結論：本記事では「Grokエージェントモードの使い方」を具体的なステップとコピペ可能な実例つきで解説します。
対象読者：本テーマに興味がある実務担当者・意思決定者。
読了後にできること：本記事の要点を踏まえて、自社や自分の状況に合わせた次のアクションを判断できます。
perl: warning: Setting locale failed.
perl: warning: Please check that your locale settings:
LANGUAGE = (unset),
LC_ALL = (unset),
LANG = “C.UTF-8”
are supported and installed on your system.
perl: warning: Falling back to the standard locale (“C”).
この記事でわかること
- grok.comでカスタムエージェントを5分で作る具体的な手順
- Agent Tools APIをPythonで呼び出すコードをコピペで使える形で公開
- grok-4.3 / grok-4.20-multi-agentのモデル選択基準と料金比較
- マルチエージェント（4並列・16並列）をAPIから制御する実装例
対象読者：Grokをすでに使っているが「エージェント機能」を本格活用できていない開発者・PM
今日からやること：記事を読みながら「Step 1: 最初の5分」を試す → 動いたらAPIキー取得 → Step 3のコードを自分のユースケースに改造する
「Grokってチャットで使うだけでしょ？」という認識は、2026年の今や半分以上が間違いです。
xAIが2026年にリリースしたAgent Tools APIとカスタムエージェント機能を使えば、Grokは「質問に答えるチャットボット」から「自律的にWebを検索し、コードを実行し、ファイルを参照して答えを出すエージェント」へと変わります。実際に検証環境でGrok 4.3とAgent Tools APIを組み合わせて使ってみると、単体チャットとは比較にならないほどの精度と自律性がありました。
この記事では、grok.comでのノーコード設定から、xAI SDK・OpenAI互換APIでのPython実装、そして4並列・16並列のマルチエージェント連携まで、公式ドキュメントに基づいて全網羅します。Grok関連のすべての記事へのハブとして設計しているので、ぜひブックマークして活用してください。
まず5分で動かす：grok.comでのカスタムエージェント設定
コードを書く前に、まずノーコードでエージェントの感覚をつかみましょう。grok.comには「Your Agents」という機能が搭載されており、専用エージェントを数分で作成できます。
カスタムエージェントの作成手順
- grok.comにアクセスしてログイン
- 左サイドバーまたは設定（歯車アイコン）から「Your Agents」を選択
- 「＋ 新しいエージェントを追加」をタップ
- 以下の項目を入力して保存
| 項目 | 内容 | 文字数上限 |
|---|---|---|
| エージェント名 | 「競合リサーチャー」「コードレビュアー」など役割名 | — |
| 説明（任意） | チームメンバーへの共有用の説明文 | — |
| 指示（System Prompt） | エージェントの役割・制約・出力形式 | メインエージェント: 4,000字 / 追加エージェント: 5,000字 |
| 使用モデル | grok-4.3（推奨）/ grok-4.20-multi-agent | — |
作成できるエージェント数は現在4体まで。それぞれに独立したSystem Promptを持たせることで、「リサーチ専門」「コードレビュー専門」「日本語要約専門」などの役割分担が可能です。
実践的なSystem Promptの書き方
カスタムエージェント設定で最も重要なのがSystem Promptの質です。以下は「競合市場リサーチャー」として実際に検証したPromptです。
あなたは市場調査と競合分析を専門とするリサーチャーです。
【役割】
- ユーザーが指定した企業・製品・市場についてリアルタイムデータを収集する
- X（旧Twitter）の最新投稿と公式Webサイトを必ず参照する
- 出力は「概要→データ→考察→推奨アクション」の順で構造化する
【制約】
- 情報源を必ず明記する（URL・日付を含む）
- 確認できない情報は「未確認」と明示する
- 競合他社を過度に批判しない
【出力形式】
- 日本語で回答
- 重要な数字は太字で強調
- 推奨アクションは番号付きリストで3〜5件
ポイント：役割・制約・出力形式の3セクションで書くと、エージェントの行動が安定します。「必ず〜する」「〜は禁止」という明示的な制約が特に効果的です。
xAI Agent Tools API：5つのビルトインツール
Grokのエージェント能力を本格的に活用するのがAgent Tools APIです。2026年2月にGrok 4.1 Fastとともにリリースされ、以下の5つのツールをサーバーサイドで提供します。開発者はAPIキー管理・レート制限・サンドボックス構築を自前でやる必要がありません。
| ツール名 | 機能 | 料金（1,000回あたり） |
|---|---|---|
| web_search | インターネットリアルタイム検索 | $5.00 |
| x_search | X（旧Twitter）リアルタイム検索 | $5.00 |
| code_execution | Pythonをセキュアなサンドボックスで実行 | $5.00 |
