Grok 内置工具怎么选

「我要接搜索，是自己写爬虫调 API，还是让模型自己搜？」——这个问题问错方向时，常见的结果是：花两周写了一个搜索函数，接上后发现模型本来就有内置搜索，而且在服务端直接执行，不需要你回传结果。

区分内置工具与自定义函数，是选型的第一步。

一、问题不是「有没有工具」，而是「在哪一侧执行」

官方把工具分成两类，执行位置不同：

• 内置工具：在服务端自动执行。模型决定搜索后，平台自己完成，你只拿到最终结果。包括网页搜索、X 搜索、代码执行、图像生成、集合检索、附件检索等。
• 自定义函数：在你的环境执行。模型返回 tool_call 后暂停，等你执行并把结果回传，它才继续。

这个区别决定了三件事：你要不要写执行代码、失败由谁负责、以及成本怎么算。把内置工具当自定义函数接，会多写一套永远用不上的执行逻辑。

二、最小可运行示例：按需求选工具

下面的脚本不联网、不需要真实密钥。它把常见需求映射到「内置还是自定义」，并给出理由。

"""工具选型：按需求返回内置工具或自定义函数。"""

def choose_tool(need: str) -> str:
    table = {
        "实时网页信息": "web_search（内置，服务端执行）",
        "X 平台讨论": "x_search（内置）",
        "计算与数据处理": "code_execution（内置）",
        "生成图片": "image_generation（内置）",
        "内部文档检索": "collections_search（内置）或自定义检索",
        "写入你的数据库": "自定义 function（本地执行）",
        "调用内部审批接口": "自定义 function（本地执行）",
    }
    return table.get(need, "无直接匹配：评估自定义 function")

def offline_check() -> None:
    needs = ["实时网页信息", "X 平台讨论", "写入你的数据库", "订机票"]
    for n in needs:
        print(f"{n} -> {choose_tool(n)}")

if __name__ == "__main__":
    offline_check()

真正选型时，先问一句「这个动作能不能在服务端完成」。能，就用内置；不能（要访问你的内网、要写你的库），才写自定义函数。

三、内置与自定义的分工

三件要强调的事：

• 两类可以混用。官方示例里 web_search 与自定义 save_to_database 出现在同一个 tools 数组：内置的自动执行，自定义的暂停等你处理。混用时要想清楚「哪一步需要你介入」。
• 计价按两部分。官方写明工具调用由 token 用量 + 调用次数 组成，一次请求可能触发多次调用。所以「让模型多搜几次」不是免费的，估算时要单独列一条（见 5.1）。
• 不要为内置能力重复造轮子。能搜就别自己爬，能算就别自己写沙箱；自定义函数的价值在「只有你能做」的那部分。

四、预期输出与异常分支

运行选型器，预期输出：

实时网页信息 -> web_search（内置，服务端执行）
X 平台讨论 -> x_search（内置）
写入你的数据库 -> 自定义 function（本地执行）
订机票 -> 无直接匹配：评估自定义 function

换成真实接入时，若出现异常，按下面顺序定位：

最后一行尤其重要：选型失误的成本往往不在代码，而在维护——你写了一个能用的搜索函数，却要长期为它的稳定性、限流和合规负责。

五、判据卡

这张卡的重点是先问执行侧。五条里有四条都在回答同一个问题：这个动作发生在谁的环境里。

六、来源与核验

• 官方 Tools Overview：https://docs.x.ai/developers/tools/overview（核验日期 2026-11-04）。内置工具分类、服务端执行与自定义函数的区别、工具调用由 token 与调用次数两部分计价的口径，均以该页为准。
• 官方 Function Calling：https://docs.x.ai/developers/tools/function-calling（核验日期 2026-11-04）。内置工具与自定义函数混用的说明、tools 数组写法来自该页。
• 具体单价不在此节断言；价格以官方定价页与控制台当前显示为准。

七、动手试

1. 列出你项目里准备自己写的三个「工具」，逐个对照官方工具页，判断哪些其实内置已有。
2. 设计一个混用场景：先用内置搜索拿到资料，再用自定义函数写入你的库。写出两次调用的顺序与各自的返回形态。
3. 估算一次「让模型搜 3 次」的成本：分别列出 token 部分与调用次数部分，说明哪一部分更可控。