Streaming verbose et contenu chiffre — Multi-Agent Research

Suivre le travail des agents en temps reel

Le multi-agent peut prendre du temps, surtout avec 16 agents. Deux mecanismes vous permettent de mieux comprendre et exploiter ce qui se passe pendant l’inference : le streaming verbose et le contenu chiffre.

Le streaming standard

En mode streaming standard, vous recevez uniquement le texte de la reponse du leader au fur et a mesure qu’il est genere :

chat = client.chat.create(
    model="grok-4.20-multi-agent",
    agent_count=4,
)
chat.append(user("Ma question"))

for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)

C’est suffisant pour la plupart des cas d’usage, mais vous ne voyez pas ce que font les agents en arriere-plan.

Le streaming verbose

En ajoutant verbose_streaming dans le parametre include, vous recevez egalement les appels d’outils en temps reel :

from xai_sdk.tools import web_search, x_search

chat = client.chat.create(
    model="grok-4.20-multi-agent",
    agent_count=16,
    tools=[web_search(), x_search()],
    include=["verbose_streaming"],
)

chat.append(user("Analyse les reactions aux dernieres annonces d'Apple"))

for response, chunk in chat.stream():
    if chunk.content:
        print(chunk.content, end="", flush=True)
    # Les appels d'outils sont aussi visibles en temps reel

Avec verbose_streaming, vous pouvez voir les recherches web se declencher, les resultats arriver, et le leader commencer sa synthese. C’est precieux pour :

Le debogage : verifier que les agents cherchent dans la bonne direction
L’experience utilisateur : afficher un indicateur de progression
Le monitoring : comprendre pourquoi une requete prend du temps

Le contenu chiffre (use_encrypted_content)

Le contenu chiffre est un mecanisme different. Il ne vous donne pas acces au raisonnement des sub-agents en clair. Il permet au modele de conserver l’etat interne des agents entre les tours d’une conversation.

chat = client.chat.create(
    model="grok-4.20-multi-agent",
    agent_count=4,
    use_encrypted_content=True,
)

Quand use_encrypted_content=True :

La reponse inclut un bloc de contenu chiffre
Ce bloc contient l’etat des sub-agents (resultat de leurs recherches, contexte, etc.)
Quand vous envoyez un message suivant, ce contenu chiffre est retransmis automatiquement
Le modele peut alors s’appuyer sur le contexte precedent sans tout recalculer

Quand utiliser le contenu chiffre

Activez use_encrypted_content dans ces cas :

Conversations multi-tours : quand vous prevoyez de poser plusieurs questions liees
Approfondissement iteratif : “D’abord une vue d’ensemble, puis zoom sur le point 3”
Sessions de recherche longues : quand le contexte precedent est essentiel

N’activez pas le contenu chiffre pour :

Les requetes isolees : une question, une reponse, terminee
Les cas ou le volume de tokens compte : le contenu chiffre ajoute des tokens a chaque tour

Combiner les deux

Vous pouvez utiliser le streaming verbose et le contenu chiffre simultanement :

chat = client.chat.create(
    model="grok-4.20-multi-agent",
    agent_count=16,
    tools=[web_search(), x_search()],
    include=["verbose_streaming"],
    use_encrypted_content=True,
)

C’est la configuration la plus complete : vous voyez tout ce qui se passe en temps reel, et le contexte est preserve entre les tours.

Points cles a retenir

verbose_streaming revele les appels d’outils en temps reel (debogage, UX, monitoring)
use_encrypted_content conserve l’etat des sub-agents entre les tours de conversation
Le contenu chiffre n’est pas lisible — il sert au modele, pas a vous
Combinez les deux pour les sessions de recherche interactives
N’activez le contenu chiffre que si vous prevoyez des conversations multi-tours