Grok MCP 插件
模型上下文协议 (MCP) 插件可直接从 Cline 无缝访问 Grok AI 的强大功能。
特征
该插件通过 MCP 接口公开了三个强大的工具：
聊天完成- 使用 Grok 的语言模型生成文本响应
图像理解——利用 Grok 的视觉功能分析图像
函数调用——使用 Grok 根据用户输入调用函数
Related MCP server: MCP Atlassian Server
先决条件
Node.js（v16 或更高版本）
Grok AI API 密钥（从console.x.ai获取）
Cline 与 MCP 支持
安装
克隆此存储库：
git clone https://github.com/Bob-lance/grok-mcp.git cd grok-mcp安装依赖项：
npm install构建项目：
npm run build将 MCP 服务器添加到您的 Cline MCP 设置：
对于 VSCode Cline 扩展，请编辑以下文件：
~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json添加以下配置：
{ "mcpServers": { "grok-mcp": { "command": "node", "args": ["/path/to/grok-mcp/build/index.js"], "env": { "XAI_API_KEY": "your-grok-api-key" }, "disabled": false, "autoApprove": [] } } }将
/path/to/grok-mcp替换为您的安装的实际路径，并将your-grok-api-key替换为您的 Grok AI API 密钥。
用法
安装并配置完成后，Grok MCP 插件将提供三个可在 Cline 中使用的工具：
聊天完成
使用 Grok 的语言模型生成文本响应：
<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>图像理解
使用 Grok 的视觉功能分析图像：
<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>您还可以使用 base64 编码的图像：
<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>函数调用
使用 Grok 根据用户输入调用函数：
<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>API 参考
聊天完成
使用 Grok AI 聊天完成生成响应。
参数：
messages（必需）：具有角色和内容的消息对象数组model（可选）：要使用的 Grok 模型（默认为 grok-2-latest）temperature（可选）：采样温度（0-2，默认为1）max_tokens（可选）：要生成的最大令牌数（默认为 16384）
图像理解
使用 Grok AI 视觉功能分析图像。
参数：
prompt（必需）：与图片一起出现的文字提示image_url（可选）：要分析的图像的 URLbase64_image（可选）：Base64 编码的图像数据（不带 data:image 前缀）model（可选）：要使用的 Grok 视觉模型（默认为 grok-2-vision-latest）
注意：必须提供image_url或base64_image 。
函数调用
使用 Grok AI 根据用户输入调用函数。
参数：
messages（必需）：具有角色和内容的消息对象数组tools（必需）：具有类型、函数名称、描述和参数的工具对象数组tool_choice（可选）：工具选择模式（自动、必需、无，默认为自动）model（可选）：要使用的 Grok 模型（默认为 grok-2-latest）
发展
项目结构
src/index.ts- 主服务器实现src/grok-api-client.ts- Grok API 客户端实现
建筑
npm run build跑步
XAI_API_KEY="your-grok-api-key" node build/index.js执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅LICENSE文件。