Nástroj image_generation: Tvorba obrázků
Na této stránce
Generování obrázků prostřednictvím tvého agenta
Nástroj image_generation umožňuje tvému agentovi vytvářet obrázky na základě textových popisů. Doplňuje nástroje, které jsi již poznal: zatímco code_interpreter produkuje čísla a grafy, tento nástroj vytváří vizuály. Je to výkonný prostředek pro kreativní případy použití, generování mockupů nebo ilustraci konceptů. Stejně jako u ostatních vestavěných nástrojů jej povolíš při vytváření agenta a model se sám rozhodne, zda jej na základě požadavku využije.
Vytvoření agenta s generováním obrázků
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="Creative Agent",
instructions="""You are a creative assistant specialized in image generation.
- Rephrase requests into detailed prompts for better results
- Describe the image you are about to generate before creating it
- Propose variations if the result is unsatisfactory""",
tools=[{"type": "image_generation"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Instrukce zde hrají zásadní roli. Tím, že požádáš agenta, aby přeformuloval žádost do podrobného promptu, změníš vágní „vytvoř mi obrázek kočky“ na akceschopný popis. Když necháš agenta před generováním oznámit, jaký obrázek vznikne, dáš si šanci korigovat směr ještě před samotným vytvořením. Hodnota teploty 0,3 udržuje toto přeformulování disciplinované: potřebuješ popisnou přesnost, nikoliv volnou invenci.
Generování obrázku
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Za tímto jediným voláním agent řetězí čtyři kroky: analyzuje tvůj požadavek, formuluje prompt optimalizovaný pro generační model, vytvoří obrázek a následně vrátí soubor. Tyto kroky se objevují ve výstupech konverzace, takže vidíš, který prompt vytvořil který obrázek. To je neocenitelné, když tě výsledek potěší a chceš jej reprodukovat.
Stahování generovaných obrázků
Obrázky se ve odpovědi nevracejí jako text: přicházejí jako objekty ToolFileChunk v obsahu a skutečný soubor získáš prostřednictvím Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Stáhnout soubor s obrázkem
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Uložit lokálně
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tři běžné případy použití
Prvním je ilustrace dokumentace, kde diagram vysvětlí více než odstavec textu.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a visual diagram showing a microservices architecture with an API Gateway, 3 services, and a database."
)
Druhým jsou vizuální mockupy, které materializují směr ještě před zapojením designéra.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate a homepage mockup for an online learning website, modern and minimalist style with blue tones."
)
Třetím je tvorba marketingového obsahu, kde agent vytvoří cílený vizuál na základě písemného zadání.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a promotional banner for an AI course, with the text 'Master AI in 2026' on a tech background."
)
Ve všech třech případech kvalita zadání určuje kvalitu výsledku: kreativní agent nevymýšlí tvůj záměr, ale执行uje jej.
Kombinace s dalšími nástroji
Generování obrázků dosahuje plného potenciálu, když je spárováno s jinými nástroji. Vyhledávání dat, jejich analýza a následná ilustrace se z pohledu uživatele stávají jedním plynulým tokem.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Multimodal Agent",
description="Search, code, and images.",
instructions="Use search to find data, code to analyze it, and image generation to illustrate it.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"},
{"type": "image_generation"}
]
)
Psaní kvalitních promptů pro obrázky
Pět pák významně zlepšuje výsledky. Zaprvé, buď popisný: „Pruhovaná oranžová kočka sedící na dřevěném stole, přirozené osvětlení, fotografický styl“ vytvoří zcela jiný obrázek než pouhá „kočka“. Zadruhé, specifikuj očekávaný styl – fotografický, ilustrace, akvarel, minimalistický. Zatřetí, uveď kompozici, tedy pohled zepředu, ptačí perspektiva, detailní záběr nebo široký záběr. Začtvrté, zmiň osvětlení, ať už přirozené, studiové, protisvětlo nebo zlatá hodinka. Nakonec specifikuj barvy: teplá paleta, studené tóny, monochrom. Těchto pět os je přesně to, co zapíšeš do instrukcí agenta, aby mohl obohatit příliš stručné žádosti od tvých uživatelů.
Správa generovaných souborů
Generované obrázky jsou dočasně uloženy v cloudu Mistral prostřednictvím Files API. Zvykni si dělat inventuru a čistit prostor: jinak se ti prostor zaplní zapomenutými koncepty a soubory, které jsi potřeboval, zmizí, protože jsi je včas nestáhl.
# Výpis souborů
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Smazání souboru
client.files.delete(file_id="file-xxxxxxxx")
Klíčové poznatky
image_generationvytváří obrázky z textových popisů- Obrázky se vracejí jako objekty
ToolFileChunka lze je stáhnout pomocíclient.files.download() - Podrobné prompty (styl, kompozice, osvětlení) významně zlepšují výsledky
- Nástroj lze kombinovat s
web_searchacode_interpreter - Generované soubory jsou dočasné – stáhni si je, jinak budou smazány