Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Nástroj web_search: Vyhledávání na internetu v reálném čase

Lekce 8 z 18 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Čtyři vestavěné nástroje Mistralu
  2. Podrobnosti o vyhledávání na webu
  3. Spuštění vyhledávání
  4. Anatomie odpovědi
  5. Použití přímého režimu (bez agenta)
  6. Osvědčené postupy, které dělají rozdíl
  7. Klíčové poznatky

Čtyři vestavěné nástroje Mistralu

Tato lekce zahajuje sekci o vestavěných nástrojích. Než se ponoříš do toho prvního, věnuj minutu přehledu čtyř nástrojů dostupných v Agents API a potřebám, které řeší.

Nástroj Typ Popis Případ použití
Vyhledávání na webu web_search Vyhledávání na internetu v reálném čase Zprávy, monitoring, ověřování faktů
Interpret kódu code_interpreter Spouštění kódu Pythonu v izolovaném prostředí Výpočty, analýza dat, grafy
Generování obrázků image_generation Tvorba obrázků z textu Ilustrace, makety, kreativní práce
Knihovna dokumentů document_library RAG na nahraných dokumentech Dotazy na soubory, extrakce, shrnutí

Tyto nástroje běží v cloudovém prostředí Mistralu – nemusíš spravovat žádnou infrastrukturu na své straně. To je zásadní rozdíl oproti klasickému volání funkcí, kde se staráš o执行: zde pouze deklaruješ schopnost a poskytovatel se postará o izolované prostředí, závislosti i škálování.

Podrobnosti o vyhledávání na webu

Nástroj web_search umožňuje tvému agentovi vyhledávat informace na internetu v reálném čase. Je to nejčastěji používaný nástroj, protože řeší zásadní problém velkých jazykových modelů (LLM): časovou propast s realitou. Model nic neví o událostech, ke kterým došlo po jeho tréninku, a ani neví, že to neví – což vede k sebevědomým odpovědím založeným na zastaralém pohledu na svět.

Konfigurace agenta s tímto nástrojem zabere jen několik řádků.

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}
)

Spuštění vyhledávání

Tento agent se dotazuje jako každý jiný: rozhodnutí vyhledat náleží agentovi.

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

Za tímto jediným voláním se skrývá celý řetězec událostí. Agent nejprve analyzuje otázku, aby zjistil, zda jsou jeho vlastní znalosti dostatečné – zde slovo „nejnovější“ implikuje datované informace, takže nejsou. Následně formulovat optimalizovaný vyhledávací dotaz, který se často liší od tvé věty a je zbaven konverzačních obratů. Provede vyhledávání a poté syntetizuje výsledky s připojenými citacemi. Žádný z těchto kroků neovládáš, ale všechny je vidíš v odpovědi.

Anatomie odpovědi

Odpověď obsahuje několik sekvenčních záznamů, kterými musíš iterovat v pořadí.

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

    if entry.type == "tool.execution":
        # Detaily provedeného vyhledávání
        print(f"Tool: {entry.tool_name}")

    elif entry.type == "message.output":
        # Odpověď s citacemi
        for chunk in entry.content:
            if chunk.type == "text":
                print(chunk.text)
            elif chunk.type == "tool_reference":
                print(f"[Source] {chunk.title} — {chunk.url}")

Nejprve uvidíš záznam tool.execution, který nese metadata operace, včetně skutečného dotazu odeslaného vyhledávači. To je místo, kam se podívat, když se odpověď zdá být mimo téma, protože často zjistíš, že přeformulování zabloudilo. Záznam message.output pak nese syntetizovanou odpověď rozdělenou na části text a tool_reference – proto je v kódu výše vnořená smyčka.

Použití přímého režimu (bez agenta)

Nástroj funguje i bez registrovaného agenta, což je vhodné pro rychlé testování.

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

Osvědčené postupy, které dělají rozdíl

Začni pokládáním přesných otázek. Agent transformuje tvou otázku na vyhledávací dotaz: „řekni mi něco o AI“ přinese obecné výsledky, zatímco „jaká evropská nařízení o AI byla přijata v roce 2026?“ okamžitě cílí na relevantní stránky. Toto pravidlo platí i pro otázky, které kladou tvoji uživatelé: pokud tvé rozhraní umožňuje vágní požadavky, zahrň do instrukcí krok pro přeformulování nebo kladení upřesňujících otázek.

Dále kontroluj teplotu. Pro faktické úkoly snižuje hodnota mezi 0,2 a 0,4 halucinace během syntézy výsledků. Vyhledávání poskytuje surový materiál, ale model stále píše text a nic mu nebrání vyplňovat mezery, pokud mu dáš přílišnou volnost.

Nakonec ověřuj zdroje. Citace jsou automatické, ale jejich relevance se liší: příspěvek na fóru a oficiální text vypadají v seznamu odkazů podobně. V kritických kontextech otevři vrácené URL adresy před přijetím informací – a zpřístupni je svým uživatelům, aby mohli udělat totéž.

Klíčové poznatky

  • web_search dává agentovi přístup k internetu v reálném čase
  • Odpovědi zahrnují automatické citace (název + URL)
  • web_search_premium přidává ověřené zpravodajské zdroje
  • Nástroj funguje s agentem i bez něj (možný je přímý režim)
  • Pro faktické úkoly se doporučuje nízká teplota