Εργαλείο code_interpreter: Εκτέλεση Python
Σε αυτήν τη σελίδα
Εκτέλεση Κώδικα στο Mistral Cloud
Το εργαλείο code_interpreter επιτρέπει στον πράκτορά σας να γράφει και να εκτελεί κώδικα Python μέσα σε ένα απομονωμένο περιβάλλον (sandbox). Είναι η ιδανική επιλογή για υπολογισμούς, ανάλυση δεδομένων, δημιουργία γραφημάτων και επικύρωση κώδικα. Αυτό δεν αφορά μόνο την ευκολία: ένα LLM που «υπολογίζει» νοερά παράγει ένα πιθανό αποτέλεσμα, όχι απαραίτητα σωστό. Αναθέτοντας τη λειτουργία σε έναν πραγματικό διερμηνέα, αντικαθιστάτε την πρόβλεψη token με επαληθεύσιμη εκτέλεση, παρέχοντάς σας κώδικα που μπορείτε να ελέγξετε.
Δημιουργία Πράκτορα με Code Interpreter
Οι οδηγίες για αυτόν τον πράκτορα απαιτούν να εμφανίζει τον κώδικα πριν την εκτέλεσή του, προσφέροντάς σας ένα σημείο ελέγχου για το τι πραγματικά τρέχει.
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="Code Agent",
instructions="""You are a Python programming assistant.
- Use the code interpreter to run code when necessary
- Always show the code before executing it
- Explain results clearly""",
tools=[{"type": "code_interpreter"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Ενεργοποίηση Εκτέλεσης
Ένα απλό αίτημα υπολογισμού αρκεί για να ενεργοποιηθεί το εργαλείο· δεν χρειάζεται κάποια ειδική οδηγία από εσάς.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Calculate the first 20 Fibonacci numbers."
)
Ο πράκτορας γράφει τότε ένα σενάριο Python για τον υπολογισμό της ακολουθίας, το εκτελεί στο sandbox και παρουσιάζει τα αποτελέσματα μαζί με επεξηγήσεις. Οι είκοσι τιμές που λαμβάνετε προέρχονται από πραγματική εκτέλεση: θα είναι ακριβείς ακόμη και πέρα από το σημείο όπου ένα μοντέλο συνήθως αρχίζει να κάνει λάθη.
Δομή Απόκρισης
Μπορείτε να διαβάσετε αυτόν τον μηχανισμό απευθείας στις επιστρεφόμενες εγγραφές, και ο κώδικάς σας πρέπει να διακρίνει μεταξύ κειμένου και αποτελεσμάτων εκτέλεσης.
for entry in response.outputs:
if entry.type == "message.output":
# First response: "I will calculate..." or final result
print(f"Message: {entry.content}")
elif entry.type == "tool.execution":
# Executed code and result
print(f"Code: {entry.info.code}")
print(f"Output: {entry.info.code_output}")
Ο πράκτορας ξεκινά με ένα message.output που ανακοινώνει τι πρόκειται να κάνει. Ακολουθεί το tool.execution όπου τρέχει ο κώδικας: το info.code περιέχει το σενάριο και το info.code_output κρατά την έξοδό του. Ένα δεύτερο message.output κλείνει την ακολουθία, κατά την οποία ο πράκτορας ερμηνεύει και εξηγεί τα αποτελέσματα. Αυτά τα δύο πεδία, info.code και info.code_output, αποτελούν το αρχείο ελέγχου σας—κρατήστε τα στα αρχεία καταγραφής της εφαρμογής σας, καθώς σας επιτρέπουν να αναπαράγετε και να αμφισβητήσετε οποιοδήποτε αριθμητικό στοιχείο παρήχθη από τον πράκτορα.
Τι Αλλάζει το Εργαλείο στην Πράξη
Η ανάλυση δεδομένων είναι η πιο άμεση περίπτωση χρήσης. Παρέχετε μια σειρά τιμών και ζητάτε στατιστικά: ο μέσος όρος, η διάμεσος και η τυπική απόκλιση υπολογίζονται, δεν εκτιμώνται.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="""Here are the monthly sales (in K€):
Jan: 120, Feb: 135, Mar: 142, Apr: 128, May: 155, Jun: 168
Calculate the mean, median, standard deviation, and trend."""