| file_search (collections_search) | アップロードしたドキュメント群を検索 | $2.50 |
| mcp | 外部MCPサーバーへの接続（カスタムツール） | — |
Grokはどのツールをいつ使うかを自律的に判断し、必要に応じて複数ツールを並列起動します。これが「エージェントらしさ」の核心部分です。
料金の詳細（最終確認: 2026-05-04）：入力トークンは$1.25/100万トークン、出力は$2.50/100万トークン（grok-4.3の場合）。ツール呼び出しコストは上記の通り別途加算されます。
Pythonで実装する：3つのアプローチ
Agent Tools APIへのアクセスは3つの方法があります。用途によって使い分けましょう。
アプローチ1：xAI SDK（推奨）
xAI公式Pythonライブラリを使う最もシンプルな方法です。Python 3.10以上が必要です。
# インストール（uv推奨）
uv add xai-sdk
# pipでも可
pip install xai-sdk
"""
xAI SDK を使ったAgent Tools基本実装
動作環境: Python 3.10+, xai-sdk最新版
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import web_search, x_search, code_execution
# 環境変数からAPIキーを取得（ハードコード禁止）
client = Client(api_key=os.environ["XAI_API_KEY"])
# ツール付きチャットセッションを作成
chat = client.chat.create(
model="grok-4.3", # 最新の推奨モデル（2026-05-04時点）
tools=[
web_search(), # インターネット検索を許可
x_search(), # X（Twitter）検索を許可
code_execution(), # Pythonコード実行を許可
],
)
# ユーザーメッセージを追加して実行
chat.append(user("最新のAIエージェントフレームワークの比較を調べて、表形式でまとめてください"))
# レスポンスを取得（同期版）
for token in chat.stream():
print(token, end="", flush=True)
print() # 改行
ポイント：`tools=[]` に追加したツールはGrokが自律的に判断して使います。「web_searchを使って」と指示しなくても、Grokが適切なタイミングで起動します。
アプローチ2：OpenAI互換SDK
既存のOpenAI SDK実装からの移行が最小コストで完了します。
"""
OpenAI互換SDK経由でGrok Agent Toolsを使う実装
動作環境: Python 3.10+, openai>=1.30.0
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["XAI_API_KEY"],
base_url="https://api.x.ai/v1", # xAIのエンドポイントに変更するだけ
)
response = client.responses.create(
model="grok-4.3",
tools=[
{"type": "web_search"},
{"type": "x_search"},
{"type": "code_interpreter"}, # OpenAI互換形式での記述
],
input=[{
"role": "user",
"content": "2026年5月時点のGrok APIの最新料金を調べて、GPT-4oと比較してください",
}],
)
print(response.output_text)
注意：マルチエージェントモデル（grok-4.20-multi-agent）はChat Completions API（/v1/chat/completions）では動作しません。Responses API（/v1/responses）またはxAI SDKを使ってください。
アプローチ3：カスタム関数呼び出し（Function Calling）
自社データベースや内部APIをGrokと連携させる場合はFunction Callingを使います。
"""
Function Callingでカスタムツールを定義する実装
動作環境: Python 3.10+, openai>=1.30.0
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
import json
from openai import OpenAI
client = OpenAI(
api_key=os.environ["XAI_API_KEY"],
base_url="https://api.x.ai/v1",
)
# カスタムツールの定義（JSON Schemaで型を明示）
tools = [
{
"type": "function",
"function": {
"name": "get_internal_data",
"description": "社内CRMから顧客データを取得する",
"parameters": {
"type": "object",
"properties": {
"customer_id": {
"type": "string",
"description": "顧客ID（例: CRM-12345）",
},
"fields": {
"type": "array",
