Alat web_search: Pretraživanje interneta u stvarnom vremenu
Na ovoj stranici
Četiri Mistralova ugrađena alata
Ova lekcija otvara poglavlje o ugrađenim alatima. Prije nego što zaronimo u prvi od njih, odvoji minutu za pregled četiri alata dostupna u Agents API-ju i potreba koje oni zadovoljavaju.
| Alat | Vrsta | Opis | Slučaj upotrebe |
|---|---|---|---|
| Web Search | web_search | Pretraživanje interneta u stvarnom vremenu | Vijesti, nadzor, provjera činjenica |
| Code Interpreter | code_interpreter | Izvršavanje Python koda u izoliranom okruženju (sandbox) | Izračuni, analiza podataka, grafikoni |
| Image Generation | image_generation | Stvaranje slika iz teksta | Ilustracije, makete, kreativni radovi |
| Document Library | document_library | RAG na učitanim dokumentima | Odgovori na pitanja o datotekama, ekstrakcija, sažimanje |
Ovi alati rade u Mistralovom cloud okruženju – nemaš nikakvu infrastrukturu za održavati na svojoj strani. To je temeljna razlika u odnosu na klasično pozivanje funkcija, gdje ti upravljaš izvršavanjem: ovdje samo deklariraš mogućnost, a pružatelj usluge brine o izoliranom okruženju (sandbox), ovisnostima i skaliranju.
Detalji o web pretraživanju
Alat web_search omogućuje tvom agentu da u stvarnom vremenu pretražuje informacije na internetu. Najčešće korišteni je alat jer rješava temeljni problem velikih jezičnih modela (LLM): vremenski jaz u odnosu na stvarnost. Model ne zna ništa o događajima koji su se dogodili nakon njegove obuke, a čak ni ne zna da to ne zna – što dovodi do uvjerenih odgovora temeljenih na zastarjelom pogledu na svijet.
Konfiguriranje agenta s ovim alatom zahtijeva samo nekoliko redaka koda.
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}
)
Pokretanje pretraživanja
Ovom agentu postavljaš upite kao i svakom drugom: odluka o pretraživanju pripada agentu.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Who won the most recent European Football Championship?"
)
Iza ovog jednog poziva krije se čitav lanac događaja. Agent prvo analizira pitanje kako bi utvrdio je li njegovo vlastito znanje dovoljno – ovdje riječ „najnovije“ implicira informacije vezane uz datum, pa nije. Zatim formulira optimizirani upit za pretraživanje, koji se često razlikuje od tvoje rečenice, očišćen od konverzacijskih fraza. Izvršava pretraživanje, a zatim sintetizira rezultate s priloženim citatima. Ne kontroliraš nijedan od ovih koraka, ali ih sve možeš vidjeti u odgovoru.
Anatomija odgovora
Odgovor sadrži nekoliko uzastopnih unosa kroz koje moraš iterirati redom.
for entry in response.outputs:
print(f"--- {entry.type} ---")
if entry.type == "tool.execution":
# Detalji izvršenog pretraživanja
print(f"Tool: {entry.tool_name}")
elif entry.type == "message.output":
# Odgovor s citatima
for chunk in entry.content:
if chunk.type == "text":
print(chunk.text)
elif chunk.type == "tool_reference":
print(f"[Source] {chunk.title} — {chunk.url}")
Prvo ćeš vidjeti unos tool.execution, koji nosi metapodatke operacije, uključujući stvarni upit poslan tražilici. Ovo je mjesto gdje trebaš gledati kada se odgovor čini izvan teme, jer ćeš često vidjeti da je reformulacija skrenula s puta. Unos message.output zatim nosi sintetizirani odgovor, podijeljen na dijelove text i tool_reference – otuda ugniježđena petlja u gornjem kodu.
Korištenje izravnog načina (bez agenta)
Alat radi i bez registriranog agenta, što je pogodno za brzo testiranje.
response = client.beta.conversations.start(
model="mistral-large-latest",
inputs=[{"role": "user", "content": "Latest news on Mistral AI"}],
tools=[{"type": "web_search"}]
)
Najbolje prakse koje čine razliku
Započni postavljanjem preciznih pitanja. Agent transformira tvoje pitanje u upit za pretraživanje: „reci mi nešto o umjetnoj inteligenciji“ dat će generičke rezultate, dok će „koji europski propisi o umjetnoj inteligenciji usvojeni su 2026.?“ odmah ciljati na korisne stranice. Ovo pravilo vrijedi i za pitanja koja postavljaju tvoji korisnici: ako tvoje sučelje dopušta nejasne zahtjeve, uključi korak u svoje upute za reformulaciju ili postavljaj pitanja za razjašnjenje.
Zatim, kontroliraj temperaturu. Za faktografske zadatke, niska vrijednost – između 0,2 i 0,4 – smanjuje halucinacije tijekom sinteze rezultata. Pretraživanje osigurava sirovi materijal, ali model još uvijek piše tekst i ništa ga ne sprječava da popuni praznine ako mu se da previše slobode.
Konačno, provjeri izvore. Citati su automatski, ali njihova relevantnost varira: objava na forumu i službeni tekst izgledaju slično na popisu referenci. U kritičnim kontekstima, otvori vraćene URL-ove prije usvajanja informacija – i izloži ih svojim korisnicima kako bi i oni mogli učiniti isto.
Ključne točke
web_searchdaje agentu pristup internetu u stvarnom vremenu- Odgovori uključuju automatske citate (naslov + URL)
web_search_premiumdodaje verificirane izvore vijesti- Alat radi s agentom ili bez njega (moguć je izravni način rada)
- Niska temperatura preporučuje se za faktografske zadatke