Agent s vyhledáváním na webu
Na této stránce
Dej svému agentovi přístup k webu
LLM bez přístupu k internetu je omezen pouze na svá tréninková data. Pokud se ho zeptáš na regulační text schválený minulý měsíc, buď prohlásí nevědomost, nebo – což je horší – odpoví na základě svého zapamatovaného stavu světa, aniž by upozornil, že informace jsou zastaralé. Povolením nástroje web_search u svého agenta mu umožníš najít informace v reálném čase a citovat jejich zdroje, čímž zlepšíš aktuálnost i ověřitelnost jeho odpovědí.
Vytvoření agenta s vyhledáváním na webu
Aktivace vyžaduje pouze jeden řádek konfigurace, ale kvalitu výstupu určují instrukce. Níže uvedený příklad prosazuje přísnou disciplínu: systematicky vyhledávej, cituj URL, uváděj datum zjištění a upozorňuj na rozpory mezi zdroji.
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}
)
Poslední instrukce je v praxi nejcennější. Bez ní by model konfrontovaný se dvěma odlišnými údaji mohl jeden vybrat a prezentovat svou syntézu jako ověřený fakt. Nízká teplota tento setup doplňuje snížením halucinací při přeformulovávání výsledků.
Nástroj web_search poskytuje přístup ke standardnímu vyhledávači. Pro ověřené zpravodajské zdroje použij web_search_premium:
tools=[{"type": "web_search_premium"}]
Použití agenta
Volání se neliší od volání agenta bez nástrojů: vyhledávání nespouštíš ty, agent sám rozhodne, kdy je nutné.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="What are the latest developments in AI regulation in Europe?"
)
Porozumění struktuře odpovědi
Změna je nejzřetelnější při čtení odpovědi. Agent s vyhledáváním na webu vrací několik typů záznamů. Kód, který by jednoduše četl první záznam, by zobrazil metadata vyhledávání místo očekávaného textu.
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}")
Všimni si vnořené smyčky: obsah message.output není jediný řetězec, ale sekvence částí (chunků), které střídají textové úryvky a reference. Každá část odpovědi tak může obsahovat objekty tool_reference se třemi poli:
tool– Název zdrojového nástroje (web_search)title– Název citované webové stránkyurl– Referenční URL
To je velká výhoda: tvůj agent nejen odpovídá, ale svá tvrzení dokládá ověřitelnými zdroji. V rozhraní se tato pole stanou klikacími odkazy umístěnými na správném místě v textu, což uživatelům umožní vysledovat původ každého tvrzení.
Co vyhledávání umožňuje
Začni monitorováním. Agent, jehož instrukce rámují formát výstupu, promění otevřenou otázku v pravidelnou, porovnatelnou týdenní syntézu.
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"
)
Další je faktická kontrola (fact-checking), kde instrukce mají podobu explicitního postupu. Agent nemusí rozhodovat o metodě; metoda je diktována, což činí výstup předvídatelným.
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"}]
)
Sérii uzavírá srovnání: zde samotná otázka nese rozhodovací kritéria. Čím více specifikuješ skutečná omezení – technologie, objem – tím cílenější budou spuštěná vyhledávání.
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 vs. web_search_premium
| Aspekt | web_search | web_search_premium |
|---|---|---|
| Engine | Standardní vyhledávání | Pokročilé vyhledávání |
| Zdroje | Obecný web | Ověření poskytovatelé zpráv |
| Cena | Součástí balíčku | Extra náklad |
| Použití | Obecné informace | Spolehlivé zprávy |
Pro většinu případů použití stačí web_search. web_search_premium si rezervuj pro aplikace, kde je kritická spolehlivost zdrojů (novinařina, compliance, monitorování regulací). Úvaha by neměla znít „která možnost je nejlepší“, ale „jaká je cena pochybného zdroje v mém kontextu“: pro interní zpravodajský souhrn je nulová; pro poznámku předloženou regulátorovi nikoliv.
Klíčové poznatky
- Nástroj
web_searchumožňuje agentovi vyhledávat na internetu v reálném čase - Odpovědi zahrnují citace s názvem zdroje a URL
web_search_premiumnabízí ověřené zpravodajské zdroje za příplatek- Pro faktické úkoly zahrnující vyhledávání se doporučuje nízká teplota (0,3)
- Agent automaticky rozhoduje, kdy a jak použít vyhledávání na webu