Herramienta image_generation: crear imágenes
En esta página
Generar imágenes a través de tu agente
La herramienta image_generation permite que tu agente cree imágenes a partir de descripciones en texto. Complementa las herramientas que ya has visto: mientras que code_interpreter produce números y gráficos, esta genera elementos visuales. Es una herramienta potente para casos de uso creativos, la generación de maquetas o la ilustración de conceptos. Al igual que otras herramientas integradas, la habilitas al crear el agente y el modelo decide si invocarla en función de la solicitud.
Crear un agente con generación de imágenes
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="""Eres un asistente creativo especializado en generación de imágenes.
- Reformula las solicitudes como indicaciones detalladas para obtener mejores resultados
- Describe la imagen que vas a generar antes de crearla
- Propón variaciones si el resultado no es satisfactorio""",
tools=[{"type": "image_generation"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Las instrucciones tienen aquí un peso significativo. Al pedir al agente que reformule la solicitud como una indicación detallada, transformas un vago «hazme una imagen de un gato» en una descripción ejecutable. Al hacer que anuncie la imagen antes de generarla, te das la oportunidad de corregir el rumbo antes de que tenga lugar la generación. Una temperatura de 0,3 mantiene esta reformulación disciplinada: buscas precisión descriptiva, no invención libre.
Generar una imagen
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Detrás de esta única llamada, el agente encadena cuatro pasos: analiza tu solicitud, formula una indicación optimizada para el modelo de generación, crea la imagen y, finalmente, devuelve el archivo. Estos pasos aparecen en las salidas de la conversación, lo que te permite ver qué indicación produjo qué imagen. Esto es invaluable cuando un resultado te satisface y quieres reproducirlo.
Descargar imágenes generadas
Las imágenes no se devuelven como texto en la respuesta: llegan como objetos ToolFileChunk en el contenido y recuperas el archivo real mediante la API de Files.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Descargar el archivo de imagen
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Guardar localmente
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tres casos de uso comunes
El primero es la ilustración de documentación, donde un diagrama explica mejor que un párrafo.
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."
)
El segundo son las maquetas visuales, para materializar una dirección antes de contratar a un diseñador.
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."
)
El tercero es la creación de contenido de marketing, donde el agente produce un elemento visual adaptado a partir de un brief escrito.
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."
)
En los tres casos, la calidad del brief determina la calidad del resultado: un agente creativo no inventa tu intención, la ejecuta.
Combinar con otras herramientas
La generación de imágenes alcanza todo su potencial cuando se combina con otras herramientas. Buscar datos, analizarlos y luego ilustrarlos se convierte en un flujo único y fluido desde la perspectiva del usuario.
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"}
]
)
Escribir buenas indicaciones para imágenes
Cinco palancas mejoran significativamente los resultados. En primer lugar, sé descriptivo: «Un gato naranja rayado sentado en un escritorio de madera, iluminación natural, estilo fotográfico» produce una imagen completamente diferente a «un gato». A continuación, especifica el estilo esperado: fotográfico, ilustración, acuarela, minimalista. Indica la composición, es decir, vista frontal, ángulo picado, primer plano o plano general. Menciona la iluminación, ya sea natural, de estudio, a contraluz o hora dorada. Por último, especifica los colores: paleta cálida, tonos fríos, monocromo. Estos cinco ejes son exactamente lo que debes escribir en las instrucciones del agente para que pueda enriquecer las solicitudes demasiado breves de tus usuarios.
Gestionar archivos generados
Las imágenes generadas se almacenan temporalmente en la nube de Mistral a través de la API de Files. Acostúmbrate a hacer un inventario y limpiar: de lo contrario, tu espacio se llenará de borradores olvidados y los archivos que necesitabas desaparecerán porque no se descargaron a tiempo.
# Listar archivos
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Eliminar un archivo
client.files.delete(file_id="file-xxxxxxxx")
Puntos clave
image_generationcrea imágenes a partir de descripciones en texto- Las imágenes se devuelven como objetos
ToolFileChunky se pueden descargar medianteclient.files.download() - Las indicaciones detalladas (estilo, composición, iluminación) mejoran significativamente los resultados
- La herramienta se puede combinar con
web_searchycode_interpreter - Los archivos generados son temporales: descárgalos o se eliminarán