Conversaties met persistente staat
Op deze pagina
Les bijgewerkt op 3 november 2026 op basis van
mistralaiSDK 3.7.0: haal de geschiedenis van een conversatie (deentries) op metclient.beta.conversations.get_history;retrievebestaat niet engetgeeft alleen metagegevens van de conversatie terug. Bron: client-python.
Staat die behouden blijft tussen uitwisselingen
Een van de grote voordelen van de Agents API ten opzichte van Chat Completions is conversatiepersistentie. U hoeft de berichtengeschiedenis niet langer handmatig te beheren; Mistral regelt dit server-side. De lijst met woordenboeken die u eerder in een variabele verzamelde, inkortte bij contextoverloop en bij elke procesherstart opnieuw opbouwde, verdwijnt uit uw code. U hoeft maar één ding bij te houden: een identificatiecode. En die identificatiecode volgt een regel waar iedereen in zijn eerste project tegenaan loopt.
Een conversatie starten
De methode conversations.start() maakt een nieuwe conversatie aan en verzendt het eerste bericht. Het volgende voorbeeld maakt ook de agent aan die deze uitvoert en geeft deze een projectcontext die u over meerdere beurten kunt bevragen.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Maak een agent aan
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Projectassistent",
description="Assistent voor projectbeheer.",
instructions="U helpt bij het organiseren en volgen van projecten. Wees gestructureerd."
)
# Start de conversatie
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Ik start een nieuw project om onze website opnieuw te ontwerpen. Budget: €50K, deadline: september 2026."
)
print(f"Conversatie-ID: {response.conversation_id}")
De geretourneerde conversation_id is uw sleutel om deze conversatie later voort te zetten. Sla deze op waar uw applicatie deze kan ophalen: in een gebruikerssessie, een database of het supportticket waar deze bij hoort.
Een conversatie voortzetten
Om een bericht aan een bestaande conversatie toe te voegen, geeft u de conversation_id door aan conversations.append(). Volg de draad in dit voorbeeld: de tweede vraag herhaalt het budget of de deadline niet, en de derde vraagt om een planning zonder de agent eraan te herinneren dat het om een website-redesign gaat. Toch heeft de agent al die context.
# Eerste uitwisseling
response1 = client.beta.conversations.start(
agent_id=agent.id,
inputs="Ik start een project voor het redesignen van een website. Budget €50K."
)
# Tweede uitwisseling — de agent onthoudt de context
response2 = client.beta.conversations.append(
conversation_id=response1.conversation_id,
inputs="Wat zijn de prioritaire stappen?"
)
# Derde uitwisseling — nog steeds in dezelfde context
response3 = client.beta.conversations.append(
conversation_id=response2.conversation_id,
inputs="Stel een planning op voor de eerste 3 maanden."
)
Kijk goed welke identificatiecode elke aanroep voedt: response2 begint met de ID van response1, response3 met die van response2. Dit is geen eigenaardigheid; het is het kernmechanisme van de API.
Het mechanisme van onveranderlijkheid
Elke aanroep van conversations.append() retourneert een nieuwe conversation_id. De oude blijft leesbaar, maar u moet de nieuwste ID gebruiken voor de volgende append.
# Elke append retourneert een nieuwe ID
id_1 = response1.conversation_id # "conv-aaa"
id_2 = response2.conversation_id # "conv-bbb"
id_3 = response3.conversation_id # "conv-ccc"
# Gebruik altijd de NIEUWSTE id om voort te zetten
response4 = client.beta.conversations.append(
conversation_id=id_3, # Niet id_1 of id_2
inputs="Voeg mijlpalen voor klantvalidatie toe."
)
De klassieke fout is het opslaan van de initiële identificatiecode in uw database wanneer de gebruiker de thread opent, en deze vervolgens letterlijk voor elk bericht hergebruiken. Er crasht niets: de API reageert normaal, maar elke vraag start opnieuw vanuit de context van de eerste uitwisseling, en uw agent lijkt geheugenverlies te hebben zonder enige foutmelding die u waarschuwt. Overschrijf de opgeslagen identificatiecode altijd met degene die in het antwoord wordt geretourneerd.
Conversatiegeschiedenis lezen
U kunt op elk moment de geschiedenis inzien, wat helpt bij zowel debugging als het weergeven van een thread in uw interface.
conversation = client.beta.conversations.get_history(
conversation_id=response.conversation_id
)
for entry in conversation.entries:
print(f"[{entry.role}] {entry.type}: {entry.content[:100]}...")
Opslag beheren
Standaard worden conversaties opgeslagen in de Mistral-cloud. De parameter store=False schakelt dit gedrag uit voor uitwisselingen die uw interne beleid verbiedt op een server van derden achter te laten.
# Ephemere conversatie — er wordt niets opgeslagen
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Vertrouwelijke gegevens om te analyseren...",
store=False
)
De afweging komt overeen met het doel: de conversatie is niet herstelbaar na de sessie en gegevens worden niet bewaard op de servers van Mistral. U verliest de hierboven beschreven geschiedenisweergave en uw applicatie moet indien nodig zelf de uitwisselingen bijhouden. Neem deze beslissing vooraf, niet als een last-minute aanvinkoptie.
Patroon voor conversaties met meerdere beurten
Onderstaand skelet past alles hierboven toe in een interactieve lus. Het belangrijkste punt is de variabele conversation_id, geïnitialiseerd op None: deze bepaalt welke aanroep moet worden gedaan—start() bij de eerste beurt, append() daarna—en deze wordt na elk antwoord opnieuw toegewezen, volgens de regel van onveranderlijkheid.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Technische coach",
description="Coach voor technische beslissingen.",
instructions="U bent een senior technische coach. Stel vragen om de context te begrijpen voordat u advies geeft."
)
# Conversatielus
conversation_id = None
while True:
user_input = input("U: ")
if user_input.lower() in ["quit", "exit"]:
break
if conversation_id is None:
response = client.beta.conversations.start(
agent_id=agent.id,
inputs=user_input
)
else:
response = client.beta.conversations.append(
conversation_id=conversation_id,
inputs=user_input
)
conversation_id = response.conversation_id
for entry in response.outputs:
if hasattr(entry, "content"):
print(f"Agent: {entry.content}")
Pas dit aan uw context aan door input() te vervangen door uw daadwerkelijke bron van berichten—HTTP-verzoek, wachtrijbericht, webhook-gebeurtenis—en door conversation_id persistent op te slaan waar uw applicatie deze bij de volgende beurt kan vinden.
Belangrijkste punten
conversations.start()maakt een nieuwe conversatie aan met een eerste berichtconversations.append()voegt een bericht toe aan een bestaande conversatie- Elke append retourneert een nieuwe
conversation_id—gebruik altijd de nieuwste store=Falseschakelt persistentie aan de kant van Mistral uit voor gevoelige gegevens- De agent behoudt de volledige conversatiecontext zonder dat u de geschiedenis opnieuw hoeft te verzenden