RuReadMe.md

Grok3API

Библиотека для асинхронной работы с Grok через мобильный gRPC-канал: отправка сообщений, потоковый вывод ответа, парсинг protobuf-чанков и получение структурированных данных API.

Особенности

• асинхронный клиент
• streaming-ответ через new_ask_stream()
• обычный запрос через new_ask()
• protobuf/gRPC framing
• типизированные Pydantic-модели
• потоковый парсинг чанков
• обработка REST/gRPC/stream ошибок
• поддержка metadata/tool responses/search results

Установка

pip install git+ssh://git@github.com/boykopovar/Grok3API.git -U

Зависимости

• Python 3.8+
• aiohttp
• coincurve

Streaming пример

import asyncio

from grok3api.client import GrokClient
from grok3api.types.request import ChatRequest
from grok3api.types import TokenChunk


async def main():
    async with GrokClient() as client:
        while True:
            print("\nGrok: ", end="")

            async for chunk in client.new_ask_stream(
                request=ChatRequest(
                    message=input("\nYou: "),
                    temporary=False
                ),
                chunks_white_list=(TokenChunk,)
            ):
                print(chunk.token, end="", flush=True)


if __name__ == "__main__":
    asyncio.run(main())

Обычный запрос

import asyncio

from grok3api.client import GrokClient
from grok3api.types.request import ChatRequest


async def main():
    async with GrokClient() as client:
        response = await client.new_ask(
            ChatRequest(
                message="Hello",
                temporary=False
            )
        )

        print(response.text)
        print(response.model_response)


if __name__ == "__main__":
    asyncio.run(main())

Продолжение начатого диалога

import asyncio

from grok3api.client import GrokClient
from grok3api.types.request import ChatRequest, AddResponseRequest


async def main():
    async with GrokClient() as client:
        first = await client.new_ask(
            ChatRequest(
                message="Hello",
                temporary=False
            )
        )

        second = await client.add_response(
            AddResponseRequest(
                conversation_id=first.conversation.conversation_id,
                message="How are you?"
            )
        )

        print(second.text)


if __name__ == "__main__":
    asyncio.run(main())

Pydantic-модели

Все модели полностью соответствуют реальным protobuf/gRPC ответам API.

В библиотеке отсутствуют:

• упрощённые структуры
• искусственные abstraction layers
• нормализация полей
• переименование payload-данных
• скрытие оригинальных значений API

Что поддерживается

Response chunks

• TokenChunk
• ModelResponseChunk
• FinalMetadataChunk
• SurveyChunk
• ConversationChunk
• TitleChunk

Response models

• AskResponse
• ModelResponse
• FinalMetadata
• Conversation
• Survey
• ResponseStep
• ToolUsageResult
• WebSearchResult
• XPost
• RagResult
• CollectionSearchResultItem
• ConnectorSearchResultItem
• StreamError

Tool responses

• web search
• X/Twitter search
• RAG results
• connector search
• collection search
• memory updates
• code execution
• image generation
• video generation
• audio generation

Обработка ошибок

from grok3api.types.exceptions import (
    GrokApiError,
    GrokRestError,
    GrokGrpcError,
    GrokRateLimitError,
    GrokUnderHeavyUsageError,
    GrokStreamError,
    GrokUnavailableRegionError,
    GrokTooManyRequestsError
)

Как работает клиент

1. protobuf request сериализуется в binary payload
2. payload упаковывается в gRPC frame
3. запрос отправляется в mobile gRPC endpoint
4. клиент читает streaming response
5. protobuf chunks декодируются в Pydantic-модели

Disclaimer

Проект не связан с xAI и не является официальным SDK.

Это независимая реализация мобильного Grok API, полученная в результате реверс-инжиниринга.