Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Geriausios praktikos ir tolesni žingsniai

Paskaita 18 iš 18 Atnaujinta 2026 m. lapkričio 3 d. Kūrėjas
Šiame puslapyje
  1. Ką išmokai
  2. Agentų, kurie atlaiko apkrovas, kūrimas
  3. Klaidų valdymas
  4. Matymas, kas vyksta
  5. Maršrutizavimo testavimas
  6. Etaloninė architektūra
  7. Kur judėti toliau
  8. Svarbiausi punktai
  9. Patikrink savo žinias

Ką išmokai

Perėjai visą „Mistral Agents“ API kursą. Prieš gilindamiesi į gamybos praktiką, apibendrinkime, nes kiekviena šio kurso dalis remiasi ankstesne.

Pirmosios trys pamokos padėjo pamatus: dirbtinio intelekto agentas yra autonominė sistema su suvokimo ir veiksmo ciklu; API grindžiamas trimis objektais – agentu (Agent), pokalbiu (Conversation) ir įrašu (Entry); o tai, kas skiria agentą nuo pokalbių roboto, yra išsaugojimas, įrankiai ir perdavimai. 4–7 pamokos pavertė šiuos objektus naudojamais: agentų kūrimas ir konfigūravimas naudojant client.beta.agents.create(), nuolatinių pokalbių palaikymas su conversations.start() ir conversations.append(), bei tiesioginio režimo naudojimas be agento, kai kuriate prototipus ir išsaugojimas neduoda pridėtinės vertės.

8–11 pamokos pridėjo naujų galimybių. web_search suteikia prieigą prie naujausios informacijos su automatinėmis citatomis; code_interpreter vykdo Python kodą izoliuotoje aplinkoje (sandbox), suteikdamas agentui tikslius rezultatus ten, kur modelis vienas tik apytiksliai įvertintų; image_generation kuria vaizdus iš teksto užuominų; document_library integruoja RAG (retrieval-augmented generation) į jūsų dokumentus. 12–16 pamokos parodė, kaip keli agentai dirba kartu: perdavimai perduoda valdymą iš vieno agento kitam, etaloninė architektūra suporuoja centrinį maršrutizatorių su specialistais, serverio režimas automatizuoja procesus, o kliento režimas palieka jus kontroliuoti situaciją, bei neribotas grandinių kūrimas skaidomas į tiesines, žvaigždės ir hibridines schemas. Galiausiai, 17 pamoka viską apibendrino aptardama apsaugos mechanizmus (guardrails), mažiausių privilegijų principą ir pirminę moderaciją.

Agentų, kurie atlaiko apkrovas, kūrimas

Vienas sakinys apibūdina visą kursą: vienas agentas, viena atsakomybė, vienas aprašymas, nurodantis, kada jį kviesti. Toliau pateiktas kontrastas padaro šį skirtumą apčiuopiamu.

# GERAI – specializuotas agentas su tiksliu aprašymu
agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="invoice-processor",
    description="Processes invoices: extracts amounts, dates, vendors.",
    instructions="Extract invoice information into structured JSON.",
    tools=[{"type": "document_library", "library_ids": [invoices_lib.id]}]
)

# BLOGAI – bendras, neaiškus agentas
agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="helper",
    description="A helpful agent.",
    tools=[{"type": "web_search"}, {"type": "code_interpreter"}, {"type": "image_generation"}]
)

Antrasis agentas žlugs dviem būdais vienu metu. Joks maršrutizatorius nežinos, kada jam perduoti užklausą, nes „pagalbingas agentas“ neapibūdina jokios konkrečios situacijos. O kai jis bus iškviestas, jo trys įrankiai leis jam laisvai ieškoti internete to, ką reikėjo apskaičiuoti, arba iliustruoti tai, ko jo buvo prašoma išanalizuoti.