"items": {"type": "string"},
"description": "取得するフィールド名リスト",
},
},
"required": ["customer_id"],
},
},
}
]
messages = [
{"role": "user", "content": "顧客CRM-99001の購買履歴を取得して分析してください"}
]
response = client.chat.completions.create(
model="grok-4.3",
messages=messages,
tools=tools,
tool_choice="auto", # Grokがツール使用を自律判断
)
# ツール呼び出しが要求された場合の処理
if response.choices[0].message.tool_calls:
tool_call = response.choices[0].message.tool_calls[0]
args = json.loads(tool_call.function.arguments)
print(f"Grokがリクエスト: {tool_call.function.name}({args})")
# ここで実際の内部API呼び出しを実装する
マルチエージェント実装：4並列と16並列の使い分け
Grok 4.20以降のマルチエージェントシステムは、複数の専門エージェントが並列で協議しながら回答を生成します。実際に使ってみると、単一エージェントと比べて複雑な調査タスクの回答精度が体感できるレベルで上がります。
| モード | エージェント数 | reasoning.effort / agent_count | 向いているタスク |
|---|---|---|---|
| 標準 | 1 | — | 単純な質問応答、要約 |
| 4並列（低） | 4 | effort=”low” / agent_count=4 | 複数視点が欲しいリサーチ |
| 4並列（中） | 4 | effort=”medium” | 技術分析、コードレビュー |
| 16並列（高） | 16 | effort=”high” / agent_count=16 | 深い調査、競合分析、論文要約 |
| 16並列（最高） | 16 | effort=”xhigh” | SuperGrok Heavy限定、最高精度 |
"""
マルチエージェント実装（xAI SDK版）
動作環境: Python 3.10+, xai-sdk最新版
注意: 16エージェントはトークン消費が大きい。コスト試算してから使うこと。
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import web_search, x_search
client = Client(api_key=os.environ["XAI_API_KEY"])
# 4並列エージェント（コスト抑えめ・調査向き）
chat_4 = client.chat.create(
model="grok-4.20-multi-agent",
agent_count=4, # 4エージェントで協議
tools=[web_search(), x_search()],
)
chat_4.append(user("LangChain・LlamaIndex・AutoGenの2026年現在の違いを技術的に比較してください"))
print("=== 4エージェント協議結果 ===")
for token in chat_4.stream():
print(token, end="", flush=True)
"""
マルチエージェント実装（OpenAI互換SDK版）
動作環境: Python 3.10+, openai>=1.30.0
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["XAI_API_KEY"],
base_url="https://api.x.ai/v1",
)
# reasoning.effortで並列数を制御（OpenAI SDK経由）
response = client.responses.create(
model="grok-4.20-multi-agent",
reasoning={"effort": "high"}, # high = 16並列相当
tools=[
{"type": "web_search"},
{"type": "x_search"},
],
input=[{
"role": "user",
"content": "xAI Grok 4.3の競合優位性を詳細に分析してください",
}],
)
print(response.output_text)
Grokエージェントエコシステム：全体像と内部リンク
Grokのエージェント機能は単独ではなく、複数の機能が組み合わさって動きます。以下が2026年5月時点の全体像です。
| レイヤー | 機能 | 主な用途 |
|---|---|---|
| ノーコード層 | grok.com「Your Agents」 | ビジネスユーザーの業務特化エージェント |
| APIツール層 | Agent Tools API（web_search・x_search等） | 開発者が実装するプロダクション向けエージェント |
| マルチエージェント層 | grok-4.20-multi-agent（4並列・16並列） | 複雑な調査・分析タスク |
| 拡張層 | MCP連携・Function Calling | 社内システムやサードパーティツールとの統合 |
