Vexa
作者：Vexa-ai
Meeting bot and transcripts for Google Meet, Teams and Zoom. Live or after, speakers labelled.
在云端运行★ 2,949Apache-2.02个月前更新
安装
Grok Chat
概览
作者提供的说明（英文原文）
MCP server for the xAI Grok API — chat, vision, search, and embeddings
PopNx MCP 的三大支柱
这三项永远不会合并成一个分数：意见、测量和人气是不同的东西。
- 用户评价i暂无评价评价功能将在后续阶段与账户功能一起开放
- 我们的基础检查i1 项中通过 1 项依据公开信息检查；尚未扫描代码
- 使用情况i尚未统计★ –
它能帮你做什么
我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。
- 连接方式: –
- 传输方式:
- 分类: 聊天与邮件
安装
选择你使用的 AI 应用，然后复制设置。
安装之前
- 基础检查：1 项中通过 1 项
- 在你的电脑上运行，拥有你的用户账户的权限（文件、网络、应用）。
- 注册中心没有列出需要填写的密钥。
作者没有在注册中心列出安装信息。请查看下方作者的 README。
它能做什么
它在你的电脑上运行；安装后，工具列表会显示在你的 AI 应用中。
基础检查i
我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月6日
- ✓ 通过
作者与仓库一致
注册名称已通过 GitHub 账户 codeChap 验证，该账户拥有此仓库
- … 尚未检查
仍在维护
我们还没有从 GitHub 读取这个仓库
- … 尚未检查
有许可证
我们还没有从 GitHub 读取这个仓库
- – 不适用
端点有响应
它在你的电脑上运行，没有互联网端点
- – 不适用
使用 OAuth 登录
在你的电脑上运行，改用本地设置
- … 尚未检查
工具描述中没有隐藏指令
它在你的电脑上运行；我们只能读取互联网端点的工具列表
与“聊天与邮件”中的其他服务器比较i
- 星标数多于此分类中其他 1762 个服务器的 0%
- 发布到注册中心的时间比此分类中其他 1762 个服务器的 17% 更新
- 基础检查结果等于或优于此分类中其他 1762 个服务器的 100%
与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。
常见问题
Grok Chat 安全吗？
它在 1 项适用的基础检查中通过了 1 项。我们没有阅读代码。在添加密钥或令牌之前，请先看看这个服务器要求哪些权限，并使用只具备所需权限的密钥。
它需要哪些密钥或代码？
注册中心没有列出必需的密钥，不过有些服务器会在首次使用时要求你登录。
它在我的电脑上运行还是在云端？
它在你的电脑上运行。你的 AI 应用会在需要时启动它，数据不会经过作者的服务器（除非它自己调用在线服务）。
它还在维护吗？
GitHub 仓库最后更新于–，最新版本（0.2.0）于4个月前进入注册中心。
哪些应用可以使用它？
支持 MCP 的应用，例如 Claude Desktop、Claude Code、Cursor 和 VS Code。
有什么可以替代它？
同一分类中有：Vexa, emailmd, MCP WhatsApp Cloud
替代选择
同一分类中其他作者的服务器，按星标数排序。
如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i
emailmd
作者：anypost
Render markdown into email-safe HTML, lint drafts for deliverability problems, and preview emails.
电脑或云端★ 1,385MIT30天前更新
安装
MCP WhatsApp Cloud
作者：codespar
MCP server for WhatsApp Cloud API (Meta) — messages, media, and templates via Graph API
在你的电脑上运行★ 277MIT5个月前更新
安装
作者的 README
打开 README
按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。
mcp-server-grok-chat
An MCP (Model Context Protocol) server for the xAI Grok API. Built in Rust, exposes chat completions, vision, web/X search, embeddings, and model listing as MCP tools.
Communicates via stdio using JSON-RPC 2.0, like all MCP servers.
