Alat image_generation: Stvaranje slika
Na ovoj stranici
Generiraj slike putem svog agenta
Alat image_generation omogućuje tvom agentu stvaranje slika na temelju tekstualnih opisa. Nadopunjuje alate koje si već upoznao: dok code_interpreter proizvodi brojeve i grafikone, ovaj proizvodi vizuale. Riječ je o moćnom alatu za kreativne slučajeve upotrebe, izradu maketa ili ilustriranje koncepata. Kao i drugi ugrađeni alati, aktiviraš ga prilikom kreiranja agenta, a model sam odlučuje hoće li ga pozvati na temelju zahtjeva.
Kreiraj agenta s generiranjem slika
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}
)
Upute ovdje imaju veliku težinu. Tražeći od agenta da preformulira zahtjev u detaljan prompt, pretvaraš nejasno „napravi mi sliku mačke“ u djelotvoran opis. Time što ga natjeraš da najavi sliku prije nego što je generira, daješ si priliku korigirati smjer prije samog generiranja. Temperatura od 0,3 održava ovo preformuliranje discipliniranim: želiš opisnu preciznost, a ne slobodno izmišljanje.
Generiraj sliku
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Iza ovog jednog poziva, agent lančano prolazi četiri koraka: analizira tvoj zahtjev, formulira prompt optimiziran za model generiranja, stvara sliku i zatim vraća datoteku. Ti se koraci pojavljuju u izlazima razgovora, omogućujući ti da vidiš koji je prompt proizveo koju sliku. To je neprocjenjivo kada ti se rezultat svidi i želiš ga reproducirati.
Preuzmi generirane slike
Slike se ne vraćaju kao tekst u odgovoru: dolaze kao objekti ToolFileChunk u sadržaju, a stvarnu datoteku dohvaćaš putem Files API-ja.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Download the image file
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Save locally
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tri uobičajena slučaja upotrebe
Prvi je ilustracija dokumentacije, gdje dijagram objašnjava bolje od odlomka.
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."
)
Drugi su vizualne makete, kako bi se materijalizirao smjer prije angažiranja dizajnera.
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."
)
Treći je stvaranje marketinškog sadržaja, gdje agent proizvodi prilagođeni vizual na temelju pisanog briefa.
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."
)
U sva tri slučaja, kvaliteta briefa određuje kvalitetu rezultata: kreativni agent ne izmišlja tvoju namjeru, već je izvršava.
Kombiniraj s drugim alatima
Generiranje slika doseže puni potencijal kada se upari s drugim alatima. Pretraživanje podataka, njihova analiza, a zatim ilustriranje postaju jedinstven, besprijekoran tijek iz perspektive korisnika.
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"}
]
)
Piši dobre promptove za slike
Pet poluga značajno poboljšava rezultate. Prvo, budi opisniji: „Prugasta narančasta mačka sjedi na drvenom stolu, prirodno osvjetljenje, fotografski stil“ daje potpuno drugačiju sliku od „mačka“. Zatim specificiraj očekivani stil – fotografski, ilustracija, akvarel, minimalizam. Naznači kompoziciju, odnosno pogled sprijeda, ptičja perspektiva, krupni plan ili široki kadar. Spomeni osvjetljenje, bilo da je prirodno, studijsko, protusvjetlo ili zlatni sat. Naposljetku, specificiraj boje: topla paleta, hladni tonovi, monokromatski. Ovih pet osi točno je ono što upisuješ u upute agenta kako bi mogao obogatiti prekratke zahtjeve svojih korisnika.
Upravljaj generiranim datotekama
Generirane slike privremeno se pohranjuju u Mistralov oblak putem Files API-ja. Uvedi naviku inventarizacije i čišćenja: inače će se tvoj prostor ispuniti zaboravljenim skicama, a datoteke koje su ti bile potrebne nestat će jer nisu preuzete na vrijeme.
# List files
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Delete a file
client.files.delete(file_id="file-xxxxxxxx")
Ključne točke
image_generationstvara slike iz tekstualnih opisa- Slike se vraćaju kao objekti
ToolFileChunki mogu se preuzeti putemclient.files.download() - Detaljni promptovi (stil, kompozicija, osvjetljenje) značajno poboljšavaju rezultate
- Alat se može kombinirati s
web_searchicode_interpreter - Generirane datoteke su privremene – preuzmi ih ili će biti izbrisane