)
Η δημιουργία γραφημάτων επεκτείνει φυσικά αυτή τη δυνατότητα, καθώς το περιβάλλον περιλαμβάνει βιβλιοθήκες σχεδίασης.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a bar chart of cloud market shares in Europe: AWS 31%, Azure 25%, GCP 11%, OVH 8%, Others 25%"
)
Ο πράκτορας χρησιμοποιεί το matplotlib για τη δημιουργία του γραφήματος. Το αποτέλεσμα είναι ένα αρχείο εικόνας προσβάσιμο στην απόκριση—επομένως βεβαιωθείτε ότι ο κώδικας ανάγνωσής σας χειρίζεται αυτή την περίπτωση, διαφορετικά θα καταλήξετε να εμφανίζετε μόνο το συνοδευτικό σχόλιο κειμένου.
Η επικύρωση κώδικα είναι μια τρίτη περίπτωση χρήσης, λιγότερο προφανής αλλά πολύτιμη. Υποβάλετε μια συνάρτηση και τις περιπτώσεις δοκιμής που πρέπει να καλυφθούν: ο πράκτορας δεν συλλογίζεται απλώς για τον κώδικα, τον εκτελεί. Στο παρακάτω παράδειγμα, η είσοδος "Madam" αποκαλύπτει ένα σφάλμα που μια απλή επισκόπηση κώδικα πιθανότατα θα έχανε.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="""Check if this function is correct:
def is_palindrome(s):
return s == s[::-1]
Test it with: "radar", "hello", "kayak", "Madam"
"""
)
Τα εφαρμοσμένα μαθηματικά ολοκληρώνουν τη λίστα: επίλυση συστημάτων εξισώσεων, γραμμική άλγεβρα, βελτιστοποίηση. Και εδώ, η απόκριση βασίζεται σε έναν λυτή, όχι στη διαίσθηση.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Solve the system of equations: 2x + 3y = 12, 4x - y = 5"
)
Συνδυασμός με Άλλα Εργαλεία
Ένας πράκτορας μπορεί να έχει ενεργοποιημένα πολλαπλά εργαλεία ταυτόχρονα, και συχνά εδώ εμφανίζεται η πραγματική αξία: η αναζήτηση φέρνει νέα δεδομένα που ο κώδικας μετατρέπει σε ανάλυση.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Complete Analyst",
description="Search + Calculation",
instructions="Search for recent data then analyze it with code.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"}
]
)
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Find the current price of Bitcoin and calculate its percentage change over the last 30 days."
)
Ο πράκτορας επιλέγει αυτόματα ποιο εργαλείο θα χρησιμοποιήσει σε κάθε βήμα. Σε αυτό το αίτημα, συνδυάζει τα δύο: δεν μπορείτε να υπολογίσετε μια μεταβολή χωρίς πρώτα να λάβετε τις τιμές, και δεν μπορείτε να λάβετε αυτές τις τιμές χωρίς πρόσβαση στον ιστό.
Περιορισμοί του Sandbox
Αυτό το απομονωμένο περιβάλλον επιβάλλει περιορισμούς που πρέπει να γνωρίζετε πριν σχεδιάσετε την εφαρμογή σας. Οι βιβλιοθήκες είναι περιορισμένες: τα τυπικά πακέτα Python είναι διαθέσιμα—numpy, pandas, matplotlib, μεταξύ άλλων—αλλά όχι όλα τα πακέτα τρίτων, γεγονός που αποκλείει τις εσωτερικές σας εξαρτήσεις. Ο κώδικας δεν έχει πρόσβαση στο δίκτυο, επομένως τα δεδομένα πρέπει να φτάνουν σε αυτόν μέσω του context ή άλλου εργαλείου, ποτέ μέσω μιας κλήσης HTTP γραμμένης στο σενάριο. Ο χρόνος εκτέλεσης είναι οριοθετημένος, επομένως οι διαδικασίες μεγάλης διάρκειας διακόπτονται: χωρίστε μεγάλους όγκους αντί να ελπίζετε σε μια ενιαία διέλευση. Τέλος, δεν υπάρχει επιμονή μεταξύ των κλήσεων· ένα αρχείο που δημιουργήθηκε κατά τη διάρκεια μιας εκτέλεσης δεν θα βρεθεί στην επόμενη.
Βασικά σημεία
- Το
code_interpreterεκτελεί Python σε ένα ασφαλές sandbox στην πλευρά του Mistral - Η απόκριση περιέχει τον εκτελεσμένο κώδικα (
info.code) και την έξοδό του (info.code_output) - Ιδανικό για υπολογισμούς, ανάλυση δεδομένων και δημιουργία γραφημάτων
- Μπορεί να συνδυαστεί με άλλα εργαλεία (web_search, κ.λπ.)
- Το sandbox έχει περιορισμούς: χωρίς πρόσβαση στο δίκτυο, περιορισμένες βιβλιοθήκες, χωρίς επιμονή