Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

code_interpreter eszköz: Python futtatása

9. lecke 18 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Kód futtatása a Mistral felhőben
  2. Ügynök létrehozása kódértelmezővel
  3. Végrehajtás indítása
  4. Válasz szerkezete
  5. Gyakorlati változások az eszköz használatával
  6. Kombinálás más eszközökkel
  7. A homokozó korlátai
  8. Főbb megállapítások

Kód futtatása a Mistral felhőben

A code_interpreter eszköz lehetővé teszi az ügynököd számára, hogy Python kódot írjon és hajtson végre egy homokozóba zárt konténeren belül. Ez a legjobb választás számításokhoz, adatelemzéshez, diagramok generálásához és kódvalidáláshoz. Ez nem csupán a kényelemről szól: egy LLM, amely „fejben“ számol, csak hihető, de nem feltétlenül helyes eredményt produkál. A művelet valódi értelmezőre történő áthárításával a token-előrejelzést ellenőrizhető végrehajtással váltod fel, így áttekinthető kódot kapsz.

Ügynök létrehozása kódértelmezővel

Ennek az ügynöknek az utasításai előírják, hogy a végrehajtás előtt jelenítse meg a kódot, így ellenőrzési pontot biztosítva afölött, ami ténylegesen lefut.

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}
)

Végrehajtás indítása

Egy egyszerű számítási kérés elegendő az eszköz aktiválásához; nincs szükséged különleges utasításra.

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

Az ügynök ezután ír egy Python szkriptet a sorozat kiszámítására, lefuttatja azt a homokozóban, majd bemutatja az eredményeket magyarázatokkal együtt. A kapott húsz érték valós végrehajtásból származik: pontosak lesznek még azon a ponton túl is, ahol a modell általában hibázni kezd.

Válasz szerkezete

Ezt a mechanizmust közvetlenül leolvashatod a visszakapott bejegyzésekből, és a kódodnak különbséget kell tennie a szöveg és a végrehajtási eredmények között.

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}")

Az ügynök egy message.output típusú üzenettel kezd, amely bejelenti, mit fog tenni. Ezt követi a tool.execution, ahol a kód lefut: az info.code tartalmazza a szkriptet, az info.code_output pedig a kimenetét. Egy második message.output zárja a szekvenciát, amelyben az ügynök értelmezi és megmagyarázza az eredményeket. Ez a két mező, az info.code és az info.code_output, alkotja az ellenőrzési nyomvonaladat – tárold őket az alkalmazásod naplóiban, mivel lehetővé teszik az ügynök által előállított bármely adat újrajátszását és megkérdőjelezését.

Gyakorlati változások az eszköz használatával

Az adatelemzés a legkézenfekvőbb alkalmazási terület. Adj meg egy sor értéket, és kérj statisztikákat: az átlagot, a mediánt és a szórást kiszámítják, nem pedig becsléssel határozzák meg.

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."""
)

A diagramgenerálás természetesen kiterjeszti ezt a képességet, mivel a környezet tartalmaz ábrázoló könyvtárakat.

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%"
)

Az ügynök a matplotlibet használja a diagram létrehozásához. Az eredmény egy képfájl, amely elérhető a válaszban – ezért győződj meg róla, hogy az olvasó kódod kezeli ezt az esetet, különben csak a kísérő szöveges megjegyzést jeleníted meg.

A kódvalidálás egy harmadik, kevésbé nyilvánvaló, de értékes alkalmazási terület. Küldj be egy függvényt és a lefedendő teszt eseteket: az ügynök nem csupán következtet a kódra, hanem le is futtatja azt. Az alábbi példában a "Madam" bemenet rávilágít egy hibára, amelyet egy egyszerű kódfelvülvizsgálat valószínűleg észrevétlenül hagyna.

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"
"""
)

Az alkalmazott matematika teszi teljessé a sort: egyenletrendszerek megoldása, lineáris algebra, optimalizálás. Itt ismét a válasz egy megoldón alapul, nem pedig megérzésen.

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

Kombinálás más eszközökkel

Egy ügynökön egyszerre több eszköz is engedélyezhető, és gyakran itt mutatkozik meg az igazi érték: a keresés friss adatokat hoz, amelyeket a kód elemzéssé alakít.

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."
)

Az ügynök automatikusan kiválasztja, melyik eszközt használja minden lépésben. Ebben a kérésben láncolja a kettőt: nem számíthatsz ki változást az értékek megszerzése nélkül, és nem szerezheted be ezeket az értékeket webes hozzáférés nélkül.

A homokozó korlátai

Ez az izolált környezet olyan korlátozásokat imposed, amelyeket ismerned kell az alkalmazásod tervezése előtt. A könyvtárak korlátozottak: a szabványos Python csomagok elérhetők – numpy, pandas, matplotlib és mások –, de nem minden harmadik féltől származó csomag, ami kizárja a belső függőségeid használatát. A kód nincs hálózati hozzáféréssel, így az adatoknak a kontextuson vagy egy másik eszközön keresztül kell eljutniuk hozzá, soha nem a szkriptben írt HTTP-híváson keresztül. A végrehajtási idő korlátozott, így a hosszú ideig futó folyamatok megszakadnak: bontsd kisebb részekre a nagy volumenű feladatokat, ne reménykedj egyetlen átfutásban. Végül nincs perzisztencia a hívások között; egy hívás során létrehozott fájl a következő hívásban már nem lesz megtalálható.

Főbb megállapítások

  • A code_interpreter Pythont futtat egy biztonságos homokozóban a Mistral oldalán
  • A válasz tartalmazza a végrehajtott kódot (info.code) és annak kimenetét (info.code_output)
  • Ideális számításokhoz, adatelemzéshez és diagramok generálásához
  • Kombinálható más eszközökkel (web_search stb.)
  • A homokozónak vannak korlátai: nincs hálózati hozzáférés, korlátozott könyvtárak, nincs perzisztencia