Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

image_generation eszköz: Képek létrehozása

10. lecke 18 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Képek generálása az ágenseden keresztül
  2. Ágens létrehozása képgenerálással
  3. Kép generálása
  4. Generált képek letöltése
  5. Három gyakori használati eset
  6. Kombinálás más eszközökkel
  7. Jó képpromptok írása
  8. Generált fájlok kezelése
  9. Főbb megállapítások

Képek generálása az ágenseden keresztül

Az image_generation eszköz lehetővé teszi, hogy az ágensed szöveges leírások alapján képeket hozzon létre. Kiegészíti a korábban megismert eszközöket: míg a code_interpreter számokat és diagramokat állít elő, ez az eszköz vizuális tartalmakat generál. Kiválóan alkalmas kreatív feladatokra, makettek készítésére vagy fogalmak szemléltetésére. Mint minden más beépített eszközt, ezt is az ágens létrehozásakor aktiválod, és a modell dönti el a kérés alapján, hogy meghívja-e.

Ágens létrehozása képgenerálással

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}
)

Az utasításoknak itt kiemelt jelentőségük van. Ha arra kéred az ágenst, hogy fogalmazza át a kérést egy részletes prompttá, akkor egy homályos „készíts egy képet egy macskáról“ kérésből cselekvőképes leírást varázsol. Ha előtted ismerteti a generálni kívánt képet, lehetőséged nyílik korrigálni a folyamatot még maga a generálás előtt. A 0,3-as hőmérséklet (temperature) fegyelmezetten tartja ezt az átfogalmazást: itt leíró pontosságra van szükség, nem szabad alkotásra.

Kép generálása

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Generate an image of an orange cat in a modern office."
)

Ezen egyetlen hívás mögött az ágens négy lépést láncol össze: elemzi a kérésedet, optimalizált promptot fogalmaz a generáló modell számára, létrehozza a képet, majd visszaadja a fájlt. Ezek a lépések megjelennek a beszélgetés kimeneteiben, így láthatod, melyik prompt melyik képet eredményezte. Ez felbecsülhetetlen értékű, ha tetszik egy eredmény, és meg szeretnéd ismételni.

Generált képek letöltése

A képek nem szövegként érkeznek vissza a válaszban: ToolFileChunk objektumokként jelennek meg a tartalomban, és a tényleges fájlt a Files API-n keresztül éred el.

from mistralai.client.models import ToolFileChunk

for i, chunk in enumerate(response.outputs[-1].content):
    if isinstance(chunk, ToolFileChunk):
        # Képfájl letöltése
        file_bytes = client.files.download(file_id=chunk.file_id).read()

        # Mentés helyileg
        with open(f"image_{i}.png", "wb") as f:
            f.write(file_bytes)
        print(f"Image saved: image_{i}.png")

Három gyakori használati eset

Az első a dokumentáció illusztrálása, ahol egy diagram többet mond ezer szónál.

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."
)

A második a vizuális makettek készítése, hogy kézzelfoghatóvá tedd az irányt, mielőtt tervezőt bíznál meg.

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."
)

A harmadik a marketingtartalom-gyártás, ahol az ágens egy írott brief alapján testreszabott vizuált állít elő.

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."
)

Mindhárom esetben a brief minősége határozza meg az eredmény minőségét: a kreatív ágens nem találja ki a szándékodat, hanem végrehajtja azt.

Kombinálás más eszközökkel

A képgenerálás akkor éri el teljes potenciálját, ha más eszközökkel párosítod. Az adatkeresés, az elemzés és majd az illusztrálás egyetlen zökkenőmentes folyamattá válik a felhasználó szemszögéből.

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"}
    ]
)

Jó képpromptok írása

Öt tényező javítja jelentősen az eredményeket. Először is, légy leíró: egy „csíkos narancssárga macska ül egy faírású asztalon, természetes fényviszonyok, fotorealisztikus stílus“ prompt teljesen más képet eredményez, mint egy egyszerű „macska“. Ezután határozd meg a kívánt stílust – fotó, illusztráció, akvarell, minimalista. Jelezd a kompozíciót, azaz szembenézet, felülnézet, közeli vagy távoli vágás. Említsd meg a világítást: természetes, stúdió, háttérvilágítás vagy aranyóra. Végül specifikáld a színeket: meleg paletta, hideg tónusok, monokróm. Ez az öt tengely pontosan az, amit az ágens utasításaiba írsz, hogy gazdagíthassa a felhasználóid túl rövid kéréseit.

Generált fájlok kezelése

A generált képek ideiglenesen tárolódnak a Mistral felhőjében a Files API-n keresztül. Szoktasd rá magad a leltározásra és a takarításra: ellenkező esetben a területed megtelik elfelejtett piszkozatokkal, és a szükséges fájlok eltűnnek, mert nem töltötted le őket időben.

# Fájlok listázása
files = client.files.list()
for f in files.data:
    print(f"{f.id} — {f.filename} — {f.bytes} bytes")

# Fájl törlése
client.files.delete(file_id="file-xxxxxxxx")

Főbb megállapítások

  • Az image_generation szöveges leírásokból hoz létre képeket
  • A képek ToolFileChunk objektumokként érkeznek, és a client.files.download() segítségével tölthetők le
  • A részletes promptok (stílus, kompozíció, világítás) jelentősen javítják az eredményeket
  • Az eszköz kombinálható a web_search és a code_interpreter eszközökkel
  • A generált fájlok ideiglenesek – töltsd le őket, különben törlődnek