Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Rīks code_interpreter: Python koda izpilde

Nodarbība 9 no 18 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Koda izpilde Mistral mākonī
  2. Aģenta izveide ar Code Interpreter
  3. Izpildes iniciēšana
  4. Atbildes struktūra
  5. Ko rīks maina praksē
  6. Kombinēšana ar citiem rīkiem
  7. Izolētās vides ierobežojumi
  8. Galvenās atziņas

Koda izpilde Mistral mākonī

Rīks code_interpreter ļauj tavam aģentam rakstīt un izpildīt Python kodu izolētā konteinerā (sandbox). Tas ir ideāls risinājums aprēķiniem, datu analīzei, diagrammu ģenerēšanai un koda validācijai. Tas nav tikai ērtības jautājums: LLM, kas “rēķina” savā galvā, ģenerē ticamu, nevis obligāti pareizu rezultātu. Uzticot šo darbību īstam interpretatoram, tu nomaini tokena prognozēšanu uz verificējamu izpildi, iegūstot kodu, ko vari pārbaudīt.

Aģenta izveide ar Code Interpreter

Šī aģenta instrukcijās ir prasīts parādīt kodu pirms tā izpildes, nodrošinot tev kontroles punktu pār to, kas tieši tiek palaists.

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}
)

Izpildes iniciēšana

Vienkāršs aprēķina pieprasījums ir pietiekams, lai aktivizētu rīku; nav nepieciešamas nekādas īpašas instrukcijas no tavas puses.

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

Aģents tad uzraksta Python skriptu secības aprēķināšanai, izpilda to izolētajā vidē un prezentē rezultātus kopā ar paskaidrojumiem. Divdesmit vērtības, ko saņemsi, nāk no faktiskas izpildes: tās būs precīzas pat tajos punktos, kur modeļi parasti sāk kļūdīties.

Atbildes struktūra

Tu vari nolasīt šo mehānismu tieši atgrieztajos ierakstos, un tavam kodam ir jānošķir teksts no izpildes rezultātiem.

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}")

Aģents sāk ar message.output, paziņojot, ko tas gatavojas darīt. Tam seko tool.execution, kur tiek izpildīts kods: info.code satur skriptu, bet info.code_output glabā tā izvadi. Otrs message.output noslēdz secību, kurā aģents interpretē un izskaidro rezultātus. Šie divi lauki, info.code un info.code_output, ir tavs revīzijas ceļš — glabā tos savas lietotnes žurnālos, jo tie ļauj atkārtot un apstrīdēt jebkuru aģenta ģenerētu skaitli.

Ko rīks maina praksē

Datu analīze ir visacīmredzamākais lietojums. Nodroši vērtību virkni un pieprasi statistiku: vidējā vērtība, mediāna un standartnovirze tiek aprēķinātas, nevis novērtētas.

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."""
)

Diagrammu ģenerēšana dabiski paplašina šīs iespējas, jo vide ietver zīmēšanas bibliotēkas.

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%"
)

Aģents izmanto matplotlib diagrammas ģenerēšanai. Rezultāts ir attēla fails, kas pieejams atbildē — tāpēc pārliecinies, ka tavs nolasīšanas kods apstrādā šo gadījumu, pretējā gadījumā tu redzēsi tikai pavadošo teksta komentāru.

Koda validācija ir trešais lietojums, mazāk acīmredzams, bet vērtīgs. Iesniedz funkciju un testa gadījumus, kas jāaptver: aģents ne tikai spriež par kodu, bet to arī izpilda. Zemāk esošajā piemērā ievade "Madam" atklāj kļūdu, ko vienkārša koda apskate, visticamāk, palaistu garām.

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"
"""
)

Lietišķā matemātika noslēdz sarakstu: vienādojumu sistēmu risināšana, lineārā algebra, optimizācija. Arī šeit atbilde balstās uz risinātāju, nevis intuīciju.

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

Kombinēšana ar citiem rīkiem

Aģentam var būt vienlaicīgi aktivizēti vairāki rīki, un bieži vien tieši šeit parādās īstā vērtība: meklēšana nodrošina svaigus datus, kurus kods pārvērš analīzē.

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."
)

Aģents automātiski izvēlas, kuru rīku izmantot katrā solī. Šajā pieprasījumā tas savieno abus: tu nevari aprēķināt izmaiņas, vispirms neiegūstot vērtības, un tu nevari iegūt šīs vērtības bez piekļuves tīmeklim.

Izolētās vides ierobežojumi

Šī izolētā vide uzliek ierobežojumus, kas tev jāzina pirms savas lietotnes projektēšanas. Bibliotēkas ir ierobežotas: standarta Python pakotnes ir pieejamas — numpy, pandas, matplotlib un citas —, bet ne visas trešo pušu pakotnes, kas izslēdz tavas iekšējās atkarības. Kodam nav piekļuves tīklam, tāpēc datiem tajā jānonāk caur kontekstu vai citu rīku, nekad caur skriptā rakstītu HTTP izsaukumu. Izpildes laiks ir ierobežots, tāpēc ilgi darbojošies procesi tiek pārtraukti: sadali lielus apjomus mazākās daļās, nevis ceri uz vienu caurlaidi. Visbeidzot, starp izsaukumiem nav noturības; fails, kas izveidots vienas izpildes laikā, netiks atrasts nākamajā.

Galvenās atziņas

  • code_interpreter izpilda Python kodu drošā izolētā vidē Mistral pusē
  • Atbilde satur izpildīto kodu (info.code) un tā izvadi (info.code_output)
  • Ideāli piemērots aprēķiniem, datu analīzei un diagrammu ģenerēšanai
  • Var kombinēt ar citiem rīkiem (web_search u.c.)
  • Izolētajai videi ir ierobežojumi: nav piekļuves tīklam, ierobežotas bibliotēkas, nav noturības