Премини към основното съдържание
Български— Изберете език
Меню

Изпълнение и тестване на работен поток

Урок 7 от 14 Обновен 3 ноември 2026 г. Напреднало
На тази страница
  1. Стартиране на работен поток
  2. Стартиране чрез Python SDK
  3. Стартиране чрез cURL
  4. Пример от край до край
  5. Проверка на резултатите
  6. Обработка на грешки
  7. Локално тестване
  8. Ключови изводи

Урокът е актуализиран на 3 ноември 2026 г. въз основа на mistralai SDK 3.7.0: проследяването на изпълнение вече използва client.workflows.executions.get_workflow_execution_async, а резултатът се чете от result. Допълнение от същия ден: предишните примери все още се позоваваха на execution.id, execution.output и execution.error, които липсват в SDK, и сравняваха статуса с малки букви "completed" или "failed"; сега те използват execution_id, result, wait_for_result=True и статуси с главни букви. Източник: client-python.

Стартиране на работен поток

Вече написахте своите активности, дефинирахте работния си поток и стартирахте своя worker (изпълнител). Сега трябва да стартирате изпълнение. Имате две възможности: Python SDK или cURL заявка към REST API. Първият вариант е подходящ за вашите Python скриптове и услуги; вторият работи за бързи тестове от командния ред или задействания от системи, различни от Python – уебхук, планировчик или бекенд, написан на друг език.

Преди да задействате каквото и да е, трябва да са изпълнени три условия. Вашият worker трябва да е стартиран (uv run python worker.py), вашият API ключ трябва да е зададен в MISTRAL_API_KEY, а работният поток трябва да е регистриран при този worker, което означава, че се появява в списъка, предаден на run_worker().

Стартиране чрез Python SDK

Напишете задействането в скрипт, отделен от worker-а, тъй като процесът на worker-а никога не връща контрола:

import asyncio
from mistralai.client import Mistral

async def main():
    client = Mistral()

    execution = await client.workflows.execute_workflow_async(
        workflow_identifier="salutation_workflow",
        input={"nom": "Marie"},
        wait_for_result=True,  # изчаква завършването и получава резултата
    )

    print(f"Execution ID: {execution.execution_id}")
    print(f"Result: {execution.result}")

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

Стойността на workflow_identifier трябва да съвпада точно с name, обявен в @workflows.workflow.define(), а ключовете в речника input съответстват на параметрите на вашия метод run. Стартирайте този скрипт в отделен терминал, като оставите първия зает от worker-а:

uv run python trigger.py

С параметъра wait_for_result=True, SDK изчаква изпълнението да приключи и връща резултата директно, което прави тестването много по-четимо за кратки работни потоци. Без този параметър извикването се връща незабавно с идентификатора на изпълнението, който след това трябва да проследите (вижте по-долу).

Стартиране чрез cURL

За бързи тестове или интеграция с други системи, REST API предоставя същото задействане:

curl -X POST https://api.mistral.ai/v1/workflows/salutation_workflow/execute \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"input": {"nom": "Marie"}, "wait_for_result": true}'

С wait_for_result, отговорът съдържа името на работния поток, идентификатора на изпълнението и неговия резултат; това са полетата на модела WorkflowExecutionSyncResponse от SDK:

{
  "workflow_name": "salutation_workflow",
  "execution_id": "…",
  "result": {
    "message": "Bonjour, Marie !"
  }
}

Запазете този execution_id: това е ключът, който ще използвате по-късно, за да заявите изпълнението или да извлечете неговите следи. Без wait_for_result, отговорът описва стартираното изпълнение, включително неговия status (първоначално RUNNING).

Пример от край до край

Нека разгледаме отново примера с конвейера за анализ на документи, този път напълно свързан. Първият файл комбинира дефинициите и стартирането на worker-а; обърнете внимание на съкращаването до 5000 знака, което защитава както лимита за размер на активността, така и вашия бюджет за токени.

Файл workflow.py (worker + дефиниции)

import asyncio
import httpx
import mistralai.workflows as workflows
from mistralai.client import Mistral

@workflows.activity()
async def extraire_texte(url: str) -> dict:
    async with httpx.AsyncClient() as client:
        response = await client.get(url)
    return {"texte": response.text[:5000]}  # Ограничение до 5000 знака

@workflows.activity()
async def resumer_texte(texte: str) -> dict:
    client = Mistral()
    response = await client.chat.complete_async(
        model="mistral-large-latest",
        messages=[
            {"role": "system", "content": "Summarize in 3 sentences."},
            {"role": "user", "content": texte}
        ]
    )
    return {"resume": response.choices[0].message.content}

@workflows.workflow.define(name="resume_page_web")
class ResumePageWeb:
    @workflows.workflow.entrypoint
    async def run(self, url: str) -> dict:
        extraction = await extraire_texte(url)
        resume = await resumer_texte(extraction["texte"])
        return {
            "url_source": url,
            "resume": resume["resume"]
        }

async def main() -> None:
    await workflows.run_worker([ResumePageWeb])