Klaidų valdymas

Anksčiau ar vėliau tinklo užklausos nepavyksta. Pakartotinis bandymas taikant eksponentinį delsą (exponential backoff) sugeria laikinus sutrikimus, neleidžiant momentiniam sulėtėjimui virsti matomu sistemos neveikimu.

import time

def safe_conversation(agent_id, query, max_retries=3):
    """Pokalbis su klaidų valdymu ir pakartotiniais bandymais."""
    for attempt in range(max_retries):
        try:
            response = client.beta.conversations.start(
                agent_id=agent_id,
                inputs=query
            )
            return response
        except Exception as e:
            if attempt == max_retries - 1:
                raise
            time.sleep(2 ** attempt)  # Eksponentinis delsa
    return None

Eksponentinis delsa – viena sekundė, tada dvi, tada keturios – atskiria kultūringą pakartotinį bandymą nuo paslaugos, kuri jau vargsta, „plaktimo“. Atkreipk dėmesį, kad paskutinis bandymas vėl išmeta išimtį (re-raises exception) užuot grąžinęs None: tavo kviečiantysis kodas turi žinoti, kad operacija nepavyko.

Matymas, kas vyksta

Gamyboje daugiaagenčių darbo eiga, kurios negali stebėti, tampa neįmanoma derinti. Kliento režimas suteikia tiksliai tuos įrankius, kurių tau reikia.

import logging
import time

logger = logging.getLogger("agents")

def monitored_conversation(agent_id, query):
    """Pokalbis su stebėsena."""
    start = time.time()

    response = client.beta.conversations.start(
        agent_id=agent_id,
        inputs=query,
        handoff_execution="client"
    )

    handoff_count = 0
    tool_count = 0

    for entry in response.outputs:
        if entry.type == "agent.handoff":
            handoff_count += 1
            logger.info(f"Handoff #{handoff_count}: → {entry.next_agent_id}")
        elif entry.type == "tool.execution":
            tool_count += 1
            logger.info(f"Tool #{tool_count}: {entry.tool_name}")

    duration = time.time() - start
    logger.info(f"Finished in {duration:.1f}s — {handoff_count} handoffs, {tool_count} tools")

    return response

Šie du skaitikliai yra vertingesni, nei gali pasirodyti iš pirmo žvilgsnio: vidutinio perdavimų skaičiaus nukrypimas signalizuoja apie dvejojantį maršrutizatorių; įrankių kvietimų šuolis rodo brangias užklausas.

Išlaidų kontrolė tada sumažinama iki konkrečių sprendimų. Stebėk tokenų skaičių vienam pokalbiui, nes tai yra tikras atsiskaitymo vienetas. Naudok mistral-medium-latest ten, kur mistral-large-latest nieko neprideda – pirmoji palaikymo pakopa yra klasikinis pavyzdys. Apribok max_tokens parametre completion_args, kad išvengtum begalinių atsakymų į paprastus klausimus, ir išjunk saugojimą naudodamas store=False, kai išsaugojimas nėra būtinas.

Maršrutizavimo testavimas

Testuok daugiaagenčių sistemą kaip bet kurią telefono centrą: pateik atvejus, kurių numatomą paskirties vietą žinai, ir patikrink, kur jie atsiduria.

def test_agent_routing():
    """Patikrina, ar maršrutizatorius teisingai paskirsto užklausas."""
    test_cases = [
        ("What is the price of Bitcoin?", "web-search-agent"),
        ("Calculate 25 * 48", "calculator-agent"),
        ("Summarize this document", "doc-agent"),
    ]

    for query, expected_agent_name in test_cases:
        response = client.beta.conversations.start(
            agent_id=router.id,
            inputs=query,
            handoff_execution="client"
        )

        for entry in response.outputs:
            if entry.type == "agent.handoff":
                target = client.beta.agents.get(agent_id=entry.next_agent_id)
                assert target.name == expected_agent_name, \
                    f"Incorrect routing for '{ query}': {target.name} instead of {expected_agent_name}"

Laikui bėgant kurk šią testų rinkinį: kiekviena gamyboje aptikta neteisingai nukreipta užklausa tampa dar viena eilute test_cases, ir tu žinosi, kad aprašymo perrašymas ištaiso konkretų atvejį nesugadinant kito.

