Oħloq Aġent bl-API tal-Python
F'din il-paġna
L-Ewwel Aġent Mistral Tiegħek
It-tliet lezzjonijiet preċedenti stabbilew il-vokabolarju; din il-waħda se tpoġġik direttament quddiem it-tastiera. Se toħloq aġent permezz tal-API tal-Python, tarrikkixxih progressivament b’istruzzjonijiet, parametri ta’ ġenerazzjoni u għodod, u mbagħad tniedi konversazzjoni miegħu. Il-progressjoni hija intenzjonalment inkrementali: kull żieda timmodifika mġiba osservabbli, u turi għaliex l-istess metodu create() jista’ jipproduċi jew assistent ġeneriku jew espert b’istill marbut sew.
Prerekwiżiti
L-installazzjoni tieħu żewġ passi. L-ewwel, l-SDK uffiċjali.
pip install mistralai
Imbagħad, agħmel iċ-ċavetta tal-API tiegħek disponibbli fl-ambjent minflok ma tiktbuha direttament fil-kodiċi tiegħek. Li tikkummetti bi żball ċavetta f’repożitorju huwa l-ewwel inċident ta’ sigurtà għal kwalunkwe proġett ta’ LLM.
export MISTRAL_API_KEY="your-api-key"
Imbagħad tibni l-klijent f’linja waħda. Dan l-oġġett client iservi bħala l-punt tad-dħul għall-bqija tal-lezzjoni.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
Oħloq Aġent Minimali
Il-metodu client.beta.agents.create() jieħu tliet parametri meħtieġa u diversi opzjonali. Ejja nibdew bl-inqas possibbli.
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Simple Assistant",
description="A conversational agent with persistent state."
)
print(f"Agent created: {agent.id}")
Dan l-aġent huwa minimalistu: l-ebda istruzzjoni speċifika, l-ebda għodda, l-ebda limitu ta’ sigurtà (guardrails). Jiġib ruħu bħal endpoint ta’ Chat Completions imtejjeb b’persistenza. Innota l-identifikatur irritornat f’agent.id: dan huwa dak li taħżen fuq in-naħa tal-applikazzjoni, peress li hija l-unika referenza stabbli għal din il-konfigurazzjoni.
Iddefinixxi l-Imġiba bl-Istruzzjonijiet
L-istruzzjonijiet jaġixxu bħala l-prompt tas-sistema u huma l-leva primarja biex tikkontrolla l-imġiba. L-eżempju hawn taħt jittrasforma assistent ġeneriku f’espert legali li l-ambitu, il-format u l-limiti tiegħu huma marbuta b’mod espliċitu.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Legal Expert",
description="Agent specialized in French business law.",
instructions="""You are an expert in French business law.
Rules:
- Always respond in French
- Cite relevant legal articles
- Specify when a question requires a lawyer's opinion
- Structure your responses with headings and lists
- Never give definitive legal advice"""
)
Osserva l-istruttura ta’ dan il-prompt: definizzjoni tar-rwol fil-bidu, segwita minn regoli numerati. Din l-organizzazzjoni settorjali tgħin lill-mudell jipprijoritizza l-vincoli. Kun speċifiku dwar ir-rwol, it-ton u l-limiti minflok ma tikteb sempliċiment “kun utli”. Qabel xejn, ibbaża ruħek fuq każijiet limitu (edge cases)—x’għandu jagħmel l-aġent jekk il-mistoqsija taqa’ barra mill-qasam tiegħu? Il-linja dwar il-fatt li tintalab opinjoni ta’ avukat tindirizza dan preċiżament. Fl-aħħar nett, ittratta l-istruzzjonijiet bħall-kodiċi: se ttestjahom u tirrevedihom diversi drabi qabel ma jipproduċu l-imġiba mistennija.
Ikkontrolla l-Ġenerazzjoni
L-completion_args jikkonfiguraw is-sampler, jiġifieri kif il-mudell jagħżel il-kliem tiegħu. Aġent inkarigat li jerġa’ jiddikjara fatti ma jeħtiġx l-istess libertà bħal aġent għas-sessjonijiet ta’ brainstorming.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Precise Agent",
description="Agent with controlled generation parameters.",
instructions="Respond factually and concisely.",
completion_args={
"temperature": 0.2, # Less creativity, more precision
"top_p": 0.9, # Probability nucleus
"max_tokens": 2048 # Response length limit
}
)
temperature— Tvarja minn 0.0 (deterministiku) sa 1.0 (kreattiv). Għal kompiti fattwali, ippreferi bejn 0.1 u 0.3.top_p— Filtrazzjoni tal-probabbiltà kumulattiva. 0.9 hija default tajba.max_tokens— Limitu strett fuq it-tokens tal-output.
