Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Agent s vyhledáváním na webu

Lekce 6 z 18 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Dej svému agentovi přístup k webu
  2. Vytvoření agenta s vyhledáváním na webu
  3. Použití agenta
  4. Porozumění struktuře odpovědi
  5. Co vyhledávání umožňuje
  6. web_search vs. web_search_premium
  7. Klíčové poznatky

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 stránky
  • url – 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

Aspektweb_searchweb_search_premium
EngineStandardní vyhledáváníPokročilé vyhledávání
ZdrojeObecný webOvěření poskytovatelé zpráv
CenaSoučástí balíčkuExtra náklad
PoužitíObecné informaceSpolehlivé 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_search umožňuje agentovi vyhledávat na internetu v reálném čase
  • Odpovědi zahrnují citace s názvem zdroje a URL
  • web_search_premium nabízí 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