Tools
| Tool | Description |
|---|---|
chat | Send a chat completion request to Grok with optional multi-turn history, system prompt, structured output (JSON schema), model selection, and multi-agent research |
chat_with_vision | Analyse an image with Grok's vision capabilities given an image URL and text prompt |
chat_with_search | Chat with Grok using live web search and/or X (Twitter) search to ground responses |
embedding | Generate text embeddings using Grok's embedding model |
list_models | List all available Grok models and their IDs (cached for 5 minutes) |
chat
Send a chat completion request. Supports multi-turn conversations via a JSON message history array, system prompts, structured output via JSON schema, temperature control, model selection, and multi-agent research.
When using a multi-agent model (any model ID containing multi-agent), the request is automatically routed through the Responses API. The multi-agent model dispatches your query to multiple agents that research in parallel, then synthesizes their findings. Use reasoning_effort to control agent count. Call the list_models tool to see which multi-agent models are currently available.
Parameters:
| Name | Type | Required | Description |
|---|---|---|---|
prompt | string | yes | The user message to send |
model | string | no | Model ID (default: grok-4.3). Call list_models for the current set. |
system_prompt | string | no | System prompt to set context |
messages | string | no | Full conversation history as JSON array of {role, content} objects |
temperature | float | no | Sampling temperature (0.0 - 2.0) |
max_tokens | integer | no | Maximum tokens to generate |
response_schema | string | no | JSON schema string to enforce structured output |
reasoning_effort | string | no | On grok-4.3: low/medium/high controls native reasoning depth. On multi-agent models: low/medium = 4 agents, high/xhigh = 16 agents (xhigh is multi-agent-only). |
chat_with_vision
Analyse an image using Grok's vision capabilities.
Parameters:
| Name | Type | Required | Description |
|---|---|---|---|
prompt | string | yes | Text prompt describing what to analyse |
image_url | string | yes | URL of the image (must be http:// or https://) |
model | string | no | Model ID (default: grok-4.3). Must be a vision-capable model. Call list_models for the current set. |
detail | string | no | Image detail level: low or high (default: high) |
temperature | float | no | Sampling temperature (0.0 - 2.0) |
max_tokens | integer | no | Maximum tokens to generate |
chat_with_search
Chat with Grok using live web search and/or X (Twitter) search. The model automatically searches the internet to ground its response.
Parameters:
| Name | Type | Required | Description |
|---|---|---|---|
prompt | string | yes | The user message to send |
search_type | string | no | Search type: web, x, or both (default: both) |
model | string | no | Model ID (default: grok-4.3). Call list_models for the current set. |
system_prompt | string | no | System prompt to set context |
temperature | float | no | Sampling temperature (0.0 - 2.0) |
max_tokens | integer | no | Maximum tokens to generate |
reasoning_effort | string | no | On grok-4.3: low/medium/high controls native reasoning depth. On multi-agent models: low/medium = 4 agents, high/xhigh = 16 agents (xhigh is multi-agent-only). |
embedding
Generate text embeddings.
Parameters:
| Name | Type | Required | Description |
|---|---|---|---|
input | string | yes | Text to embed as JSON: a single string or array of strings |
model | string | no | Embedding model to use (default: grok-2-text-embedding) |
list_models
List all available Grok models. No parameters. Results are cached for 5 minutes.
Prerequisites
- Rust (edition 2024)
- An xAI API key from console.x.ai
Setup
Create the config file:
mkdir -p ~/.config/mcp-server-grok-chatCreate ~/.config/mcp-server-grok-chat/config.toml:
api_key = "xai-..."Build
cargo build --releaseThis produces target/release/grok-chat.
For development:
cargo build # debug buildcargo run # run in dev mode RUST_LOG=debug cargo run # run with debug logging
MCP Configuration
Add to your Claude Desktop config (~/.config/Claude/claude_desktop_config.json):
{"mcpServers": { "grok-chat": { "command": "/path/to/grok-chat" } } }
Project Structure
src/main.rs - entry point, config loading, stdio transport setup server.rs - MCP tool definitions (chat, chat_with_vision, chat_with_search, embedding, list_models) api.rs - xAI HTTP client, request/response types, response formatters params.rs - tool parameter types with serde and JSON Schema derives config.rs - TOML config loading
License
MIT