Tagħmir lill-Aġent b’Għodod
Aġent isir verament awtonomu meta jkun jista’ jaġixxi lil hinn mit-test. Il-konfigurazzjoni li ġejja tagħtih kemm aċċess għall-web kif ukoll eżekuzzjoni tal-kodiċi: meta jiffaċċja mistoqsija li tqabbel ir-rati tal-lum, se jiġbed il-valuri u jikkalkula r-riżultat mingħajr l-intervent tiegħek.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Research Agent",
description="Agent with web search and code execution.",
instructions="Use web search for current information and code for calculations.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"}
],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
L-għodod disponibbli jinkludu: web_search, web_search_premium, code_interpreter, image_generation, document_library.
Immaniġġja ċ-Ċiklu tal-Ħajja tal-Aġent
L-aġenti tiegħek huma riżorsi persistenti fuq in-naħa ta’ Mistral, u se tamministrahom bħal kwalunkwe riżorsa oħra: issibhom, timmodifikahom, tħassarhom. Il-listar huwa partikolarment utli waqt l-iżvilupp, fejn malajr tispiċċa b’dozzini ta’ aġenti ta’ test li tilift l-IDs tagħhom.
# List all your agents
agents = client.beta.agents.list()
for a in agents.data:
print(f"{a.name} ({a.id})")
# Retrieve an agent by its ID
agent = client.beta.agents.get(agent_id="ag-xxxxxxxx")
L-aġġornamenti huma parzjali: biss il-kampi pprovduti jiġu mmodifikati; l-oħrajn jibqgħu kif inhuma. Dan jippermettilek tirfina l-istruzzjonijiet fil-produzzjoni mingħajr ma tiddikjara mill-ġdid il-konfigurazzjoni kollha.
agent = client.beta.agents.update(
agent_id=agent.id,
instructions="New updated instructions.",
tools=[{"type": "web_search"}, {"type": "code_interpreter"}]
)
It-tħassir, madankollu, huwa permanenti.
client.beta.agents.delete(agent_id=agent.id)
Eżempju Sħiħ
Ejja ngħaqqdu kollox f’aġent li jaħdem bis-sħiħ: ħolqien, konversazzjoni u qari tar-rispons. Tista’ tuża dan l-iskript kif inhu; biss ibdel l-isem u l-istruzzjonijiet, u f’ftit minuti jkollok l-analista operattiv tiegħek stess.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Create the agent
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Tech Analyst",
description="Analyzes technology trends with web sources.",
instructions="""You are a technology analyst.
- Use web search for recent data
- Always cite your sources
- Structure your analyses into key points""",
tools=[{"type": "web_search"}],
completion_args={"temperature": 0.3}
)
# Start a conversation
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="What are the latest advancements in agentic AI in 2026?"
)
# Display the response
for entry in response.outputs:
if hasattr(entry, "content"):
print(entry.content)
Il-linja finali tal-linja (loop) teħtieġ ftit attenzjoni: tgħaddi minn response.outputs minflok ma taqra qasam wieħed għax aġent mgħammar b’għodod jipproduċi diversi entrati—l-eżekuzzjoni tat-tiftix, imbagħad it-test. Dan huwa l-punt ewlieni li għandek tosserva fil-lezzjoni li jmiss.
Punti Ewlenin
client.beta.agents.create()joħloq aġent b’mudell, isem u deskrizzjoni (meħtieġa)- L-istruzzjonijiet jiddefinixxu l-imġiba—din hija l-leva primarja
completion_argsjikkontrollaw il-ġenerazzjoni (temperature, top_p, max_tokens)- Aġent jista’ jkollu diversi għodod attivati fl-istess ħin
- L-aġenti huma konfigurazzjonijiet li jistgħu jerġgħu jintużaw, mhux istanzi ta’ konversazzjoni