| コーディング層 | Grok Build（8並列CLIエージェント） | コード生成・デバッグの並列化 |
各レイヤーの詳細は以下の関連記事を参照してください。
- Grok 4.20マルチエージェント実装｜4並列無料活用術 — マルチエージェントの実装詳細
- Grok Build完全ガイド｜8並列AIエージェントの使い方 — コーディングエージェントの並列化
- Grokカスタムエージェント設定・活用完全ガイド — ノーコード設定の詳細
- Grokエージェントモード活用術｜カスタム設定と実用プロンプト10選 — プロンプト実例集
- Grokエージェント作成完全ガイド｜APIで実装する全手順 — API実装の全手順
モデル選択ガイド：2026年5月時点の最新比較
どのモデルを使えばいいか迷うケースが多いので、用途別にまとめます。
| モデル | コンテキスト | 入力コスト | 出力コスト | 最適な用途 |
|---|---|---|---|---|
| grok-4.3 | 1Mトークン | $1.25/Mトークン | $2.50/Mトークン | 汎用エージェント・ツール統合 |
| grok-4.3（キャッシュ） | 1Mトークン | $0.20/Mトークン | — | 同一プロンプト繰り返し |
| grok-4.20-multi-agent | 2Mトークン | — | — | 深い調査・複雑分析 |
| grok-4.1 Fast | 2Mトークン | — | — | Agent Tools特化・高速ツール呼び出し |
料金情報の最終確認: 2026-05-04（公式モデルページで常に最新を確認してください）
実際の使用感としては、日常的なエージェントタスクにはgrok-4.3 + Agent Tools APIの組み合わせがコストパフォーマンス最良です。複雑な調査や競合分析にはgrok-4.20-multi-agentの4並列モードを使い分けるのが現実的です。
【要注意】よくある失敗パターンと回避策
失敗1：Chat Completions APIでマルチエージェントモデルを呼び出す
# ❌ NG：grok-4.20-multi-agentはchat.completionsでは動かない
response = client.chat.completions.create(
model="grok-4.20-multi-agent",
messages=[{"role": "user", "content": "..."}],
)
# → エラーが発生するかシングルエージェントとして動く
# ⭕ 正解：Responses APIを使う
response = client.responses.create(
model="grok-4.20-multi-agent",
reasoning={"effort": "low"},
input=[{"role": "user", "content": "..."}],
)
なぜ重要か：grok-4.20-multi-agentはResponses API専用エンドポイント（/v1/responses）でのみ正常動作します。既存のOpenAI SDKコードをそのまま転用すると、エラーが出るかシングルエージェントとして動作してマルチ協議の恩恵を受けられません。
失敗2：System Promptが曖昧でエージェントが迷走する
❌ 曖昧な指示
「役に立つアシスタントとして行動してください」
⭕ 具体的な指示
「あなたはAI業界の市場調査を専門とするリサーチャーです。
必ずWeb検索とX検索を使い、情報源URLと取得日時を明記してください。
回答は概要・データ・考察・推奨アクションの4セクションで構成してください。
確認できない情報は「未確認」と明示してください。」
なぜ重要か：Grokのエージェントは高い自律性を持つ反面、System Promptが曖昧だと目的を外れた行動を取りやすくなります。役割・制約・出力形式の3セクションで書くと安定します。
失敗3：ツールコストを見積もらずに本番投入する
Agent Tools APIは呼び出し回数課金です。web_searchが1回$0.005（1,000回で$5）なので、1ユーザーリクエストで複数ツールを呼び出す設計だと予想以上にコストが膨らみます。
"""ツール使用をログに記録してコスト監視する実装例"""
import os
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import web_search, x_search
client = Client(api_key=os.environ["XAI_API_KEY"])
chat = client.chat.create(
model="grok-4.3",
tools=[web_search(), x_search()],
)
chat.append(user("最新のAIニュースを調べてください"))
tool_call_count = 0
for token in chat.stream():
# ツール呼び出しイベントの検知（SDKのstream形式による）
if hasattr(token, 'tool_call'):
tool_call_count += 1
print(f"[LOG] ツール呼び出し #{tool_call_count}: {token.tool_call.name}")
else:
print(token, end="", flush=True)
print(f"n[LOG] 合計ツール呼び出し: {tool_call_count}回 / 推定コスト: ${tool_call_count * 0.005:.4f}")
