Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

document_library Tool: Vraag en antwoord over uw bestanden

Les 11 van 18 Bijgewerkt op 3 november 2026 Ontwikkelaar
Op deze pagina
  1. Mistral’s ingebouwde RAG
  2. Een documentbibliotheek aanmaken
  3. Documenten uploaden
  4. Een agent met een documentbibliotheek aanmaken
  5. De documenten bevragen
  6. Bibliotheken beheren
  7. Van interne ondersteuning tot contractanalyse
  8. Bronnen voorbereiden, bibliotheken isoleren
  9. Belangrijkste punten

Les bijgewerkt op 3 november 2026 op basis van mistralai SDK 3.7.0: bibliotheekdocumenten worden beheerd via client.beta.libraries.documents (upload, list, delete). De methoden add_document, list_documents en remove_document uit de vorige versie bestaan niet meer en uploads gaan nu rechtstreeks naar de bibliotheek. Bron: client-python.

Mistral’s ingebouwde RAG

De document_library-tool is een Retrieval-Augmented Generation (RAG)-systeem dat direct in de Agents API is geïntegreerd. Uw agent krijgt toegang tot documenten die u naar de Mistral-cloud hebt geüpload, haalt relevante passages op en formuleert zijn antwoord met bronvermeldingen. Het verschil met een zelfgebouwde RAG-oplossing is aanzienlijk: u hoeft geen vectordatabase te hosten, geen embedding-pipeline te onderhouden en geen chunking-strategie af te stemmen. U uploadt eenvoudig bestanden, declareert de tool bij het aanmaken van de agent en laat het model beslissen wanneer het de bibliotheek moet raadplegen.

Een documentbibliotheek aanmaken

Een bibliotheek is de container die uw documenten bevat. U maakt deze aan met één enkele API-aanroep voordat u bestanden uploadt.

from mistralai.client import Mistral
import os

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Een bibliotheek aanmaken
library = client.beta.libraries.create(
    name="Technische documentatie",
    description="Producthandleidingen en technische specificaties."
)

print(f"Bibliotheek-ID: {library.id}")

Noteer de geretourneerde ID: dit is wat u aan de agent doorgeeft. Er is geen snelkoppeling via de bibliotheeknaam. Als uw team aparte HR-, juridische en technische bibliotheken beheert, sla deze ID’s dan op in uw configuratie, net zoals verbindingsreeksen.

Documenten uploaden

Uploaden gebeurt in twee stappen: eerst wordt het bestand met een expliciet purpose in de Files-ruimte geplaatst, vervolgens wordt het aan de bibliotheek gekoppeld.

# Een PDF rechtstreeks naar de bibliotheek uploaden
with open("product-manual.pdf", "rb") as f:
    document = client.beta.libraries.documents.upload(
        library_id=library.id,
        file={"file_name": "product-manual.pdf", "content": f},
    )

print(f"Document {document.id}: {document.processing_status}")

Ondersteunde indelingen zijn onder meer PDF, platte tekst en andere veelvoorkomende documenttypen.

Een agent met een documentbibliotheek aanmaken

agent = client.beta.agents.create(
    model="mistral-medium-latest",
    name="Documentatie-assistent",
    instructions="""U bent een documentatie-assistent.
- Geef alleen antwoord op basis van documenten uit de bibliotheek
- Vermeld relevante passages
- Als de informatie niet in de documenten staat, geeft u dit duidelijk aan""",
    tools=[{
        "type": "document_library",
        "library_ids": [library.id]
    }]
)

De parameter library_ids is een lijst: u kunt meerdere bibliotheken aan één agent koppelen. Een ondersteuningsassistent kan bijvoorbeeld zowel productdocumentatie als interne procedures gebruiken. Hier zijn instructies meer dan alleen leuk om te hebben. Zonder de richtlijn om antwoorden tot de documenten te beperken, vult het model hiaten met zijn algemene kennis en verliest u het vermogen om onderscheid te maken tussen wat uit uw bestanden komt en wat van elders komt. De derde regel—expliciet aangeven wanneer informatie ontbreekt—maakt van een babbelzieke agent een betrouwbare agent.

