Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

web_search-työkalu: reaaliaikainen internet-haku

Oppitunti 8 / 18 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Mistralin neljä sisäänrakennettua työkalua
  2. Web Search yksityiskohtaisesti
  3. Haun suorittaminen
  4. Vastauksen rakenne
  5. Suoran tilan käyttö (ilman agenttia)
  6. Parhaat käytännöt, jotka tekevät eron
  7. Keskeiset asiat

Mistralin neljä sisäänrakennettua työkalua

Tämä oppitunti aloittaa sisäänrakennettujen työkalujen osion. Ennen kuin sukellamme ensimmäiseen työkaluun, käy läpi Agents API:n tarjoamat neljä työkalua ja niiden ratkaisemat tarpeet.

Työkalu Tyyppi Kuvaus Käyttötarkoitus
Web Search web_search Reaaliaikainen internet-haku Uutiset, seuranta, faktantarkistus
Code Interpreter code_interpreter Hiekkalaatikossa suoritettava Python-koodi Laskelmat, data-analyysi, kaaviot
Image Generation image_generation Tekstistä kuvaksi -luonti Kuvitukset, mallikappaleet, luova työ
Document Library document_library RAG ladatuille dokumenteille Tiedostojen kysely-vastaus, tiedonpoiminta, tiivistäminen

Nämä työkalut toimivat Mistralin pilviympäristössä – sinun ei tarvitse hallita infrastruktuuria. Tämä on perustavanlaatuinen ero perinteiseen funktiokutsuun, jossa hoidat suorituksen itse: tässä määrittelet vain ominaisuuden, ja tarjoaja hoitaa hiekkalaatikon, riippuvuudet ja skaalautuvuuden.

Web Search yksityiskohtaisesti

web_search-työkalun avulla agenttisi voi hakea tietoa internetistä reaaliajassa. Se on käytetyin työkalu, koska se ratkaisee kielimallien perusongelman: aikakuilun todellisuuteen. Malli ei tiedä mitään koulutuksensa jälkeen tapahtuneista asioista, eikä se edes tiedä olevansa tietämätön – mikä johtaa itsevarmoihin vastauksiin vanhentuneen maailmankuvan pohjalta.

Agentin määrittäminen tällä työkalulla vaatii vain muutaman rivin koodia.

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="Web Search Agent",
    instructions="You perform web searches to answer questions. Always cite your sources.",
    tools=[{"type": "web_search"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Haun suorittaminen

Kysyt agentilta aivan kuten muiltakin: hakupäätös kuuluu agentille.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Who won the most recent European Football Championship?"
)

Tämän yhden kutsun takana piilee koko tapahtumaketju. Agentti analysoi ensin kysymyksen selvittääkseen, riittääkö sen oma tieto – tässä tapauksessa sanat “most recent” viittaavat ajankohtaiseen tietoon, joten oma tieto ei riitä. Se muotoilee sitten optimoidun hakukyselyn, joka poikkeaa usein alkuperäisestä lauseestasi ja on riisuttu keskustelukielen fraaseista. Se suorittaa haun ja syntetisoi tulokset lähdeviitteineen. Et hallitse näitä vaiheita, mutta näet ne kaikki vastauksessa.

Vastauksen rakenne

Vastaus sisältää useita peräkkäisiä merkintöjä, jotka sinun on käsiteltävä järjestyksessä.

for entry in response.outputs:
    print(f"--- {entry.type} ---")

    if entry.type == "tool.execution":
        # Suoritetun haun yksityiskohdat
        print(f"Tool: {entry.tool_name}")

    elif entry.type == "message.output":
        # Vastaus lähdeviitteineen
        for chunk in entry.content:
            if chunk.type == "text":
                print(chunk.text)
            elif chunk.type == "tool_reference":
                print(f"[Source] {chunk.title} — {chunk.url}")

Näet ensin tool.execution-merkinnän, joka sisältää operaation metadataa, mukaan lukien hakukoneelle lähetetyn varsinaisen kyselyn. Tämä on paikka, johon kannattaa katsoa, jos vastaus vaikuttaa aiheen viereltä, sillä huomaa usein, että uudelleenmuotoilu on harhautunut. message.output-merkintä sisältää sitten syntetisoidun vastauksen, joka on jaettu text- ja tool_reference-osioihin – siksi yllä olevassa koodissa on sisäkkäinen silmukka.

Suoran tilan käyttö (ilman agenttia)

Työkalu toimii myös ilman rekisteröityä agenttia, mikä on kätevää nopeassa testauksessa.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[{"role": "user", "content": "Latest news on Mistral AI"}],
    tools=[{"type": "web_search"}]
)

Parhaat käytännöt, jotka tekevät eron

Aloita esittämällä tarkkoja kysymyksiä. Agentti muuntaa kysymyksesi hakukyselyksi: “kerro minulle tekoälystä” tuottaa yleisiä tuloksia, kun taas “mitkä eurooppalaiset tekoälyasetukset hyväksyttiin vuonna 2026?” kohdistaa heti toimiviin sivuihin. Tämä sääntö pätee myös käyttäjiesi kysymyksiin: jos käyttöliittymäsi sallii epämääräiset pyynnöt, sisällytä ohjeistukseesi vaihe uudelleenmuotoilulle tai tarkentaville kysymyksille.

Seuraavaksi hallitse lämpötilaa (temperature). Faktuaalisissa tehtävissä matala arvo – välillä 0,2–0,4 – vähentää hallusinaatioita tulosten syntetisoinnissa. Haku tarjoaa raaka-aineen, mutta malli kirjoittaa varsinaisen tekstin, ja mikään ei estä sitä täyttämästä aukkoja, jos sille annetaan liikaa vapautta.

Lopuksi tarkista lähteet. Lähdeviitteet ovat automaattisia, mutta niiden relevanssi vaihtelee: foorumiviesti ja virallinen teksti näyttävät viiteluettelossa samanlaisilta. Kriittisissä yhteyksissä avaa palautetut URL-osoitteet ennen tiedon omaksumista – ja näytä ne käyttäjillesi, jotta hekin voivat tehdä samoin.

Keskeiset asiat

  • web_search antaa agentille reaaliaikaisen pääsyn internetiin
  • Vastaukset sisältävät automaattiset lähdeviitteet (otsikko + URL)
  • web_search_premium lisää vahvistettuja uutislähteitä
  • Työkalu toimii agentin kanssa tai ilman (suora tila on mahdollinen)
  • Matala lämpötila on suositeltavaa faktuaalisissa tehtävissä