Lähe põhisisu juurde
Eesti— Vali keel
Menüü

Loo agent Pythoni API-ga

Õppetund 4 / 18 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. Sinu esimene Mistrali agent
  2. Eeltingimused
  3. Loo minimaalne agent
  4. Määratle käitumine juhistega
  5. Juhi genereerimist
  6. Varusta agent tööriistadega
  7. Halda agendi elutsüklit
  8. Täielik näide
  9. Peamised punktid

Sinu esimene Mistrali agent

Eelmised kolm õppetundi lõid sõnavara; see paneb su käed klaviatuurile. Lood agendi Pythoni API kaudu, rikastades seda järk-järgult juhistega, genereerimisparameetrite ja tööriistadega, ning alustad sellega vestlust. Progressioon on tahtlikult astmeline: iga lisand muudab jälgitavat käitumist, näidates, miks sama create() meetod suudab luua kas üldise assistendi või kitsa stiiliga eksperti.

Eeltingimused

Paigaldamine koosneb kahest sammust. Esiteks ametlik SDK.

pip install mistralai

Järgmiseks tee oma API-võti keskkonnas kättesaadavaks, selle asemel et see koodi sisse kõvakodeerida. Võtme tahtmatu hoidlasse kommitimine on esimene turvaintsident mis tahes LLM-projektis.

export MISTRAL_API_KEY="your-api-key"

Seejärel lood kliendi ühe reaga. See client objekt on ülejäänud õppetunni sisenemispunktiks.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

Loo minimaalne agent

Meetod client.beta.agents.create() nõuab kolme kohustuslikku parameetrit ja mitut valikulist. Alustame paljast miinimumist.

agent = client.beta.agents.create(
    model="mistral-medium-latest",
    name="Simple Assistant",
    description="A conversational agent with persistent state."
)

print(f"Agent created: {agent.id}")

See agent on minimalistlik: puuduvad konkreetsed juhised, tööriistad või kaitsepiirded. See käitub nagu täiustatud Chat Completionsi lõpp-punkt püsivusega. Pane tähele agent.id-s tagastatud identifikaatorit: see on see, mida rakenduse poolel salvestad, kuna see on ainus stabiilne viide sellele konfiguratsioonile.

Määratle käitumine juhistega

Juhised toimivad süsteemse vihjena ja on peamine hoob käitumise kontrollimiseks. Alltoodud näide muudab üldise assistendi juriidiliseks eksperdiks, kelle tegevusvaldkond, vorming ja piirangud on selgelt määratletud.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Legal Expert",
    description="Agent specialized in French business law.",
    instructions="""You are an expert in French business law.

Rules:
- Always respond in French
- Cite relevant legal articles
- Specify when a question requires a lawyer's opinion
- Structure your responses with headings and lists
- Never give definitive legal advice"""
)

Jälgi selle vihje struktuuri: rolli määratlus alguses, millele järgnevad nummerdatud reeglid. See sektsiooniline ülesehitus aitab mudelil prioriseerida piiranguid. Ole rolli, tooni ja piirangute osas konkreetne, selle asemel et kirjutada „ole abivalmis“. Kõige tähtsam on ennustada äärmuslikke juhtumeid – mida peaks agent tegema, kui küsimus jääb väljapoole selle domeeni? Rida advokaadi arvamuse küsimise kohta lahendab seda täpselt. Lõpuks kohtle juhiseid nagu koodi: testid ja muudad neid mitu korda, enne kui need toodavad oodatud käitumist.

Juhi genereerimist

completion_args konfigureerib samplerit, ehk seda, kuidas mudel oma sõnu valib. Agent, kelle ülesandeks on faktide ümber sõnastamine, ei vaja sama vabadust kui ajurünnaku agent.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Precise Agent",
    description="Agent with controlled generation parameters.",
    instructions="Respond factually and concisely.",
    completion_args={
        "temperature": 0.2,    # Less creativity, more precision
        "top_p": 0.9,          # Probability nucleus
        "max_tokens": 2048     # Response length limit
    }
)
  • temperature – Vahemikus 0,0 (deterministlik) kuni 1,0 (loov). Faktiliste ülesannete puhul eelista 0,1–0,3.
  • top_p – Kumulatiivne tõenäosuse filtreerimine. 0,9 on hea vaikimisi väärtus.
  • max_tokens – Range piirang väljundtokenite arvule.

Varusta agent tööriistadega

Agent muutub tõeliselt autonoomseks, kui ta suudab tegutseda väljaspool teksti. Järgmine konfiguratsioon annab talle nii veebi juurdepääsu kui ka koodi käivitamise: seisnes küsimuses, mis võrdleb tänaseid määrasid, hangib ta väärtused ja arvutab tulemuse ilma sinu sekkumiseta.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Research Agent",
    description="Agent with web search and code execution.",
    instructions="Use web search for current information and code for calculations.",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Saadaolevad tööriistad on: web_search, web_search_premium, code_interpreter, image_generation, document_library.

Halda agendi elutsüklit

Su agendid on Mistrali poolt püsivad ressursid ja haldad neid nagu kõiki teisi ressursse: leiad, muudad, kustutad. Loetlemine on eriti kasulik arenduse ajal, kus lõpetad kiiresti kümnete testagentidega, mille ID-d oled kaotanud.

# List all your agents
agents = client.beta.agents.list()
for a in agents.data:
    print(f"{a.name} ({a.id})")

# Retrieve an agent by its ID
agent = client.beta.agents.get(agent_id="ag-xxxxxxxx")

Uuendused on osalised: muudetakse ainult esitatud välju; teised jäävad selliseks, nagu nad on. See võimaldab sul tootmises juhiseid täpsustada, kogu konfiguratsiooni uuesti deklareerimata.

agent = client.beta.agents.update(
    agent_id=agent.id,
    instructions="New updated instructions.",
    tools=[{"type": "web_search"}, {"type": "code_interpreter"}]
)

Kustutamine on aga pöördumatu.

client.beta.agents.delete(agent_id=agent.id)

Täielik näide

Viime kõik kokku täielikult funktsioneerivaks agendiks: loomine, vestlus ja vastuse lugemine. Saad seda skripti kasutada sellisena, nagu see on; muuda lihtsalt nime ja juhiseid ning sul on minutitega oma töötab analüütik.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Create the agent
agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Tech Analyst",
    description="Analyzes technology trends with web sources.",
    instructions="""You are a technology analyst.
- Use web search for recent data
- Always cite your sources
- Structure your analyses into key points""",
    tools=[{"type": "web_search"}],
    completion_args={"temperature": 0.3}
)

# Start a conversation
response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="What are the latest advancements in agentic AI in 2026?"
)

# Display the response
for entry in response.outputs:
    if hasattr(entry, "content"):
        print(entry.content)

Viimane tsükkel väärib hetke tähelepanu: see iteratsioonib üle response.outputs, selle asemel et lugeda ühte välja, kuna tööriistadega varustatud agent toodab mitu kirjet – otsingu käivitamine ja seejärel tekst. See on võtmepunkt, mida järgmises õppetunnis silmas pidada.

Peamised punktid

  • client.beta.agents.create() loob agendi mudeli, nime ja kirjeldusega (kohustuslik)
  • Juhised määratlevad käitumise – see on peamine hoob
  • completion_args kontrollib genereerimist (temperature, top_p, max_tokens)
  • Agendil võib olla samaaegselt lubatud mitu tööriista
  • Agendid on taaskasutatavad konfiguratsioonid, mitte vestluse eksemplarid