschat_completionC
Generate a response using Grok AI chat completion
Inputs: messages (required), max_tokens, model, temperature.
function_callingC
Use Grok AI to call functions based on user input
Inputs: messages (required), tools (required), model, tool_choice.
image_understandingC
Analyze images using Grok AI vision capabilities (Note: Grok 3 may support image creation)
Inputs: prompt (required), base64_image, image_url, model.
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 3 tools
Each tool has a clearly distinct purpose: chat_completion handles text generation, function_calling manages function execution, and image_understanding focuses on visual analysis. There is no overlap in functionality, making tool selection straightforward for an agent.
The tools follow a consistent snake_case naming convention, but the pattern is not strictly verb_noun (e.g., chat_completion, function_calling, image_understanding). The naming is readable and logical, with only minor deviations from a perfect pattern.
With only 3 tools, the set feels thin for a general-purpose AI plugin, potentially lacking operations like text summarization, translation, or audio processing. However, it covers core AI functionalities adequately for basic use cases.
The tools cover key AI areas (text, functions, images), but there are notable gaps such as missing text analysis tools (e.g., sentiment analysis, summarization) and no explicit support for audio or video processing. The surface is functional but not comprehensive for a full AI suite.
Maintenance
Related MCP Connectors
One thread for every AI assistant you use. Share tasks and context across ChatGPT, Claude and Grok.
Pay-per-call chat on GPT-6.1, Claude, Gemini and Grok over x402. No API key; a failed call is free.
Pay-per-call chat on GPT-6.1, Claude, Gemini and Grok over x402. No API key; a failed call is free.
Source-checked CLI guides and model-aware planning for Claude Code, Codex, and Grok Build.
Related MCP Servers
- AlicenseNot gradedqualityFmaintenanceA custom Model Context Protocol implementation that integrates Perplexity AI with Claude Desktop, allowing users to access Perplexity's AI models for both single questions and multi-turn conversations.23 npmISC
- AlicenseBqualityDmaintenanceEnables interaction with the Grok AI through an MCP server, supporting chat completions, text completions, embeddings, and model operations with streaming capabilities.516 npm7MIT
- AlicenseBqualityDmaintenanceProvides seamless access to Grok AI models through the Model Context Protocol by wrapping the official Grok CLI, offering tools for general queries, multi-turn conversations, and code generation.39MIT
- AlicenseBqualityFmaintenanceEnables chat completions using x.ai's Grok API with support for multiple Grok models (grok-beta, grok-2-latest, grok-4-latest) and configurable parameters like temperature and max tokens.14 npmMIT