Izveido strādnieku
Šajā lapā
Strādnieka loma
Strādnieks ir Python process, kas faktiski izpilda tavas darbplūsmas un aktivitātes. Tas savienojas ar Mistral platformu, gaida neizpildītus uzdevumus un palaž tos lokāli tavā datorā vai serverī. Šī arhitektūras detaļa bieži pārsteidz iesācējus: tavs kods nekad neatstāj tavu vidi; tikai orķestrācijas stāvoklis glabājas pie Mistral.
Secinājums ir tiešs un izskaidro lielāko daļu problēmu „nekas nenotiek”, ar kurām saskaries projekta sākumā: bez darbojoša strādnieka tavas darbplūsmas nevar izpildīties. Tu vari ierosināt izpildi, taču tā vienkārši gaidīs, līdz parādīsies piemērots strādnieks. Strādnieks ir saikne starp Mistral orķestrācijas platformu un tavu lokālo kodu.
Izveido minimālu strādnieku
Funkcionējošs strādnieks ietilpst dažās rindiņās. Tālāk redzamais piemērs apzināti apvieno aktivitāti, darbplūsmu un startēšanas loģiku vienā failā, lai tu to varētu nekavējoties palaist:
import asyncio
import mistralai.workflows as workflows
# Import your workflows and activities
@workflows.activity()
async def dire_bonjour(nom: str) -> dict:
return {"message": f"Bonjour, {nom} !"}
@workflows.workflow.define(name="salutation_workflow")
class SalutationWorkflow:
@workflows.workflow.entrypoint
async def run(self, nom: str) -> dict:
resultat = await dire_bonjour(nom)
return resultat
# Start the worker
async def main() -> None:
await workflows.run_worker([SalutationWorkflow])
if __name__ == "__main__":
asyncio.run(main())
Galvenā funkcija ir workflows.run_worker(). Tā pieņem darbplūsmu klašu sarakstu, ko šis strādnieks var izpildīt — un tikai darbplūsmas. Aktivitātes tiek atklātas caur tām, tāpēc tev nav jānorāda aktivitātes atsevišķi.
Ko dara run_worker()
Izsaukot workflows.run_worker([MyWorkflow]), secīgi notiek piecas lietas. Pirmkārt, strādnieks autentificējas Mistral platformā, izmantojot tavu API atslēgu. Tad tas reģistrē deklarētās darbplūsmas un aktivitātes. Šī reģistrācija informē platformu, ka identifikatoram salutation_workflow pastāv izpildītājs. Tālāk tas atver pastāvīgu savienojumu un gaida uzdevumus, apzināti paliekot dīkstāvē, līdz tiek ierosināta izpilde. Kad izpilde pienāk, strādnieks lokāli izpilda kodu, un rezultāti tiek nosūtīti atpakaļ platformai saglabāšanai.
Strādnieks paliek aktīvs, kamēr darbojas Python process, tāpēc tas nekad neatgriež vadību tavam terminālim. Izmanto Ctrl+C, lai to korekti apturētu.
Strādnieks ar vairākām darbplūsmām
Nekas neprasa vienu strādnieku uz vienu darbplūsmu. Viens process var mitināt vairākas darbplūsmas, pat ja tās koplieto aktivitātes. Šeit extraire_texte un analyser_sentiment kalpo abām:
import asyncio
import mistralai.workflows as workflows
# --- Activities ---
@workflows.activity()
async def extraire_texte(url: str) -> dict:
async with httpx.AsyncClient() as client:
response = await client.get(url)
return {"texte": response.text}
@workflows.activity()
async def analyser_sentiment(texte: str) -> dict:
client = Mistral()
response = await client.chat.complete_async(
model="mistral-large-latest",
messages=[
{"role": "system", "content": "Analysez le sentiment : positif, négatif ou neutre."},
{"role": "user", "content": texte}
]
)
return {"sentiment": response.choices[0].message.content}
@workflows.activity()
async def envoyer_alerte(message: str) -> dict:
