Conversaciones persistentes
En esta página
Lección actualizada el 3 de noviembre de 2026 basada en el SDK
mistralai3.7.0: recupera el historial de una conversación (susentries) usandoclient.beta.conversations.get_history;retrieveno existe ygetsolo devuelve los metadatos de la conversación. Fuente: client-python.
Estado que persiste entre intercambios
Una de las grandes ventajas de la API de Agentes frente a Chat Completions es la persistencia de la conversación. Ya no necesitas gestionar manualmente el historial de mensajes; Mistral se encarga de ello en el servidor. Concretamente, desaparece de tu código la lista de diccionarios que antes acumulabas en una variable, recortabas cuando se desbordaba el contexto y reconstruías en cada reinicio del proceso. Solo necesitas rastrear una cosa: un identificador. Y ese identificador sigue una regla que hace tropezar a todo el mundo en su primer proyecto.
Iniciar una conversación
El método conversations.start() crea una nueva conversación y envía el primer mensaje. El siguiente ejemplo también crea el agente que la ejecutará y le proporciona un contexto de proyecto que podrás consultar en varios turnos.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Crear un agente
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Asistente de proyecto",
description="Asistente de gestión de proyectos.",
instructions="Ayudas a organizar y hacer seguimiento de proyectos. Sé estructurado."
)
# Iniciar la conversación
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Voy a lanzar un nuevo proyecto para rediseñar nuestra web. Presupuesto: 50.000 €, fecha límite: septiembre de 2026."
)
print(f"ID de conversación: {response.conversation_id}")
El conversation_id devuelto es la clave para continuar esta conversación más adelante. Guárdalo donde tu aplicación pueda recuperarlo: en una sesión de usuario, una base de datos o el ticket de soporte al que corresponda.
Continuar una conversación
Para añadir un mensaje a una conversación existente, pasa el conversation_id a conversations.append(). Sigue el hilo de este ejemplo: la segunda pregunta no repite el presupuesto ni la fecha límite, y la tercera pide un calendario sin recordar al agente que se trata de un rediseño web. Aun así, el agente tiene todo ese contexto.
# Primer intercambio
response1 = client.beta.conversations.start(
agent_id=agent.id,
inputs="Voy a lanzar un proyecto de rediseño web. Presupuesto 50.000 €."
)
# Segundo intercambio — el agente recuerda el contexto
response2 = client.beta.conversations.append(
conversation_id=response1.conversation_id,
inputs="¿Cuáles son los pasos prioritarios?"
)
# Tercer intercambio — seguimos en el mismo contexto
response3 = client.beta.conversations.append(
conversation_id=response2.conversation_id,
inputs="Redacta un calendario para los primeros 3 meses."
)
Fíjate bien en qué identificador alimenta cada llamada: response2 parte del ID de response1, y response3 del de response2. No es una rareza; es el mecanismo central de la API.
El mecanismo de inmutabilidad
Cada llamada a conversations.append() devuelve un nuevo conversation_id. El anterior sigue siendo legible, pero debes usar el último ID para el siguiente append.
# Cada append devuelve un nuevo ID
id_1 = response1.conversation_id # "conv-aaa"
id_2 = response2.conversation_id # "conv-bbb"
id_3 = response3.conversation_id # "conv-ccc"
# Usa SIEMPRE el ID más reciente para continuar
response4 = client.beta.conversations.append(
conversation_id=id_3, # No id_1 ni id_2
inputs="Añade hitos de validación del cliente."
)
El error clásico consiste en guardar el identificador inicial en la base de datos cuando el usuario abre el hilo y reutilizarlo tal cual para cada mensaje. Nada falla: la API responde con normalidad, pero cada pregunta reinicia desde el contexto del primer intercambio y tu agente parece tener amnesia sin que ningún error te avise. Sobrescribe siempre el identificador almacenado con el que devuelve la respuesta.
Leer el historial de la conversación
Puedes leer el historial en cualquier momento, lo que resulta útil tanto para depurar como para mostrar un hilo en tu interfaz.
conversation = client.beta.conversations.get_history(
conversation_id=response.conversation_id
)
for entry in conversation.entries:
print(f"[{entry.role}] {entry.type}: {entry.content[:100]}...")
Gestionar el almacenamiento
Por defecto, las conversaciones se almacenan en la nube de Mistral. El parámetro store=False desactiva este comportamiento para intercambios que tu política interna prohíbe dejar en un servidor de terceros.
# Conversación efímera — no se guarda nada
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Datos confidenciales para analizar...",
store=False
)
La contrapartida coincide con el objetivo: la conversación no es recuperable tras la sesión y los datos no se conservan en los servidores de Mistral. Pierdes la reproducción del historial descrita antes y tu aplicación debe encargarse de rastrear los intercambios por su cuenta si lo necesita. Toma esta decisión de entrada, no como una casilla de última hora.
Patrón de conversación multi-turno
El esqueleto siguiente aplica todo lo anterior en un bucle interactivo. El punto clave es la variable conversation_id, inicializada a None: decide qué llamada realizar —start() en el primer turno, append() después— y se reasigna tras cada respuesta, siguiendo la regla de inmutabilidad.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Coach técnico",
description="Coach para decisiones técnicas.",
instructions="Eres un coach técnico senior. Haz preguntas para entender el contexto antes de aconsejar."
)
# Bucle de conversación
conversation_id = None
while True:
user_input = input("Tú: ")
if user_input.lower() in ["quit", "exit"]:
break
if conversation_id is None:
response = client.beta.conversations.start(
agent_id=agent.id,
inputs=user_input
)
else:
response = client.beta.conversations.append(
conversation_id=conversation_id,
inputs=user_input
)
conversation_id = response.conversation_id
for entry in response.outputs:
if hasattr(entry, "content"):
print(f"Agente: {entry.content}")
Adáptalo a tu contexto sustituyendo input() por tu fuente real de mensajes —una petición HTTP, un mensaje de cola, un evento de webhook— y persistiendo conversation_id donde tu aplicación pueda encontrarlo en el siguiente turno.
Puntos clave
conversations.start()crea una nueva conversación con un primer mensajeconversations.append()añade un mensaje a una conversación existente- Cada append devuelve un nuevo
conversation_id; usa siempre el más reciente store=Falsedesactiva la persistencia del lado de Mistral para datos sensibles- El agente retiene todo el contexto de la conversación sin que tengas que reenviar el historial