跳到主要内容
此页面引用了 xAI 提供的 Grok 模型 - 请勿与独立的 AI 硬件和软件公司 Groq 混淆。请参阅 Groq 提供商页面。
此页面将帮助您开始使用 xAI 聊天模型。有关所有 ChatXAI 功能和配置的详细文档，请访问 API 参考。 xAI 提供了与 Grok 模型交互的 API。

​
概览

​
集成详情

类别包本地可序列化JS 支持下载量版本
ChatXAIlangchain-xai❌测试版✅PyPI - DownloadsPyPI - Version

​
模型功能

工具调用结构化输出JSON 模式图像输入音频输入视频输入令牌级流式传输原生异步Token 用量Logprobs
✅✅❌❌❌❌✅❌✅✅

​
设置

要访问 xAI 模型，您需要创建一个 xAI 账户，获取一个 API 密钥，并安装 langchain-xai 集成包。

​
凭据

前往 此页面 注册 xAI 并生成一个 API 密钥。完成后，设置 XAI_API_KEY 环境变量。 
import getpass
import os

if "XAI_API_KEY" not in os.environ:
    os.environ["XAI_API_KEY"] = getpass.getpass("Enter your xAI API key: ")
要启用模型调用的自动化跟踪，请设置您的 LangSmith API 密钥 
os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
os.environ["LANGSMITH_TRACING"] = "true"

​
安装

LangChain xAI 集成位于 langchain-xai 包中。 
pip install -qU langchain-xai

​
实例化

现在我们可以实例化我们的模型对象并生成聊天完成 
from langchain_xai import ChatXAI

llm = ChatXAI(
    model="grok-beta",
    temperature=0,
    max_tokens=None,
    timeout=None,
    max_retries=2,
    # other params...
)

​
调用

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg

AIMessage(content="J'adore programmer.", additional_kwargs={'refusal': None}, response_metadata={'token_usage': {'completion_tokens': 6, 'prompt_tokens': 30, 'total_tokens': 36, 'completion_tokens_details': None, 'prompt_tokens_details': None}, 'model_name': 'grok-beta', 'system_fingerprint': 'fp_14b89b2dfc', 'finish_reason': 'stop', 'logprobs': None}, id='run-adffb7a3-e48a-4f52-b694-340d85abe5c3-0', usage_metadata={'input_tokens': 30, 'output_tokens': 6, 'total_tokens': 36, 'input_token_details': {}, 'output_token_details': {}})

print(ai_msg.content)

J'adore programmer.

​
工具调用

ChatXAI 拥有一个 工具调用（我们在此处互换使用“工具调用”和“函数调用”）API，它允许您描述工具及其参数，并让模型返回一个 JSON 对象，其中包含要调用的工具和该工具的输入。工具调用对于构建使用工具的链和代理，以及更普遍地从模型获取结构化输出非常有用。

​
ChatXAI.bind_tools()

通过 ChatXAI.bind_tools，我们可以轻松地将 Pydantic 类、字典 schemas、LangChain 工具，甚至函数作为工具传递给模型。在底层，这些被转换为 OpenAI 工具 schema，它看起来像 
{
    "name": "...",
    "description": "...",
    "parameters": {...}  # JSONSchema
}
并传递给每次模型调用。 
from pydantic import BaseModel, Field


class GetWeather(BaseModel):
    """Get the current weather in a given location"""

    location: str = Field(..., description="The city and state, e.g. San Francisco, CA")


llm_with_tools = llm.bind_tools([GetWeather])

ai_msg = llm_with_tools.invoke(
    "what is the weather like in San Francisco",
)
ai_msg

AIMessage(content='I am retrieving the current weather for San Francisco.', additional_kwargs={'tool_calls': [{'id': '0', 'function': {'arguments': '{"location":"San Francisco, CA"}', 'name': 'GetWeather'}, 'type': 'function'}], 'refusal': None}, response_metadata={'token_usage': {'completion_tokens': 11, 'prompt_tokens': 151, 'total_tokens': 162, 'completion_tokens_details': None, 'prompt_tokens_details': None}, 'model_name': 'grok-beta', 'system_fingerprint': 'fp_14b89b2dfc', 'finish_reason': 'tool_calls', 'logprobs': None}, id='run-73707da7-afec-4a52-bee1-a176b0ab8585-0', tool_calls=[{'name': 'GetWeather', 'args': {'location': 'San Francisco, CA'}, 'id': '0', 'type': 'tool_call'}], usage_metadata={'input_tokens': 151, 'output_tokens': 11, 'total_tokens': 162, 'input_token_details': {}, 'output_token_details': {}})
xAI 支持 实时搜索 功能，该功能使 Grok 能够利用网络搜索结果来验证其答案。 
from langchain_xai import ChatXAI

llm = ChatXAI(
    model="grok-3-latest",
    search_parameters={
        "mode": "auto",
        # Example optional parameters below:
        "max_search_results": 3,
        "from_date": "2025-05-26",
        "to_date": "2025-05-27",
    },
)

llm.invoke("Provide me a digest of world news in the last 24 hours.")
有关所有网络搜索选项的完整列表，请参阅 xAI 文档。

​
API 参考

有关所有 ChatXAI 功能和配置的详细文档，请访问 API 参考。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.