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

Вторият файл задейства работния поток и показва резултата, като изрично обработва случая на неуспех – рефлекс, който трябва да възприете още от първия си скрипт:

Файл trigger.py (задействане)

import asyncio
from mistralai.client import Mistral

async def main():
    client = Mistral()

    print("Launching workflow...")
    execution = await client.workflows.execute_workflow_async(
        workflow_identifier="resume_page_web",
        input={"url": "https://example.com/article"},
    )
    print(f"Execution launched: {execution.execution_id}")

    # Проследяване на изпълнението до завършване
    while True:
        suivi = await client.workflows.executions.get_workflow_execution_async(
            execution_id=execution.execution_id
        )
        if suivi.status not in ("RUNNING", "RETRYING_AFTER_ERROR"):
            break
        await asyncio.sleep(2)

    if suivi.status == "COMPLETED":
        print(f"Summary: {suivi.result['resume']}")
    else:
        print(f"Execution finished with status {suivi.status}")

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

Изпълнение

Терминал 1 — Стартиране на worker-а:

uv run python workflow.py

Терминал 2 — Задействане на изпълнението:

uv run python trigger.py

Проверка на резултатите

Терминалът на worker-а е вашата първа точка за наблюдение: той показва изпълнените активности в реално време, заедно с тяхната продължителност, което ви показва веднага коя стъпка консумира най-много време.

[INFO] Executing activity: extraire_texte
[INFO] Activity completed: extraire_texte (1.2s)
[INFO] Executing activity: resumer_texte
[INFO] Activity completed: resumer_texte (3.4s)
[INFO] Workflow completed: resume_page_web

За дълги работни потоци очевидно няма да стоите залепени за терминала. Щом имате ID на изпълнението, можете да заявите неговия статус по всяко време от друг процес:

execution = await client.workflows.executions.get_workflow_execution_async(
    execution_id="exec_abc123"
)
print(f"Status: {execution.status}")
print(f"Result: {execution.result}")

Същата операция е достъпна и чрез cURL, което е полезно в скрипт за мониторинг:

curl https://api.mistral.ai/v1/workflows/executions/exec_abc123 \
  -H "Authorization: Bearer $MISTRAL_API_KEY"

Обработка на грешки

Един неуспех не настъпва при първото изключение: платформата първо прави повторен опит за активността според своята политика за повторение. Едва след изчерпване на повторните опити изпълнението преминава в статус FAILED (статусите в SDK са с главни букви: RUNNING, COMPLETED, FAILED, CANCELED, TERMINATED, TIMED_OUT и др.), а вашият извикващ код трябва да обработи този случай, вместо да приема, че result винаги присъства:

execution = await client.workflows.executions.get_workflow_execution_async(
    execution_id="exec_abc123"
)

if execution.status == "FAILED":
    print(f"Execution {execution.execution_id} failed")

Отговорът не съдържа съобщение за грешка: причината се появява в историята на изпълнението и в логовете (get_workflow_execution_history_async, get_workflow_execution_logs_async). За да идентифицирате дефектната активност и последователността, довела до нея, ще анализирате OpenTelemetry следите, разгледани в Урок 14.

Локално тестване

Прехвърлянето между два терминала бързо става досадно по време на разработка. За целите на разработката един единствен скрипт може да стартира worker-а във фонов режим, да задейства работния поток и след това да спре всичко:

import asyncio
import mistralai.workflows as workflows

# ... дефиниции на активности и работни потоци ...

async def main():
    # Стартиране на worker във фонов режим
    worker_task = asyncio.create_task(
        workflows.run_worker([MonWorkflow])
    )

    # Изчакване worker-ът да е готов
    await asyncio.sleep(2)

    # Задействане на работния поток
    from mistralai.client import Mistral
    client = Mistral()
    execution = await client.workflows.execute_workflow_async(
        workflow_identifier="mon_workflow",
        input={"test": True},
        wait_for_result=True,
    )
    print(f"Result: {execution.result}")

    # Спиране на worker-а
    worker_task.cancel()

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

asyncio.sleep(2) дава време на worker-а да установи връзката си преди задействане, а крайното worker_task.cancel() предотвратява безкрайното зависване на скрипта. Запазете тази настройка за разработка: в продукционна среда worker-ът и задействанията остават отделни процеси с независими жизнени цикли.

Ключови изводи

  • Два метода за задействане: Python SDK (execute_workflow_async) и REST API (cURL)
  • Worker-ът трябва да е стартиран, за да се изпълни работният поток
  • С wait_for_result=True, SDK изчаква завършването и връща резултата (result); в противен случай връща execution_id за проследяване
  • Използвайте client.workflows.executions.get_workflow_execution_async(), за да проверите статуса на изпълнение
  • Статусите са с главни букви (RUNNING, COMPLETED, FAILED и др.); причините за неуспех се появяват в историята на изпълнението, логовете и следите
  • За разработка комбинирайте worker и задействане в един скрипт, използвайки asyncio