Etaloninė architektūra

Gamybos projektui štai rekomenduojama architektūra:

Application
    │
    ▼
Moderator Agent (filters requests)
    │
    ▼
Router Agent (distributes to specialists)
    ├── Search Agent (web_search)
    ├── Analysis Agent (code_interpreter)
    ├── Documents Agent (document_library)
    └── Creation Agent (image_generation)
    │
    ▼
Logging + Monitoring + Alerting

Ji sujungia viską, kas buvo šiame kurse: moderatorius filtruoja prieš bet kokį vykdymą, maršrutizatorius nukreipia niekada pats neatsakydamas, kiekvienas specialistas turi vieną įrankį ir vieną atsakomybę, o stebėsena apgaubia visą sistemą.

Kur judėti toliau

Keturios kryptys praplečia tai, ką gali daryti dabar. Function calling leidžia kurti savo pasirinktinius įrankius už integruotų ribų: kviesti verslo API, užklausti duomenų bazę, suaktyvinti vidinę paslaugą. MCP Servers integruoja Model Context Protocol, kuris standartizuoja įrankių pateikimą. Structured outputs priverčia atsakymus atitikti JSON schemą, o tai keičia viską, kai agento išvestis maitina kitą sistemą, o ne žmogų skaitytoją. Galiausiai, streaming grąžina atsakymus realiuoju laiku, o ne vienu bloku – tai lemiamas veiksnys ilgose grandinėse, kur tylus laukimas tampa nepatogus.

Trys ištekliai lydi šį kitą žingsnį: oficiali dokumentacija adresu docs.mistral.ai/agents, „Mistral“ receptų knygos (cookbooks), kurios pateikia pilnus įgyvendinimo pavyzdžius, ir API nuoroda, išsamiai dokumentuojanti kiekvieną galutinį tašką.

Svarbiausi punktai

  • Specializuok savo agentus – vienas agentas = viena atsakomybė
  • Stebėk – registruok kiekvieną perdavimą ir įrankio vykdymą
  • Testuok – patikrink maršrutizavimą ir kiekvieno agento atsakymus
  • Apsaugok – apsaugos mechanizmai, mažiausios privilegijos, pirminė moderacija
  • Optimizuok išlaidas – tinkamo dydžio modelis, max_tokens, store=False, kai įmanoma
  • „Mistral Agents“ yra beta versijoje – sek API pokyčius

Patikrink savo žinias

Agentai, integruoti įrankiai, perdavimai: ar „Agents“ API liko kokių nors aklųjų zonų?

1. Kada agentas yra būtinas, o kada pakanka pokalbių roboto?

Atsakymas: Agentas yra pateisinamas, kai reikia įrankių, išsaugojimo ir daugiapakopių sprendimų; paprastiems klausimams ir atsakymams pakanka standartinio pokalbio – architektūra turi atitikti poreikį.

2. Ką valdo nuolatiniai pokalbiai „Agents“ API?

Atsakymas: Istoriją „Mistral“ pusėje: tu tęsi pokalbį pagal jo ID, nesiųsdamas viso konteksto iš naujo – būsena tampa paslauga.

3. Išvardyk turimus integruotus įrankius ir jų paskirtį.

Atsakymas: web_search (informacija realiuoju laiku), code_interpreter (Python vykdymas), image_generation (vaizdų kūrimas), document_library (klausimai ir atsakymai apie tavo failus) – paruoštos naudoti galimybės, nereikalaujančios įgyvendinimo.

4. Kaip veikia daugiaagenčių sistema su perdavimais?

Atsakymas: Maršrutizatorius kvalifikuoja užklausą ir perduoda ją kompetentingam specializuotam agentui; kiekvienas agentas lieka paprastas, orkestracija užtikrina aprėptį, o perdavimai grandininiai susijungia į gylį.

5. Kaip apsaugoti agentus gamyboje?

Atsakymas: Naudojant įvesties/išvesties apsaugos mechanizmus, siauros apimties įrankius, veiksmų atsekamumą ir žmogaus patvirtinimą svarbiems sprendimams – autonomija yra užsitarnaujama per kontrolę.

Specializuoti agentai, integruoti įrankiai, maršrutizavimas, apsaugos mechanizmai: visa architektūra telpa į keturis žodžius – ir šiame kurse tu sukūrei kiekvieną iš jų.