Pokreni i testiraj tijek rada
Na ovoj stranici
Lekcija ažurirana 3. studenog 2026. na temelju SDK-a
mistralaiverzije 3.7.0: praćenje izvršenja sada koristiclient.workflows.executions.get_workflow_execution_async, a rezultat se čita izresult. Dodatak istog dana: prethodni primjeri su se još uvijek pozivali naexecution.id,execution.outputiexecution.error, koji ne postoje u SDK-u, te su uspoređivali status s malim slovima"completed"ili"failed"; sada koristeexecution_id,result,wait_for_result=Truei statusa velikim slovima. Izvor: client-python.
Pokretanje tijeka rada
Napisao si svoje aktivnosti, definirao tijek rada i pokrenuo radnika (worker). Sada moraš pokrenuti izvršenje. Imaš dvije opcije: Python SDK ili cURL poziv na REST API. Prva opcija odgovara tvojim Python skriptama i uslugama; druga služi za brza testiranja u naredbenom retku ili okidače iz sustava koji nisu napisani u Pythonu – webhook, planer (scheduler) ili backend napisan u drugom jeziku.
Prije pokretanja bilo čega, moraju biti ispunjena tri uvjeta. Tvoj radnik mora biti pokrenut (uv run python worker.py), tvoj API ključ mora biti postavljen u MISTRAL_API_KEY, a tijek rada mora biti registriran kod tog radnika, što znači da se pojavljuje na popisu proslijeđenom funkciji run_worker().
Pokretanje putem Python SDK-a
Napiši okidač u skripti odvojenoj od radnika, jer proces radnika nikada ne vraća kontrolu:
import asyncio
from mistralai.client import Mistral
async def main():
client = Mistral()
execution = await client.workflows.execute_workflow_async(
workflow_identifier="salutation_workflow",
input={"nom": "Marie"},
wait_for_result=True, # čekaj završetak i primi rezultat
)
print(f"Execution ID: {execution.execution_id}")
print(f"Result: {execution.result}")
if __name__ == "__main__":
asyncio.run(main())
Vrijednost workflow_identifier mora točno odgovarati name deklariranom u @workflows.workflow.define(), a ključevi u rječniku input odgovaraju parametrima tvoje metode run. Pokreni ovu skriptu u zasebnom terminalu, ostavljajući prvi zauzetim od strane radnika:
uv run python trigger.py
S wait_for_result=True, SDK čeka da se izvršenje završi i izravno vraća rezultat, što testiranje čini vrlo preglednim za kratke tijekove rada. Bez ovog parametra, poziv se odmah vraća s identifikatorom izvršenja, koji zatim pratiš (vidi dolje).
Pokretanje putem cURL-a
Za brza testiranja ili integraciju s drugim sustavima, REST API izlaže isti okidač:
curl -X POST https://api.mistral.ai/v1/workflows/salutation_workflow/execute \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-H "Content-Type: application/json" \
-d '{"input": {"nom": "Marie"}, "wait_for_result": true}'
S wait_for_result, odgovor sadrži naziv tijeka rada, identifikator izvršenja i njegov rezultat; to su polja modela WorkflowExecutionSyncResponse iz SDK-a:
{
"workflow_name": "salutation_workflow",
"execution_id": "…",
"result": {
"message": "Bonjour, Marie !"
}
}
Zapamti ovaj execution_id: to je ključ koji ćeš kasnije koristiti za upit o izvršenju ili dohvaćanje njegovih tragova. Bez wait_for_result, odgovor opisuje izvršenje koje je u tijeku, uključujući njegov status (inicijalno RUNNING).
Primjer od kraja do kraja
Vratimo se primjeru cjevovoda za analizu dokumenata, ovaj put u potpunosti povezanog. Prva datoteka kombinira definicije i pokretanje radnika; obrati pažnju na skraćivanje na 5000 znakova, što štiti i ograničenje veličine aktivnosti i tvoj budžet tokena.
Datoteka workflow.py (radnik + definicije)
import asyncio
import httpx
import mistralai.workflows as workflows
from mistralai.client import Mistral
@workflows.activity()
async def extraire_texte(url: str) -> dict:
async with httpx.AsyncClient() as client:
response = await client.get(url)
return {"texte": response.text[:5000]} # Ograniči na 5000 znakova
@workflows.activity()
async def resumer_texte(texte: str) -> dict:
client = Mistral()
response = await client.chat.complete_async(
model="mistral-large-latest",
messages=[
{"role": "system", "content": "Summarize in 3 sentences."},
{"role": "user", "content": texte}
]
)
return {"resume": response.choices[0].message.content}
@workflows.workflow.define(name="resume_page_web")
class ResumePageWeb:
@workflows.workflow.entrypoint
async def run(self, url: str) -> dict:
extraction = await extraire_texte(url)
resume = await resumer_texte(extraction["texte"])
return {
"url_source": url,
"resume": resume["resume"]
}
async def main() -> None:
await workflows.run_worker([ResumePageWeb])
if __name__ == "__main__":
asyncio.run(main())
Druga datoteka pokreće tijek rada i prikazuje rezultat, eksplicitno obrađujući slučaj neuspjeha – refleks koji trebaš usvojiti već od svoje prve skripte:
Datoteka trigger.py (okidač)
import asyncio
from mistralai.client import Mistral
async def main():
client = Mistral()
print("Launching workflow...")
