Премини към основното съдържание
Български— Изберете език
Меню

Инструмент web_search: Търсене в интернет в реално време

Урок 8 от 18 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Четирите вградени инструмента на Mistral
  2. Детайли за търсенето в уеб
  3. Извършване на търсене
  4. Анатомия на отговора
  5. Използване на директен режим (без агент)
  6. Най-добри практики, които правят разликата
  7. Ключови изводи

Четирите вградени инструмента на Mistral

Този урок открива секцията за вградените инструменти. Преди да се потопите в първия от тях, отделете минута, за да прегледате четирите инструмента, налични в Agents API, и нуждите, които те удовлетворяват.

Инструмент Тип Описание Случай на употреба
Търсене в уеб web_search Търсене в интернет в реално време Новини, мониторинг, проверка на факти
Интерпретатор на код code_interpreter Изпълнение на Python код в пясъчник Изчисления, анализ на данни, графики
Генериране на изображения image_generation Създаване на изображения от текст Илюстрации, макети, творческа работа
Библиотека с документи document_library RAG върху качени документи Въпроси и отговори относно файлове, извличане, обобщаване

Тези инструменти се изпълняват в облачната среда на Mistral – няма инфраструктура, която да управлявате от Ваша страна. Това е фундаментална разлика спрямо класическото извикване на функции, където Вие се занимавате с изпълнението: тук Вие декларирате възможност, а доставчикът се грижи за пясъчника, зависимостите и мащабирането.

Детайли за търсенето в уеб

Инструментът web_search позволява на Вашия агент да търси информация в интернет в реално време. Това е най-широко използваният инструмент, защото решава фундаментален проблем на големите езикови модели (LLM): времевият разрив с реалността. Моделът не знае нищо за събития, случили се след обучението му, и дори не осъзнава, че не ги знае – което води до уверени отговори, базирани на остаряла представа за света.

Конфигурирането на агент с този инструмент отнема само няколко реда код.

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="Web Search Agent",
    instructions="You perform web searches to answer questions. Always cite your sources.",
    tools=[{"type": "web_search"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Извършване на търсене

Запитвате този агент както всеки друг: решението дали да търси принадлежи на самия агент.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Who won the most recent European Football Championship?"
)

Зад това единствено извикване стои цяла верига от събития. Агентът първо анализира въпроса, за да определи дали собствените му знания са достатъчни – тук думите „най-скорошен“ подразумеват информация с дата, следователно не са. След това той формулира оптимизирана заявка за търсене, често различна от Вашето изречение, лишена от разговорни фрази. Изпълнява търсенето и след това синтезира резултатите с прикрепени цитати. Вие не контролирате нито една от тези стъпки, но можете да ги видите всички в отговора.

Анатомия на отговора

Отговорът съдържа няколко последователни записа, през които трябва да преминете в ред.

for entry in response.outputs:
    print(f"--- {entry.type} ---")

    if entry.type == "tool.execution":
        # Details of the search performed
        print(f"Tool: {entry.tool_name}")

    elif entry.type == "message.output":
        # 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}")

Първо ще видите запис tool.execution, който носи метаданните на операцията, включително действителната заявка, изпратена до търсачката. Това е мястото, което трябва да проверите, когато отговорът изглежда извън темата, тъй като често ще установите, че преформулирането се е отклонило. Записът message.output след това носи синтезирания отговор, разделен на части text и tool_reference – оттук и вложеният цикъл в кода по-горе.

Използване на директен режим (без агент)

Инструментът работи и без регистриран агент, което е удобно за бързо тестване.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[{"role": "user", "content": "Latest news on Mistral AI"}],
    tools=[{"type": "web_search"}]
)

Най-добри практики, които правят разликата

Започнете с задаването на прецизни въпроси. Агентът трансформира Вашия въпрос в заявка за търсене: „кажи ми за изкуствения интелект“ ще даде общи резултати, докато „какви европейски регулации за изкуствен интелект бяха приети през 2026 г.?“ веднага насочва към полезни страници. Това правило важи и за въпросите, които Вашите потребители задават: ако Вашият интерфейс позволява неясни заявки, включете стъпка в инструкциите си за преформулиране или задаване на уточняващи въпроси.

След това контролирайте температурата. За задачи, свързани с факти, ниска стойност – между 0.2 и 0.4 – намалява халюцинациите по време на синтеза на резултатите. Търсенето осигурява суровия материал, но моделът все още пише текста и нищо не го спира да попълва пропуски, ако му се даде твърде много свобода.

Накрая, проверявайте източниците. Цитатите са автоматични, но тяхната релевантност варира: публикация във форум и официален текст изглеждат сходно в списъка с препратки. В критични контексти отваряйте върнатите URL адреси, преди да приемете информацията – и ги предоставете на Вашите потребители, за да могат и те да направят същото.

Ключови изводи

  • web_search предоставя на агента достъп в реално време до интернет
  • Отговорите включват автоматични цитати (заглавие + URL)
  • web_search_premium добавя проверени източници на новини
  • Инструментът работи с или без агент (възможен е директен режим)
  • Ниска температура се препоръчва за задачи, свързани с факти