失敗4：カスタムエージェントのSystem Promptに機密情報を入れる
grok.comの「Your Agents」に入力したSystem Promptは、xAIのサーバーに保存されます。社内の機密情報（顧客名、APIキー、内部システムのURL等）をSystem Promptに直接書かないでください。機密情報はFunction Callingで動的に渡す設計にしましょう。
MCP連携：外部サービスとの統合
GrokのAgent Tools APIはMCP（Model Context Protocol）をサポートしており、外部MCPサーバーに接続することで任意のカスタムツールを追加できます。
"""
MCPサーバー連携の実装例
動作環境: Python 3.10+, xai-sdk最新版
注意: MCPサーバーは事前に起動しておく必要があります。
注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
"""
import os
from xai_sdk import Client
from xai_sdk.chat import user
from xai_sdk.tools import web_search, mcp
client = Client(api_key=os.environ["XAI_API_KEY"])
chat = client.chat.create(
model="grok-4.3",
tools=[
web_search(),
mcp(
server_url="https://your-mcp-server.example.com", # 自社MCPサーバーURL
server_name="company_tools", # 識別名
# 必要に応じてAPI認証ヘッダーを追加
),
],
)
chat.append(user("社内の最新プロジェクトステータスをまとめてください"))
for token in chat.stream():
print(token, end="", flush=True)
MCPサーバーとしては、Slack・GitHub・Notion・Jira等のコネクタが公開されています。自社データウェアハウスに接続するカスタムMCPサーバーを構築することも可能です。
参考・出典
- Getting Started | xAI Docs — xAI公式（参照日: 2026-05-04）
- Multi Agent | xAI Docs — xAI公式マルチエージェントドキュメント（参照日: 2026-05-04）
- Tools Overview | xAI Docs — Agent Tools API全ツール一覧（参照日: 2026-05-04）
- Models and Pricing | xAI Docs — モデルと料金（参照日: 2026-05-04）
- xAI SDK Python — GitHub — 公式PythonSDK（参照日: 2026-05-04）
- Grok 4.3 API major release — Apiyi.com Blog（参照日: 2026-05-04）
まとめ：今日から始める3つのアクション
- 今日：grok.comにアクセスして「Your Agents」から1体だけカスタムエージェントを作成する。System Promptは「役割・制約・出力形式」の3セクションで書く
- 今週中：
pip install xai-sdkでSDKをインストールし、本記事の「アプローチ1: xAI SDK」コードを自分の環境で動かす - 今月中：実業務で使うツール（web_search・x_search・code_execution）を組み合わせたエージェントを作成し、ツール呼び出しコストを計測してコスト最適化の判断材料にする
あわせて読みたい
- Grok 4.20マルチエージェント実装｜4並列無料活用術 — マルチエージェントの実装をより深く解説
- Grokエージェント作成完全ガイド｜APIで実装する全手順 — API実装の全手順（最新版）
- Grok Build完全ガイド｜8並列AIエージェントの使い方 — コーディング特化エージェント
この記事を読んで導入イメージが固まってきた方へ
UravationではAIエージェント導入の研修・コンサルを行っています。Grokを含むAIエージェントの業務活用・内製化支援について、お気軽にご相談ください。
著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー10万人超。
100社以上の企業向けAI研修・導入支援。著書累計3万部突破。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
よくある質問
この記事のテーマを検討する前に何を確認すべきですか？
「Grokエージェントモードの使い方」を検討する際は、対応する業務、必要なデータ、権限管理、既存ツールとの連携、運用担当者、評価指標を先に整理します。機能比較だけでなく、現場で使い続けられるかを確認することが重要です。
AIエージェント導入で失敗しやすい点は何ですか？
目的が曖昧なまま導入する、ログや評価基準を用意しない、例外処理を人に戻す設計がない、セキュリティ権限を広げすぎる、といった点で失敗しやすくなります。
小さく試す場合の最初の一歩は何ですか？
問い合わせ分類、議事録整理、社内ナレッジ検索、定型レポート作成など、入力と成果物が明確な業務から始めます。1〜2週間で効果を測れる単位に絞ると判断しやすくなります。
