image_generation-työkalu: Kuvien luominen
Tällä sivulla
Kuvien generointi agentin kautta
image_generation-työkalu antaa agentillesi mahdollisuuden luoda kuvia tekstikuvauksista. Se täydentää aiemmin näkemiäsi työkaluja: kun taas code_interpreter tuottaa numeroita ja kaavioita, tämä työkalu tuottaa visuaalista sisältöä. Se on tehokas työkalu luoviin käyttötarkoituksiin, mallikuvien generointiin tai käsitteiden havainnollistamiseen. Kuten muutkin sisäänrakennetut työkalut, otat sen käyttöön agenttia luodessasi, ja malli päättää kutsuaanko sitä pyynnön perusteella.
Agentin luominen kuvageneroinnilla
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="""You are a creative assistant specialized in image generation.
- Rephrase requests into detailed prompts for better results
- Describe the image you are about to generate before creating it
- Propose variations if the result is unsatisfactory""",
tools=[{"type": "image_generation"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Ohjeistuksella on tässä suuri merkitys. Pyytämällä agenttia muotoilemaan pyynnön uudelleen yksityiskohtaiseksi kehotteeksi (prompt) muutat epämääräisen “tee kuva kissasta” toimintakelpoiseksi kuvaukseksi. Kun saat agentin kuvaamaan kuvan ennen sen luomista, saat mahdollisuuden korjata kurssia ennen varsinaista generointia. Lämpötila 0,3 pitää tämän uudelleenmuotoilun kurissa: haluat kuvailevaa tarkkuutta, et vapaata keksintää.
Kuvan generointi
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Tämän yhden kutsun takana agentti ketjuttaa neljä vaihetta: se analysoi pyyntösi, muotoilee generointimallille optimoidun kehotteen, luo kuvan ja palauttaa tiedoston. Nämä vaiheet näkyvät keskustelun tulosteissa, joten näet, mikä kehotte tuotti minkäkin kuvan. Tämä on korvaamatonta, kun tulos miellyttää sinua ja haluat toistaa sen.
Ladatuksi generoitujen kuvien lataaminen
Kuvat eivät palaudu vastauksessa tekstinä: ne saapuvat ToolFileChunk-objekteina sisältöön, ja haet varsinaisen tiedoston Files API:n kautta.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Lataa kuvatiedosto
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Tallenna paikallisesti
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Kolme yleistä käyttötapausta
Ensimmäinen on dokumentaation havainnollistaminen, jossa kaavio selittää asian paremmin kuin kappale tekstiä.
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."
)
Toinen on visuaalisten mallikuvien luominen, jotta suunta voidaan konkretisoida ennen suunnittelijan palkkaamista.
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."
)
Kolmas on markkinointisisällön tuottaminen, jossa agentti luo räätälöidyn visuaalisen elementin kirjallisen briefin pohjalta.
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."
)
Kaikissa kolmessa tapauksessa briefin laatu määrittää tuloksen laadun: luova agentti ei keksi intentiotasi, vaan toteuttaa sen.
Yhdistäminen muihin työkaluihin
Kuvagenerointi saavuttaa täyden potentiaalinsa, kun se yhdistetään muihin työkaluihin. Tietojen haku, niiden analysointi ja sen jälkeen havainnollistaminen muodostavat käyttäjän näkökulmasta yhden saumattoman kokonaisuuden.
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"}
]
)
Hyvien kuvakehotteiden kirjoittaminen
Viisi vipua parantavat tuloksia merkittävästi. Ensinnäkin, ole kuvaileva: “Raidallinen oranssi kissa istumassa puupöydällä, luonnonvalo, valokuvamainen tyyli” tuottaa täysin erilaisen kuvan kuin “kissa”. Määritä seuraavaksi odotettu tyyli – valokuvamainen, illustraatio, vesiväri, minimalistinen. Ilmoita sommittelu, eli edestäpäin otettu kuva, yläkulma, lähikuva tai laaja kuva. Mainitse valaistus, olipa se sitten luonnonvalo, studiovalo, vastavalo tai kultainen hetki. Lopuksi määritä värit: lämmin paletti, viileät sävyt, mustavalkoinen. Nämä viisi akselia ovat juuri sitä, mitä kirjoitat agentin ohjeistukseen, jotta se voi rikastaa käyttäjiesi liian lyhyitä pyyntöjä.
Generoitujen tiedostojen hallinta
Generoidut kuvat tallennetaan väliaikaisesti Mistralin pilveen Files API:n kautta. Tee tavaksi inventoida ja siivota tiedostot: muuten tilasi täyttyy unohdetuista luonnoksista, ja tarvitsemasi tiedostot katoavat, koska niitä ei ladattu ajoissa.
# Listaa tiedostot
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Poista tiedosto
client.files.delete(file_id="file-xxxxxxxx")
Keskeiset asiat
image_generationluo kuvia tekstikuvauksista- Kuvat palautuvat
ToolFileChunk-objekteina ja ne voi ladata komennollaclient.files.download() - Yksityiskohtaiset kehotteet (tyyli, sommittelu, valaistus) parantavat tuloksia merkittävästi
- Työkalun voi yhdistää web_search- ja code_interpreter-työkaluihin
- Generoidut tiedostot ovat väliaikaisia – lataa ne, muuten ne poistetaan