Czym jest agent AI?
Na tej stronie
Aktualizacja z 2 listopada 2026 r. — Modele. Modele Mistral Large 3 (
mistral-large-2512) i Mistral Medium 3.5 zostały wycofane z użytku 31 października 2026 r., a ich wsparcie zostanie całkowicie zakończone 30 kwietnia 2027 r. Ich wyznaczony następca, Mistral Large 4 (mistral-large-4), jest dostępny w wersji publicznej (public preview) od 6 października. Przykłady w tym kursie wykorzystują aliasmistral-large-latest, który obecnie wskazuje na model Mistral Large 3 zgodnie z jego oficjalną kartą specyfikacji (zweryfikowano 3 listopada 2026 r.). Podobnie aliasmistral-medium-latestwskazuje na Mistral Medium 3.5. Aliasy te pozostaną ważne do 30 kwietnia 2027 r. W przypadku nowych projektów przetestujmistral-large-4, ich wyznaczonego następcę.
Agenci AI: Więcej niż zwykły chatbot
Agenci AI reprezentują znaczącą ewolucję w sposobie wykorzystywania dużych modeli językowych. Standardowy chatbot otrzymuje pytanie, zwraca odpowiedź i na tym kończy się interakcja: nic nie jest przenoszone do kolejnego wywołania, a model nie ma możliwości pobrania informacji, których jeszcze nie posiada. Agent z kolei to autonomiczny system zdolny do planowania, wykonywania działań i realizacji złożonych celów w wielu krokach.
Dzięki Mistral Agents API otrzymujesz kompletny framework do budowania tych inteligentnych systemów bezpośrednio przez API. Nie musisz wdrażać dodatkowej infrastruktury ani pisać własnej pętli orkiestracji.
Czym dokładnie jest agent?
Agent to system napędzany przez LLM, który zaczyna od instrukcji wysokiego poziomu i sam decyduje, jak je zrealizować. Najpierw planuje sekwencję działań: jeśli poprosisz go o porównanie trzech planów hostingowych, zdecyduje się najpierw przeanalizować każdy z nich osobno, zanim sporządzi podsumowanie. Używa narzędzi – wyszukiwania w sieci, wykonywania kodu, generowania obrazów – ponieważ sam tekst nie wystarczy, aby zweryfikować aktualną cenę lub sprawdzić poprawność obliczeń. Utrzymuje stan w trakcie wielu tur rozmowy, dzięki czemu trzecie pytanie użytkownika naturalnie dziedziczy kontekst z dwóch poprzednich, bez konieczności ponownego wysyłania historii. Wreszcie, współpracuje z innymi agentami, gdy zadanie wykracza poza jego specjalizację: pisarz niekoniecznie musi być kalkulatorem.
Fundamentalna różnica w porównaniu do prostego wywołania chat.complete() sprowadza się do jednego słowa: agent zapętla się. Analizuje sytuację, podejmuje decyzję o działaniu, obserwuje wynik i powtarza ten proces, aż osiągnie cel.
Pętla percepcja-działanie
Percepcja
Agent otrzymuje żądanie użytkownika lub obserwuje wynik poprzedniego działania.
Rozumowanie
LLM analizuje kontekst i decyduje o kolejnym kroku: wywołanie narzędzia, delegowanie zadania innemu agentowi lub udzielenie odpowiedzi.
Działanie
Agent wykonuje wybrane działanie: wyszukiwanie w sieci, uruchomienie kodu, generowanie obrazu lub przekazanie sterowania innemu agentowi.
Obserwacja
Wynik jest integrowany z kontekstem. Agent decyduje, czy zakończył zadanie, czy musi kontynuować pętlę.
Ten cykl to nie tylko abstrakcja dydaktyczna: dokładnie tak wygląda proces między momentem wysłania żądania a otrzymaniem odpowiedzi. Konkretnie, na pytanie „Które plany chmurowe są odpowiednie dla mojej aplikacji?“, agent postrzega żądanie, rozumuje, że brakuje mu danych dotyczących cen, działa, uruchamiając wyszukiwanie, obserwuje znalezione strony – i zapętla się ponownie, ponieważ nadal potrzebuje porównania wydajności. Kluczowym wnioskiem jest warunek wyjścia: to model, a nie Ty, decyduje, kiedy pętla się kończy.
Możliwości Mistral Agents API
API Agents & Conversations obsługuje cały ten cykl. Opiera się na modelach multimodalnych, które przetwarzają zarówno tekst, jak i obrazy, konkretnie mistral-medium-latest oraz mistral-large-latest. Utrzymuje trwały stan: historia rozmowy przechowywana jest po stronie serwera, więc nie musisz implementować własnego magazynu wiadomości. Zapewnia wbudowane narzędzia gotowe do użycia – wyszukiwanie w sieci, interpreter kodu, generowanie obrazów, biblioteka dokumentów – bez konieczności hostowania jakichkolwiek executorów. Obsługuje przekazywanie sterowania (handoffs), co oznacza, że może przenosić kontrolę z jednego agenta na inny, bardziej wyspecjalizowany. Pozwala również wybrać tryb wykonania: pojedynczy model, pojedynczy agent lub orkiestracja wieloagentowa, w zależności od rzeczywistej złożoności zadania.
Obsługiwane modele
Na dzień dzisiejszy (kwiecień 2026 r.) dwa modele są kompatybilne z Agents API. mistral-medium-latest oferuje dobry balans między wydajnością a kosztem, co czyni go domyślnym wyborem dla większości agentów produkcyjnych. mistral-large-latest celuje w maksymalną wydajność przy złożonych zadaniach: rozumowaniu wieloetapowym, orkiestracji wieloagentowej i długich analizach. Zacznij od pierwszego, a przełącz się na drugi tylko wtedy, gdy jakość wyników wyraźnie to uzasadni.
Czego się nauczysz
Ten kurs podąża za naturalnym przebiegiem projektu. Zaczniesz od tworzenia i konfigurowania agentów za pomocą API Pythona, następnie nauczysz się zarządzać trwałymi rozmowami ze stanem. Dalej wykorzystasz cztery wbudowane narzędzia – wyszukiwanie w sieci, interpreter kodu, generowanie obrazów i bibliotekę dokumentów – zanim przejdziesz do orkiestracji przepływów pracy wieloagentowych z wykorzystaniem przekazywania sterowania. Kurs kończy się zabezpieczaniem agentów za pomocą guardrails, krokiem, który zespoły często odkładają, a który jest niezbędny przy każdym wdrożeniu produkcyjnym.
Kluczowe wnioski
- Agent AI to autonomiczny system, który w pętli planuje, działa i obserwuje
- Mistral Agents API zajmuje się orkiestracją po stronie serwera – nie musisz sam implementować pętli
- Agenci mogą używać narzędzi i współpracować ze sobą poprzez przekazywanie sterowania
- Obecnie obsługiwane są dwa modele:
mistral-medium-latestimistral-large-latest