Агент с уеб търсене
На тази страница
Осигурете достъп на Вашия агент до уеб
Езиков модел (LLM) без достъп до интернет е ограничен до данните от своето обучение. Ако го попитате за регулаторен текст, приет миналия месец, той или ще твърди, че не знае, или – което е по-лошо – ще отговори въз основа на запомненото си състояние на света, без да сигнализира, че информацията е остаряла. Чрез активиране на инструмента web_search за Вашия агент, Вие му позволявате да открива информация в реално време и да цитира източниците си, подобрявайки както актуалността, така и възможността за проверка на отговорите му.
Създаване на агент с уеб търсене
Активирането изисква само един ред конфигурация, но инструкциите определят качеството на резултата. Примерът по-долу налага строга дисциплина: систематично търсене, цитиране на URL адреси, посочване на датата на находките и сигнализиране за противоречия между източниците.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="News Agent",
instructions="""You are a news analyst.
- Use web search for every question
- Always cite your sources with URLs
- Specify the date of the information found
- If results are contradictory, mention it""",
tools=[{"type": "web_search"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Последната инструкция е най-ценната на практика. Без нея моделът, изправен пред две разминаващи се цифри, може да избере едната и да представи синтеза си като установен факт. Ниска температура допълва тази настройка, като намалява халюцинациите при преразказване на резултатите.
Инструментът web_search осигурява достъп до стандартна търсачка. За проверени новинарски източници използвайте web_search_premium:
tools=[{"type": "web_search_premium"}]
Използване на агента
Извикването не се различава от това на агент без инструменти: Вие не стартирате търсенето; агентът решава кога е необходимо то.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="What are the latest developments in AI regulation in Europe?"
)
Разбиране на структурата на отговора
Промяната е най-очевидна при четене на отговора. Агент с уеб търсене връща няколко вида записи. Код, който просто чете първия запис, ще покаже метаданни от търсенето вместо очаквания текст.
for entry in response.outputs:
if entry.type == "tool.execution":
# Web search metadata
print(f"Tool used: {entry.tool_name}")
print(f"Search query: {entry.info}")
elif entry.type == "message.output":
# Agent response with citations
for chunk in entry.content:
if chunk.type == "text":
print(chunk.text)
elif chunk.type == "tool_reference":
print(f" Source: {chunk.title} — {chunk.url}")
Обърнете внимание на вложения цикъл: съдържанието на message.output не е единствен низ, а последователност от части (chunks), редуващи текстови фрагменти и препратки. Всяка секция на отговора може следователно да включва обекти tool_reference, съдържащи три полета:
tool— Име на изходния инструмент (web_search)title— Заглавие на цитираната уеб страницаurl— Референтен URL адрес
Това е основно предимство: Вашият агент не просто отговаря; той доказва твърденията си с проверими източници. В един интерфейс тези полета стават кликабельни връзки, поставени на правилното място в текста, позволявайки на потребителите да проследят всяко твърдение до неговия произход.
Какво прави възможно търсенето
Започнете с мониторинг. Агент, чиито инструкции оформят формата на изхода, превръща отворения въпрос в редовен, сравним седмичен синтез.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Tech Watch",
instructions="Conduct technology monitoring. Summarize the 5 most important news items on the requested topic.",
tools=[{"type": "web_search"}]
)
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Monitoring on AI agents — last 2 weeks"
)
Следва проверката на фактите, като инструкциите приемат формата на явна процедура. Агентът не трябва да решава метода; методът е диктуван, което прави изхода предвидим.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Fact Checker",
instructions="""Verify the following claims.
For each claim:
1. Search for reliable sources
2. Indicate if it is true, false, or partially true
3. Cite your sources""",
tools=[{"type": "web_search"}]
)
Сравнението затваря поредицата: тук самият въпрос носи критериите за решение. Колкото повече уточнявате действителните ограничения – технология, обем – толкова по-целеви ще бъдат задействаните търсения.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Compare cloud offerings from OVH, Scaleway, and AWS for hosting a Python application with 10K users/day."
)
web_search срещу web_search_premium
| Аспект | web_search | web_search_premium |
|---|---|---|
| Двигател | Стандартно търсене | Разширено търсене |
| Източници | Общ уеб | Проверени новинарски доставчици |
| Разходи | Включени | Допълнителни разходи |
| Използване | Обща информация | Надеждни новини |
За повечето случаи на употреба web_search е достатъчен. Запазете web_search_premium за приложения, където надеждността на източника е критична (журналистика, съответствие, регулаторен мониторинг). Разсъждението не трябва да бъде „кой вариант е най-добър“, а „каква е цената на съмнителен източник в моя контекст“: за вътрешно обобщение на новините тя е нула; за бележка, подадена до регулатор, не е.
Ключови изводи
- Инструментът
web_searchпозволява на агента да търси в интернет в реално време - Отговорите включват цитати със заглавието на източника и URL адреса
web_search_premiumпредлага проверени новинарски източници срещу допълнително заплащане- Препоръчва се ниска температура (0.3) за фактически задачи, включващи търсене
- Агентът автоматично решава кога и как да използва уеб търсене