De documenten bevragen

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Hoe werkt de Pixtral 12B vision encoder?"
)

for entry in response.outputs:
    if entry.type == "message.output":
        for chunk in entry.content:
            if chunk.type == "text":
                print(chunk.text)
            elif chunk.type == "tool_reference":
                print(f"  [Bron] {chunk.title}")

Net als bij webzoekopdrachten komt het antwoord binnen in chunks van twee typen. text-chunks bevatten het geschreven antwoord; tool_reference-chunks bevatten de herkomst, waarbij het veld title de naam van het brondocument bevat en het veld url de interne referentie binnen dat document biedt. Deze scheiding stelt u in staat om het antwoord weer te geven en direct daaronder de lijst met documenten die het hebben gegenereerd.

Deze traceerbaarheid is niet louter decoratief. Een adviseur die een klant antwoordt op basis van een interne procedure, moet kunnen specificeren welke procedure wordt aangehaald; een jurist die zich op een contract beroept, moet kunnen terugverwijzen naar dat contract. Zonder bronvermeldingen produceert een RAG-systeem niet-verifieerbare beweringen.

Bibliotheken beheren

# Bibliotheken opsommen
libraries = client.beta.libraries.list()
for lib in libraries.data:
    print(f"{lib.name} ({lib.id})")

# Documenten in een bibliotheek opsommen
documents = client.beta.libraries.documents.list(library_id=library.id)
for doc in documents.data:
    print(f"{doc.name} — {doc.size} bytes")

# Een document uit de bibliotheek verwijderen
client.beta.libraries.documents.delete(
    library_id=library.id,
    document_id=document.id
)

# De bibliotheek verwijderen
client.beta.libraries.delete(library_id=library.id)

Het verwijderen van documenten is de meest over het hoofd geziene bewerking, en de duurste wanneer deze wordt vergeten. Een verouderde versie van een prijslijst of procedure blijft oneindig lang citeerbaar door de agent, met alle schijn van legitimiteit omdat deze als bron dient. Maak het verwijderen van een document tot een reflex telkens wanneer u een nieuwe versie publiceert.

Van interne ondersteuning tot contractanalyse

Interne ondersteuning is de meest voor de hand liggende use case: medewerkers stellen HR-vragen in natuurlijke taal in plaats van door een intranet te wroeten.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Interne ondersteuning",
    instructions="Beantwoord vragen van medewerkers op basis van de HR-documentatiebasis.",
    tools=[{"type": "document_library", "library_ids": [rh_library.id]}]
)

Contractanalyse verschuift het paradigma: de agent haalt niet alleen op, hij onderzoekt. Hier beschrijven instructies een taak, niet alleen een reikwijdte.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Contractanalist",
    instructions="""Analyseer geüploade contracten.
- Identificeer belangrijke clausules
- Signaleer potentiële risico's
- Vergelijk met industriestandaarden""",
    tools=[{"type": "document_library", "library_ids": [contrats_library.id]}]
)

Tot slot illustreert een productkennisbank de combinatie van tools: officiële documentatie heeft voorrang en webzoekopdrachten vullen de hiaten wanneer documenten een vraag niet behandelen.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Productexpert",
    instructions="Beantwoord technische vragen over onze producten op basis van officiële documentatie.",
    tools=[
        {"type": "document_library", "library_ids": [docs_library.id]},
        {"type": "web_search"}  # Fallback als documenten ontoereikend zijn
    ]
)

Bronnen voorbereiden, bibliotheken isoleren

De kwaliteit van RAG wordt bepaald voordat u zelfs maar de API aanroept. Een gestructureerde PDF met duidelijke koppen, subkoppen en afzonderlijke alinea’s wordt veel beter gechunkt en opgehaald dan een afgevlakte scan of een document waarbij alle logica in de lay-out zit. Scheid vervolgens uw bibliotheken per domein in plaats van één allesomvattende emmer te creëren. Een agent die alleen met de juridische bibliotheek is verbonden, loopt niet het risico een HR-memo aan te halen om een contractvraag te beantwoorden. Deze twee beslissingen—het verfijnen van de bronstructuur en het isoleren van bibliotheken—hebben meer invloed op het eindresultaat dan welke modelafstemming dan ook.

Belangrijkste punten

  • document_library is ingebouwde RAG—u hoeft uw eigen vectorinfrastructuur niet te beheren
  • Maak thematische bibliotheken aan en upload documenten via de Files API
  • Antwoorden citeren relevante passages met behulp van tool_reference-chunks
  • U kunt meerdere bibliotheken aan één agent koppelen
  • Combineer met andere tools voor een uitgebreide dekking