Agentas su žiniatinklio paieška
Šiame puslapyje
Suteik savo agentui prieigą prie žiniatinklio
Didelis kalbos modelis (LLM) be interneto prieigos yra apribotas tik savo mokymo duomenimis. Paklausk jo apie praėjusį mėnesį priimtą reglamentuojantį tekstą, ir jis arba prisipažins nieko nežinąs, arba – kas dar blogiau – atsakys remdamasis savo įsiminta pasaulio būsena, nepažymėdamas, kad informacija yra pasenusi. Įgalinęs web_search įrankį savo agente, leisite jam rasti naujausią informaciją realiuoju laiku ir cituoti šaltinius, taip pagerindamas tiek atsakymų aktualumą, tiek patikimumą.
Sukurk agentą su žiniatinklio paieška
Aktyvavimui užtenka vienos konfigūracijos eilutės, tačiau instrukcijos lemia išvesties kokybę. Toliau pateiktame pavyzdyje reikalaujama griežtos disciplinos: sistemingai ieškoti, cituoti URL, nurodyti radinių datą ir pažymėti prieštaravimus tarp šaltinių.
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="News Agent",
instructions="""You are a news analyst.
- Use web search for every question
- Always cite your sources with URLs
- Specify the date of the information found
- If results are contradictory, mention it""",
tools=[{"type": "web_search"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Paskutinė instrukcija praktikoje yra vertingiausia. Be jos, modelis, susidūręs su dviem skirtingais skaičiais, gali pasirinkti vieną iš jų ir savo sintezę pateikti kaip nustatytą faktą. Maža temperatūra papildo šią sąranką, sumažindama haliucinacijas performuluojant rezultatus.
Įrankis web_search suteikia prieigą prie standartinės paieškos sistemos. Patikimiems naujienų šaltiniams naudok web_search_premium:
tools=[{"type": "web_search_premium"}]
Naudok agentą
Iškvietimas nesiskiria nuo agento be įrankių naudojimo: paieškos neinicijuoji tu pats; agentas pats nusprendžia, kada jos reikia.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="What are the latest developments in AI regulation in Europe?"
)
Suprask atsako struktūrą
Pokytis labiausiai pastebimas skaitant atsakymą. Agentas su žiniatinklio paieška grąžina kelių tipų įrašus. Kodas, kuris tiesiog nuskaitytų pirmąjį įrašą, rodytų paieškos metaduomenis vietoj laukiamo teksto.
for entry in response.outputs:
if entry.type == "tool.execution":
# Web search metadata
print(f"Tool used: {entry.tool_name}")
print(f"Search query: {entry.info}")
elif entry.type == "message.output":
# Agent response with citations
for chunk in entry.content:
if chunk.type == "text":
print(chunk.text)
elif chunk.type == "tool_reference":
print(f" Source: {chunk.title} — {chunk.url}")
Atkreipk dėmesį į įdėtą ciklą: message.output turinys yra ne viena eilutė, o fragmentų seka, kurioje kaitaliojami teksto gabalai ir nuorodos. Kiekviena atsako dalis gali turėti tool_reference objektus, kuriuose yra trys laukai:
tool– Šaltinio įrankio pavadinimas (web_search)title– Cituojamo tinklalapio pavadinimasurl– Nuorodos URL
Tai didelis privalumas: tavo agentas ne tik atsako, bet ir įrodo savo teiginius patikrinamais šaltiniais. Sąsajoje šie laukai tampa paspaudžiamomis nuorodomis, įterptomis tinkamoje teksto vietoje, leidžiančiomis vartotojams atsekti kiekvieną teiginį iki jo kilmės.
Ką leidžia daryti paieška
Pradėk nuo stebėsenos. Agentas, kurio instrukcijose apibrėžtas išvesties formatas, atvirą klausimą paverčia reguliaria, palyginama savaitine santrauka.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Tech Watch",
instructions="Conduct technology monitoring. Summarize the 5 most important news items on the requested topic.",
tools=[{"type": "web_search"}]
)
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Monitoring on AI agents — last 2 weeks"
)
Toliau eina faktų tikrinimas, kai instrukcijos įgauna aiškios procedūros formą. Agentui nereikia pačiam nuspręsti dėl metodo; metodas yra diktuojamas, todėl išvestis tampa nuspėjama.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Fact Checker",
instructions="""Verify the following claims.
For each claim:
1. Search for reliable sources
2. Indicate if it is true, false, or partially true
3. Cite your sources""",
tools=[{"type": "web_search"}]
)
Seriją užbaigia palyginimas: čia pats klausimas neša sprendimo kriterijus. Kuo tiksliau nurodysi faktines sąlygas – technologiją, apimtį – tuo tikslingesnės bus inicijuojamos paieškos.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Compare cloud offerings from OVH, Scaleway, and AWS for hosting a Python application with 10K users/day."
)
web_search prieš web_search_premium
| Aspektas | web_search | web_search_premium |
|---|---|---|
| Variklis | Standartinė paieška | Pažangi paieška |
| Šaltiniai | Bendrasis žiniatinklis | Patikimi naujienų tiekėjai |
| Kaina | Įtraukta | Papildomas mokestis |
| Naudojimas | Bendroji informacija | Patikimos naujienos |
Daugeliu atvejų pakanka web_search. web_search_premium palik tiems atvejams, kai šaltinio patikimumas yra kritinis (žurnalistika, atitiktis reikalavimams, reguliavimo stebėsena). Samprotavimas turėtų būti ne „kuri parinktis geriausia“, o „kiek kainuoja abejotinas šaltinis mano kontekste“: vidinei naujienų santraukai tai kainuoja nulis, tačiau reguliavimo institucijai teikiamai pastabai – jau ne.
Svarbiausi punktai
- Įrankis
web_searchleidžia agentui realiuoju laiku ieškoti informacijos internete - Atsakymai include citatas su šaltinio pavadinimu ir URL
web_search_premiumsuteikia prieigą prie patikrintų naujienų šaltinių už papildomą mokestį- Faktinėms užduotims, susijusioms su paieška, rekomenduojama naudoti mažą temperatūrą (0,3)
- Agentas automatiškai nusprendžia, kada ir kaip naudoti žiniatinklio paiešką