Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

code_interpreter-työkalu: Pythonin suorittaminen

Oppitunti 9 / 18 Päivitetty 2. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. Koodin suorittaminen Mistral Cloudissa
  2. Agentin luominen Code Interpreterillä
  3. Suorituksen käynnistäminen
  4. Vastauksen rakenne
  5. Mitä työkalu muuttaa käytännössä
  6. Yhdistäminen muihin työkaluihin
  7. Hiekkalaatikon rajoitukset
  8. Keskeiset asiat

Koodin suorittaminen Mistral Cloudissa

code_interpreter-työkalun avulla agenttisi voi kirjoittaa ja suorittaa Python-koodia eristetyssä säiliössä (sandbox). Se on ihanteellinen valinta laskutoimituksiin, data-analyysiin, kaavioiden luomiseen ja koodin validointiin. Kyse ei ole pelkästä mukavuudesta: LLM, joka “laskee” päässään, tuottaa uskottavan tuloksen, ei välttämättä oikeaa. Siirtämällä operaatio todelliselle tulkkille korvaat token-ennustamisen varmennettavalla suorituksella, jolloin saat koodin, jonka voit tarkistaa.

Agentin luominen Code Interpreterillä

Tämän agentin ohjeistuksen tulee vaatia koodin näyttämistä ennen sen suorittamista, jotta sinulla on kontrollipiste sille, mitä todellisuudessa ajetaan.

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="Code Agent",
    instructions="""You are a Python programming assistant.
- Use the code interpreter to run code when necessary
- Always show the code before executing it
- Explain results clearly""",
    tools=[{"type": "code_interpreter"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Suorituksen käynnistäminen

Yksinkertainen laskupyyntö riittää käynnistämään työkalun; erityisiä ohjeita ei tarvita.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Calculate the first 20 Fibonacci numbers."
)

Agentti kirjoittaa Python-skriptin sekvenssin laskemiseksi, suorittaa sen hiekkalaatikossa ja esittää tulokset selityksineen. Saamasi kaksikymmentä arvoa perustuvat todelliseen suoritukseen: ne ovat tarkkoja jopa siinä vaiheessa, jossa malli yleensä alkaa tehdä virheitä.

Vastauksen rakenne

Voit lukea tämän mekanismin suoraan palautetuista merkinnöistä, ja koodisi täytyy erottaa toisistaan teksti ja suoritus tulokset.

for entry in response.outputs:
    if entry.type == "message.output":
        # First response: "I will calculate..." or final result
        print(f"Message: {entry.content}")

    elif entry.type == "tool.execution":
        # Executed code and result
        print(f"Code: {entry.info.code}")
        print(f"Output: {entry.info.code_output}")

Agentti aloittaa message.output-viestillä, jossa se ilmoittaa aikomuksensa. Seuraavaksi tulee tool.execution, jossa koodi suoritetaan: info.code sisältää skriptin ja info.code_output sen tulosteen. Toinen message.output päättää sekvenssin; siinä agentti tulkitsee ja selittää tulokset. Nämä kaksi kenttää, info.code ja info.code_output, ovat auditointiketjusi – säilytä ne sovelluksesi lokeissa, sillä niiden avulla voit toistaa ja haastaa agentin tuottamat luvut.

Mitä työkalu muuttaa käytännössä

Data-analyysi on ilmeisin käyttötapa. Anna sarja arvoja ja pyydä tilastoja: keskiarvo, mediaani ja keskihajonta lasketaan, niitä ei estimoida.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="""Here are the monthly sales (in K€): 
    Jan: 120, Feb: 135, Mar: 142, Apr: 128, May: 155, Jun: 168
    Calculate the mean, median, standard deviation, and trend."""
)

Kaavioiden luominen laajentaa tätä kykyä luontevasti, sillä ympäristö sisältää piirustuskirjastoja.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Create a bar chart of cloud market shares in Europe: AWS 31%, Azure 25%, GCP 11%, OVH 8%, Others 25%"
)

Agentti käyttää matplotlibia kaavion luomiseen. Tulos on kuvatiedosto, joka on saatavilla vastauksessa – varmista siis, että lukukoodisi käsittelee tämän tapauksen, muuten näytät vain siihen liittyvän tekstikommentin.

Koodin validointi on kolmas, vähemmän ilmeinen mutta arvokas käyttötapa. Lähetä funktio ja testitapaukset, jotka tulee kattaa: agentti ei vain päätele koodista, vaan se suorittaa sen. Alla olevassa esimerkissä syöte "Madam" paljastaa vian, jonka yksinkertainen koodikatselmus todennäköisesti jättäisi huomaamatta.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="""Check if this function is correct:
    
def is_palindrome(s):
    return s == s[::-1]

Test it with: "radar", "hello", "kayak", "Madam"
"""
)

Sovellettu matematiikka täydentää listan: yhtälöryhmien ratkaiseminen, lineaarialgebra, optimointi. Tässäkin vastaus perustuu ratkaisijaan, ei intuitioon.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Solve the system of equations: 2x + 3y = 12, 4x - y = 5"
)

Yhdistäminen muihin työkaluihin

Agentilla voi olla useita työkaluja käytössä samanaikaisesti, ja usein todellinen arvo piilee juuri tässä: haku tuo tuoretta dataa, jonka koodi muuntaa analyysiksi.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Complete Analyst",
    description="Search + Calculation",
    instructions="Search for recent data then analyze it with code.",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ]
)

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Find the current price of Bitcoin and calculate its percentage change over the last 30 days."
)

Agentti valitsee automaattisesti, mitä työkalua se käyttää missäkin vaiheessa. Tässä pyynnössä se ketjuttaa kaksi toimintoa: et voi laskea muutosta saamatta ensin arvoja, etkä voi saada niitä arvoja ilman verkkoyhteyttä.

Hiekkalaatikon rajoitukset

Tämä eristetty ympäristö asettaa rajoituksia, jotka sinun tulee tuntea ennen sovelluksesi suunnittelua. Kirjastot ovat rajallisia: vakiot Python-paketit ovat saatavilla – kuten numpy, pandas ja matplotlib – mutta kaikki kolmannen osapuolen paketit eivät ole, mikä sulkee pois sisäiset riippuvuutesi. Koodilla ei ole verkkoyhteyttä, joten datan on saavuttava se kontekstin tai toisen työkalun kautta, ei koskaan skriptiin kirjoitetun HTTP-kutsun kautta. Suoritusaika on rajoitettu, joten pitkät prosessit keskeytetään: pilko suuret volyymit osiin äläkä luota yhteen läpimenoon. Lopuksi, pysyvyyttä kutsujen välillä ei ole; yhden suorituksen aikana luotua tiedostoa ei löydy seuraavassa.

Keskeiset asiat

  • code_interpreter suorittaa Pythonia turvallisessa hiekkalaatikossa Mistralin puolella
  • Vastaus sisältää suoritetun koodin (info.code) ja sen tulosteen (info.code_output)
  • Ihanteellinen laskutoimituksiin, data-analyysiin ja kaavioiden luomiseen
  • Voidaan yhdistää muihin työkaluihin (esim. web_search)
  • Hiekkalaatikolla on rajoituksia: ei verkkoyhteyttä, rajalliset kirjastot, ei pysyvyyttä