Przejdź do głównej treści
Polski— Wybierz język
Menu

Narzędzie image_generation: Tworzenie obrazów

Lekcja 10 z 18 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Generowanie obrazów przez Twojego agenta
  2. Tworzenie agenta z generowaniem obrazów
  3. Generowanie obrazu
  4. Pobieranie wygenerowanych obrazów
  5. Trzy typowe przypadki użycia
  6. Łączenie z innymi narzędziami
  7. Pisanie dobrych promptów do obrazów
  8. Zarządzanie wygenerowanymi plikami
  9. Kluczowe wnioski

Generowanie obrazów przez Twojego agenta

Narzędzie image_generation pozwala Twojemu agentowi tworzyć obrazy na podstawie opisów tekstowych. Uzupełnia ono narzędzia, które już poznałeś: podczas gdy code_interpreter generuje liczby i wykresy, to narzędzie produkuje wizualizacje. Jest to potężne rozwiązanie do zastosowań kreatywnych, tworzenia makiet lub ilustrowania koncepcji. Podobnie jak inne wbudowane narzędzia, aktywujesz je podczas tworzenia agenta, a model sam decyduje, czy go wywołać, w zależności od żądania.

Tworzenie agenta z generowaniem obrazów

from mistralai.client import Mistral
import os

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

agent = client.beta.agents.create(
    model="mistral-medium-latest",
    name="Creative Agent",
    instructions="""You are a creative assistant specialized in image generation.
- Rephrase requests into detailed prompts for better results
- Describe the image you are about to generate before creating it
- Propose variations if the result is unsatisfactory""",
    tools=[{"type": "image_generation"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Instrukcje mają tutaj kluczowe znaczenie. Prosząc agenta o przekształcenie żądania w szczegółowy prompt, zmieniasz niejasne „zrób mi obraz kota“ w opis gotowy do wykonania. Każąc mu zapowiedzieć obraz przed jego wygenerowaniem, zyskujesz szansę na skorygowanie kursu zanim nastąpi generowanie. Temperatura ustawiona na 0.3 utrzymuje to przepisywanie w ryzach dyscypliny: zależy Ci na precyzji opisu, a nie na swobodnej inwencji.

Generowanie obrazu

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Generate an image of an orange cat in a modern office."
)

Za tym jednym wywołaniem agent łączy cztery kroki: analizuje Twoje żądanie, formułuje prompt zoptymalizowany pod model generujący, tworzy obraz, a następnie zwraca plik. Kroki te pojawiają się w wynikach konwersacji, pozwalając Ci zobaczyć, który prompt wyprodukował który obraz. Jest to nieocenione, gdy wynik Ci odpowiada i chcesz go powtórzyć.

Pobieranie wygenerowanych obrazów

Obrazy nie są zwracane jako tekst w odpowiedzi: przybywają jako obiekty ToolFileChunk w treści, a rzeczywisty plik pobierasz przez API Files.

from mistralai.client.models import ToolFileChunk

for i, chunk in enumerate(response.outputs[-1].content):
    if isinstance(chunk, ToolFileChunk):
        # Pobierz plik obrazu
        file_bytes = client.files.download(file_id=chunk.file_id).read()

        # Zapisz lokalnie
        with open(f"image_{i}.png", "wb") as f:
            f.write(file_bytes)
        print(f"Image saved: image_{i}.png")

Trzy typowe przypadki użycia

Pierwszym jest ilustrowanie dokumentacji, gdzie diagram wyjaśnia więcej niż akapit tekstu.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Create a visual diagram showing a microservices architecture with an API Gateway, 3 services, and a database."
)

Drugim są makiety wizualne, służące do materializacji kierunku przed zaangażowaniem projektanta.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Generate a homepage mockup for an online learning website, modern and minimalist style with blue tones."
)

Trzecim jest tworzenie treści marketingowych, gdzie agent produkuje dopasowaną wizualizację na podstawie pisemnego briefu.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Create a promotional banner for an AI course, with the text 'Master AI in 2026' on a tech background."
)

We wszystkich trzech przypadkach jakość briefu determinuje jakość wyniku: kreatywny agent nie wymyśla Twojego zamiaru, lecz go wykonuje.

Łączenie z innymi narzędziami

Generowanie obrazów osiąga pełen potencjał w połączeniu z innymi narzędziami. Wyszukiwanie danych, ich analiza, a następnie zilustrowanie staje się z perspektywy użytkownika jednym płynnym procesem.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Multimodal Agent",
    description="Search, code, and images.",
    instructions="Use search to find data, code to analyze it, and image generation to illustrate it.",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"},
        {"type": "image_generation"}
    ]
)

Pisanie dobrych promptów do obrazów

Pięć dźwigni znacząco poprawia wyniki. Po pierwsze, bądź opisowy: „Pasiasty rudy kot siedzący na drewnianym biurku, naturalne oświetlenie, styl fotograficzny“ daje zupełnie inny obraz niż „kot“. Następnie określ oczekiwany styl – fotograficzny, ilustracja, akwarela, minimalistyczny. Wskaż kompozycję, czyli widok z przodu, ujęcie z góry, zbliżenie lub szeroki plan. Wspomnij o oświetleniu, czy to naturalnym, studyjnym, pod światło, czy w złotej godzinie. Na koniec określ kolory: ciepła paleta, chłodne tony, monochromatyczność. Te pięć osi to dokładnie to, co wpisujesz do instrukcji agenta, aby mógł wzbogacić zbyt krótkie żądania od swoich użytkowników.

Zarządzanie wygenerowanymi plikami

Wygenerowane obrazy są przechowywane tymczasowo w chmurze Mistral poprzez API Files. Wyrób sobie nawyk inwentaryzowania i czyszczenia: w przeciwnym razie Twoja przestrzeń wypełni się zapomnianymi szkicami, a potrzebne pliki znikną, ponieważ nie zostały pobrane na czas.

# Lista plików
files = client.files.list()
for f in files.data:
    print(f"{f.id} — {f.filename} — {f.bytes} bytes")

# Usuń plik
client.files.delete(file_id="file-xxxxxxxx")

Kluczowe wnioski

  • image_generation tworzy obrazy na podstawie opisów tekstowych
  • Obrazy są zwracane jako obiekty ToolFileChunk i można je pobrać przez client.files.download()
  • Szczegółowe prompty (styl, kompozycja, oświetlenie) znacząco poprawiają wyniki
  • Narzędzie można łączyć z web_search i code_interpreter
  • Wygenerowane pliki są tymczasowe – pobierz je, inaczej zostaną usunięte