Konwersacje trwałe
Na tej stronie
Lekcja zaktualizowana 3 listopada 2026 w oparciu o SDK
mistralaiw wersji 3.7.0: historię konwersacji (jejentries) pobierasz za pomocąclient.beta.conversations.get_history; metodaretrievenie istnieje, agetzwraca wyłącznie metadane konwersacji. Źródło: client-python.
Stan utrzymujący się między wymianami
Jedną z głównych zalet interfejsu API Agents w porównaniu z Chat Completions jest trwałość konwersacji. Nie musisz już ręcznie zarządzać historią wiadomości – Mistral robi to po stronie serwera. Konkretnie: lista słowników, którą wcześniej akumulowałeś w zmiennej, skracałeś przy przepełnieniu kontekstu i odbudowywałeś przy każdym restarcie procesu, znika z Twojego kodu. Musisz śledzić tylko jedną rzecz: identyfikator. Ten identyfikator podlega zasadzie, na której potykają się wszyscy przy swoim pierwszym projekcie.
Rozpoczynanie konwersacji
Metoda conversations.start() tworzy nową konwersację i wysyła pierwszą wiadomość. Poniższy przykład tworzy również agenta, który będzie ją obsługiwał, a następnie przekazuje mu kontekst projektu, do którego możesz odwoływać się przez wiele tur rozmowy.
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Utwórz agenta
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Asystent projektu",
description="Asystent do zarządzania projektami.",
instructions="Pomagasz organizować i śledzić projekty. Bądź uporządkowany."
)
# Rozpocznij konwersację
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Rozpoczynam nowy projekt redesignu naszej strony internetowej. Budżet: 50 000 €, termin: wrzesień 2026."
)
print(f"ID konwersacji: {response.conversation_id}")
Zwrócone conversation_id to Twój klucz do kontynuowania tej rozmowy później. Przechowuj je tam, gdzie Twoja aplikacja będzie mogła je odzyskać: w sesji użytkownika, bazie danych lub zgłoszeniu wsparcia, którego dotyczy rozmowa.
Kontynuowanie konwersacji
Aby dodać wiadomość do istniejącej konwersacji, przekaż conversation_id do metody conversations.append(). Podążaj za wątkiem w tym przykładzie: drugie pytanie nie powtarza budżetu ani terminu, a trzecie prosi o harmonogram bez przypominania agentowi, że chodzi o redesign strony. Mimo to agent posiada cały ten kontekst.
# Pierwsza wymiana
response1 = client.beta.conversations.start(
agent_id=agent.id,
inputs="Rozpoczynam projekt redesignu strony. Budżet 50 000 €."
)
# Druga wymiana – agent pamięta kontekst
response2 = client.beta.conversations.append(
conversation_id=response1.conversation_id,
inputs="Jakie są prioritety kroków?"
)
# Trzecia wymiana – nadal w tym samym kontekście
response3 = client.beta.conversations.append(
conversation_id=response2.conversation_id,
inputs="Sporządź harmonogram na pierwsze 3 miesiące."
)
Przyjrzyj się uważnie, który identyfikator zasila każde wywołanie: response2 startuje z ID z response1, a response3 z ID z response2. To nie jest dziwactwo; to główny mechanizm działania tego API.
Mechanizm niezmienności
Każde wywołanie conversations.append() zwraca nowe conversation_id. Stare pozostaje dostępne do odczytu, ale do kolejnego dopisania musisz użyć najnowsze ID.
# Każde append zwraca nowe ID
id_1 = response1.conversation_id # "conv-aaa"
id_2 = response2.conversation_id # "conv-bbb"
id_3 = response3.conversation_id # "conv-ccc"
# Zawsze używaj NAJNOWSZEGO id, aby kontynuować
response4 = client.beta.conversations.append(
conversation_id=id_3, # Nie id_1 ani id_2
inputs="Dodaj kamienie milowe walidacji przez klienta."
)
Klasycznym błędem jest zapisanie początkowego identyfikatora w bazie danych, gdy użytkownik otwiera wątek, a następnie wielokrotne używanie go bez zmian dla każdej wiadomości. Nic się nie wysypuje: API odpowiada normalnie, ale każde pytanie restartuje się z kontekstu pierwszej wymiany, a Twój agent zdaje się mieć amnezję, bez żadnego błędu, który by Cię ostrzegł. Zawsze nadpisuj przechowywany identyfikator tym zwróconym w odpowiedzi.
Odczytywanie historii konwersacji
Historię możesz odczytać w dowolnym momencie, co pomaga zarówno w debugowaniu, jak i wyświetlaniu wątku w Twoim interfejsie.
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]}...")
Zarządzanie przechowywaniem
Domyślnie konwersacje są przechowywane w chmurze Mistral. Parametr store=False wyłącza to zachowanie dla wymian, których Twoja wewnętrzna polityka zabrania pozostawiać na serwerze strony trzeciej.
# Konwersacja efemeryczna – nic nie jest zapisywane
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Dane poufne do analizy...",
store=False
)
Kompromis jest zgodny z celem: konwersacja nie jest możliwa do odzyskania po zakończeniu sesji, a dane nie są przechowywane na serwerach Mistral. Tracisz możliwość odtworzenia historii opisanej powyżej, a Twoja aplikacja musi sama zajmować się śledzeniem wymian, jeśli jest to konieczne. Podejmij tę decyzję z góry, a nie jako ostatni moment zaznaczenia opcji.
Wzorzec konwersacji wieloturowej
Poniższy szkielet stosuje wszystko, co powyżej, w pętli interaktywnej. Kluczowym punktem jest zmienna conversation_id, zainicjalizowana jako None: decyduje ona, które wywołanie wykonać – start() przy pierwszej turze, append() subsequently – i jest ona przypisywana na nowo po każdej odpowiedzi, zgodnie z zasadą niezmienności.
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="Trener techniczny",
description="Trener do spraw decyzji technicznych.",
instructions="Jesteś starszym trenerem technicznym. Zadawaj pytania, aby zrozumieć kontekst przed udzieleniem porady."
)
# Pętla konwersacji
conversation_id = None
while True:
user_input = input("Ty: ")
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}")
Dostosuj go do swojego kontekstu, zastępując input() swoim rzeczywistym źródłem wiadomości – żądaniem HTTP, wiadomością z kolejki, zdarzeniem webhooka – i utrwalając conversation_id tam, gdzie Twoja aplikacja będzie mogła je znaleźć przy następnej turze.
Kluczowe wnioski
conversations.start()tworzy nową konwersację z pierwszą wiadomościąconversations.append()dodaje wiadomość do istniejącej konwersacji- Każde wywołanie
appendzwraca noweconversation_id– zawsze używaj najnowszego store=Falsewyłącza trwałość po stronie Mistral dla danych wrażliwych- Agent zachowuje pełny kontekst konwersacji bez konieczności ponownego wysyłania historii