# Envoi vers Slack, email, etc.
return {"status": "envoyé"}
# --- Workflows ---
@workflows.workflow.define(name="analyse_document")
class DocumentAnalysis:
@workflows.workflow.entrypoint
async def run(self, url: str) -> dict:
extraction = await extraire_texte(url)
sentiment = await analyser_sentiment(extraction["texte"])
return sentiment
@workflows.workflow.define(name="surveillance_mentions")
class MentionMonitoring:
@workflows.workflow.entrypoint
async def run(self, url: str, seuil: str) -> dict:
extraction = await extraire_texte(url)
sentiment = await analyser_sentiment(extraction["texte"])
if sentiment["sentiment"] == "négatif":
await envoyer_alerte(f"Mention négative détectée : {url}")
return sentiment
# --- Worker ---
async def main() -> None:
await workflows.run_worker([
DocumentAnalysis,
MentionMonitoring,
])
if __name__ == "__main__":
asyncio.run(main())
Ieteicamā failu struktūra
Viens fails der mācībām, bet ne dzīvam projektam. Produkcijai sadali savu kodu moduļos pēc veida:
mon-projet/
├── activities/
│ ├── __init__.py
│ ├── extraction.py # extraire_texte()
│ ├── analyse.py # analyser_sentiment()
│ └── notifications.py # envoyer_alerte()
├── workflows/
│ ├── __init__.py
│ ├── analyse_document.py
│ └── surveillance.py
└── worker.py # Single entry point
Fails worker.py tad satur tikai importus un startēšanas loģiku, padarot to par lasāmu inventāru tam, ko šis process spēj izpildīt:
import asyncio
import mistralai.workflows as workflows
from workflows.document_analysis import DocumentAnalysis
from workflows.monitoring import MentionMonitoring
async def main() -> None:
await workflows.run_worker([
DocumentAnalysis,
MentionMonitoring,
])
if __name__ == "__main__":
asyncio.run(main())
Palaid strādnieku
uv run python worker.py
Strādnieks parāda savienojuma ziņojumu un paliek aktīvs, gaidot uzdevumus. Tev vajadzētu redzēt kaut ko līdzīgu:
Worker connected. Listening for tasks...
Kamēr šī rindiņa neparādās, neko neierosini. Vispirms pārbaudi savu API atslēgu un tīkla savienojumu.
Strādnieks produkcijā
Strādnieks, kas palaists manuāli terminālī, pazūd pēc pirmās SSH atvienošanās. Nodev to procesa pārvaldniekam — systemd, supervisor vai pm2 —, kas to automātiski restartēs pēc avārijas vai servera pārstartēšanas:
# With pm2 (if Node.js is available)
pm2 start "uv run python worker.py" --name workflow-worker
# With systemd (create a .service file)
Šī automātiskā restartēšana labi saskan ar noturību: darbojošās darbplūsmas atsāk darbu pašas, tiklīdz jaunais process izveido savienojumu. Attiecībā uz noslēpumiem nekad neiekodē API atslēgu strādnieka failā, citādi tā nonāks tavā Git repozitorijā. SDK automātiski nolasa vides mainīgo:
import os
# The SDK automatically reads MISTRAL_API_KEY
# No need to pass it explicitly
Visbeidzot, padomā par žurnālēšanu. Strādnieks izvada ziņojumus, izmantojot Python standarta logging moduli. Vienkārša konfigurācija startēšanas brīdī nodrošina izpildīto aktivitāšu pēdas, kas ir vērtīgi, lai saprastu, kas darbojās incidenta laikā:
import logging
logging.basicConfig(level=logging.INFO)
Galvenās atziņas
- Strādnieks ir process, kas lokāli izpilda tavas darbplūsmas un aktivitātes
workflows.run_worker([...])pieņem izpildāmo darbplūsmu klašu sarakstu- Viens strādnieks var izpildīt vairākas dažādas darbplūsmas
- Strādnieks paliek aktīvs un gaida uzdevumus, kamēr process darbojas
- Produkcijā izmanto procesa pārvaldnieku, lai uzturētu strādnieku darbībā
- API atslēga tiek automātiski nolasīta no
MISTRAL_API_KEY