Grok MCP Plugin

Plugin Grok MCP

Um plugin de Model Context Protocol (MCP) que fornece acesso direto às poderosas capacidades da IA Grok diretamente do Cline.

Recursos

Este plugin expõe três ferramentas poderosas por meio da interface MCP:

1. Conclusão de Chat - Gere respostas de texto usando os modelos de linguagem da Grok
2. Compreensão de Imagens - Analise imagens com as capacidades de visão da Grok
3. Chamada de Funções - Use a Grok para chamar funções com base na entrada do usuário

Pré-requisitos

• Node.js (v16 ou superior)
• Uma chave de API da IA Grok (obtenha em console.x.ai)
• Cline com suporte a MCP

Instalação

1. Clone este repositório:

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

2. Instale as dependências:

   npm install
   

3. Compile o projeto:

   npm run build
   

4. Adicione o servidor MCP às configurações de MCP do seu Cline:

   Para a extensão Cline do VSCode, edite o arquivo em:

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

   Adicione a seguinte configuração:

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

   Substitua /path/to/grok-mcp pelo caminho real da sua instalação e your-grok-api-key pela sua chave de API da IA Grok.

Uso

Após a instalação e configuração, o plugin Grok MCP fornece três ferramentas que podem ser usadas no Cline:

Conclusão de Chat

Gere respostas de texto usando os modelos de linguagem da 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>

Compreensão de Imagens

Analise imagens com as capacidades de visão da 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>

Você também pode usar imagens codificadas em 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>

Chamada de Funções

Use a Grok para chamar funções com base na entrada do usuário:

<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>

Referência da API

Conclusão de Chat

Gere uma resposta usando a conclusão de chat da IA Grok.

Parâmetros:

• messages (obrigatório): Matriz de objetos de mensagem com função e conteúdo
• model (opcional): Modelo Grok a ser usado (padrão: grok-3-mini-beta)
• temperature (opcional): Temperatura de amostragem (0-2, padrão: 1)
• max_tokens (opcional): Número máximo de tokens a serem gerados (padrão: 16384)

Compreensão de Imagens

Analise imagens usando as capacidades de visão da IA Grok.

Parâmetros:

• prompt (obrigatório): Prompt de texto para acompanhar a imagem
• image_url (opcional): URL da imagem a ser analisada
• base64_image (opcional): Dados de imagem codificados em base64 (sem o prefixo data:image)
• model (opcional): Modelo de visão Grok a ser usado (padrão: grok-2-vision-latest)

Observação: image_url ou base64_image deve ser fornecido.

Chamada de Funções

Use a IA Grok para chamar funções com base na entrada do usuário.

Parâmetros:

• messages (obrigatório): Matriz de objetos de mensagem com função e conteúdo
• tools (obrigatório): Matriz de objetos de ferramenta com tipo, nome da função, descrição e parâmetros
• tool_choice (opcional): Modo de escolha da ferramenta (auto, required, none, padrão: auto)
• model (opcional): Modelo Grok a ser usado (padrão: grok-3-mini-beta)

Desenvolvimento

Estrutura do Projeto

• src/index.ts - Implementação principal do servidor
• src/grok-api-client.ts - Implementação do cliente da API Grok

Compilação

npm run build

Execução

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

Licença

Este projeto está licenciado sob a Licença MIT - consulte o arquivo LICENSE para obter detalhes.

Agradecimentos

• Model Context Protocol
• Grok AI