execution = await client.workflows.execute_workflow_async(
workflow_identifier="resume_page_web",
input={"url": "https://example.com/article"},
)
print(f"Execution launched: {execution.execution_id}")
# Prati izvršenje do završetka
while True:
suivi = await client.workflows.executions.get_workflow_execution_async(
execution_id=execution.execution_id
)
if suivi.status not in ("RUNNING", "RETRYING_AFTER_ERROR"):
break
await asyncio.sleep(2)
if suivi.status == "COMPLETED":
print(f"Summary: {suivi.result['resume']}")
else:
print(f"Execution finished with status {suivi.status}")
if __name__ == "__main__":
asyncio.run(main())
Izvršenje
Terminal 1 — Pokreni radnika:
uv run python workflow.py
Terminal 2 — Pokreni izvršenje:
uv run python trigger.py
Provjera rezultata
Terminal radnika tvoja je prva točka promatranja: prikazuje izvršene aktivnosti u stvarnom vremenu, zajedno s njihovim trajanjem, odmah ti pokazujući koji korak troši najviše vremena.
[INFO] Executing activity: extraire_texte
[INFO] Activity completed: extraire_texte (1.2s)
[INFO] Executing activity: resumer_texte
[INFO] Activity completed: resumer_texte (3.4s)
[INFO] Workflow completed: resume_page_web
Za duge tijekove rada, očito nećeš biti zalijepljen za terminal. Jednom kada imaš ID izvršenja, možeš u bilo kojem trenutku iz drugog procesa upitati njegov status:
execution = await client.workflows.executions.get_workflow_execution_async(
execution_id="exec_abc123"
)
print(f"Status: {execution.status}")
print(f"Result: {execution.result}")
Ista operacija dostupna je putem cURL-a, što je korisno u skripti za nadzor:
curl https://api.mistral.ai/v1/workflows/executions/exec_abc123 \
-H "Authorization: Bearer $MISTRAL_API_KEY"
Rukovanje greškama
Neuspjeh se ne događa kod prve iznimke: platforma prvo ponovno pokušava izvršiti aktivnost prema svojoj politici ponovnog pokušaja. Tek nakon što se potroše svi ponovni pokušaji, izvršenje prelazi u status FAILED (statusi u SDK-u su velikim slovima: RUNNING, COMPLETED, FAILED, CANCELED, TERMINATED, TIMED_OUT itd.), a tvoj pozivni kod mora obraditi ovaj slučaj umjesto da pretpostavlja da je result uvijek prisutan:
execution = await client.workflows.executions.get_workflow_execution_async(
execution_id="exec_abc123"
)
if execution.status == "FAILED":
print(f"Execution {execution.execution_id} failed")
Odgovor ne sadrži poruku o grešci: uzrok se pojavljuje u povijesti izvršenja i zapisnicima (get_workflow_execution_history_async, get_workflow_execution_logs_async). Da bi identificirao neispravnu aktivnost i slijed koji je doveo do nje, analizirat ćeš OpenTelemetry tragove, što je obrađeno u Lekciji 14.
Lokalno testiranje
Skakanje između dva terminala brzo postaje zamorno tijekom razvoja. Za razvoj, jedna skripta može pokrenuti radnika u pozadini, okinuti tijek rada, a zatim sve zaustaviti:
import asyncio
import mistralai.workflows as workflows
# ... definicije aktivnosti i tijeka rada ...
async def main():
# Pokreni radnika u pozadini
worker_task = asyncio.create_task(
workflows.run_worker([MonWorkflow])
)
# Pričekaj da radnik bude spreman
await asyncio.sleep(2)
# Pokreni tijek rada
from mistralai.client import Mistral
client = Mistral()
execution = await client.workflows.execute_workflow_async(
workflow_identifier="mon_workflow",
input={"test": True},
wait_for_result=True,
)
print(f"Result: {execution.result}")
# Zaustavi radnika
worker_task.cancel()
if __name__ == "__main__":
asyncio.run(main())
asyncio.sleep(2) daje radniku vremena da uspostavi vezu prije okidanja, a konačni worker_task.cancel() sprječava beskonačno vješanje skripte. Ovaj postav rezerviraj za razvoj: u proizvodnji, radnik i okidači ostaju odvojeni procesi s neovisnim životnim ciklusima.
Ključne točke
- Dva načina okidanja: Python SDK (
execute_workflow_async) i REST API (cURL) - Radnik mora biti pokrenut da bi se tijek rada izvršio
- S
wait_for_result=True, SDK čeka završetak i vraća rezultat (result); inače vraćaexecution_idza praćenje - Koristi
client.workflows.executions.get_workflow_execution_async()za provjeru statusa izvršenja - Statusi su velikim slovima (
RUNNING,COMPLETED,FAILEDitd.); uzroci neuspjeha pojavljuju se u povijesti izvršenja, zapisnicima i tragovima - Za razvoj, kombiniraj radnika i okidač u jednoj skripti koristeći
asyncio