Przejdź do głównej treści
Polski— Wybierz język
Menu

Rozmowy bez agenta

Lekcja 7 z 18 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Tryb bezpośredni modelu
  2. Rozpoczynanie rozmowy z modelem
  3. Dodawanie narzędzi w trybie bezpośrednim
  4. Przekazywanie dynamicznych instrukcji
  5. Kontynuowanie rozmowy w trybie bezpośrednim
  6. Agent kontra tryb bezpośredni: jak podjąć decyzję
  7. Przykład: Pytanie w wymuszonym kontekście
  8. Kluczowe wnioski

Tryb bezpośredni modelu

Nie zawsze musisz tworzyć obiekt Agenta, aby korzystać z API Conversations. Mistral pozwala rozpocząć rozmowę bezpośrednio z modelem, zapewniając trwałość bez warstwy konfiguracji Agenta. Ta możliwość wynika bezpośrednio z architektury, którą omówiliśmy wcześniej: rozmowa jest niezależna od agenta, więc może istnieć całkowicie samodzielnie.

Istnieje kilka scenariuszy, w których jest to preferowane rozwiązanie względem używania zarejestrowanego agenta. Możesz potrzebować trwałości bez definiowania wielokrotnego użytku agenta, na przykład dlatego, że każdy wątek w Twojej aplikacji jest unikalny. Możesz szybko testować zachowanie za pomocą wbudowanych narzędzi, a tworzenie i usuwanie agenta dla każdej próby spowalnia pracę. Twój przypadek użycia może być jednorazowy: nic nie uzasadnia zapisywania konfiguracji, której użyjesz tylko raz. Lub Twoje instrukcje mogą być dynamiczne, obliczane w czasie rzeczywistym na podstawie profilu użytkownika lub bieżącego dokumentu – w takim przypadku statyczny agent byłby niewłaściwym narzędziem.

Rozpoczynanie rozmowy z modelem

Zamiast przekazywać agent_id, przekazujesz bezpośrednio model:

from mistralai.client import Mistral
import os

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

response = client.beta.conversations.start(
    model="mistral-medium-latest",
    inputs=[
        {"role": "user", "content": "Who is Albert Einstein?"}
    ]
)

print(response.outputs[-1].content)

Wszystko zależy od wyboru tego parametru. Przy użyciu agent_id wywołanie dziedziczy zarejestrowaną konfigurację agenta: jego instrukcje, narzędzia i zabezpieczenia. Przy użyciu model znajdujesz się w trybie bezpośrednim i konfigurujesz wszystko w samym żądaniu – nic nie jest zapamiętywane poza tym wywołaniem.

Dodawanie narzędzi w trybie bezpośrednim

Wbudowane narzędzia nie są zastrzeżone wyłącznie dla agentów. Deklarujesz je w żądaniu, dokładnie tak samo, jak podczas tworzenia agenta.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[
        {"role": "user", "content": "What are the latest Ligue 1 results?"}
    ],
    tools=[{"type": "web_search"}]
)

Jest to funkcjonalnie równoważne agentowi z web_search, ale bez utrwalania konfiguracji. Różnica ujawnia się przy dziesiątym wywołaniu: przy agencie zmieniłbyś temperaturę raz na zawsze; tutaj musisz powtarzać ją w każdym żądaniu i nic nie gwarantuje, że zapomniane gdzieś w kodzie wywołanie użyje tych samych ustawień.

Przekazywanie dynamicznych instrukcji

W trybie bezpośrednim monit systemowy przyjmuje formę wiadomości system umieszczonej na początku listy inputs.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[
        {"role": "system", "content": "You are an expert in French cuisine. Answer in 3 sentences maximum."},
        {"role": "user", "content": "How do I make a perfect béarnaise sauce?"}
    ]
)

Daje Ci to taką samą elastyczność jak instrukcje agenta, ale w sposób efemeryczny – co kluczowe, ten ciąg znaków może być budowany w czasie rzeczywistym, na co nie pozwalają instrukcje zarejestrowanego agenta.

Kontynuowanie rozmowy w trybie bezpośrednim

Mechanizm trwałości działa dokładnie tak samo jak w przypadku agenta: pierwsze wywołanie zwraca conversation_id, kolejne wywołania dołączają do niego, a każde dołączenie zwraca z kolei nowy identyfikator.

# Pierwsza wymiana
response1 = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[{"role": "user", "content": "Tell me about the French Revolution."}]
)

# Druga wymiana — kontekst jest zachowany
response2 = client.beta.conversations.append(
    conversation_id=response1.conversation_id,
    inputs="Who were the main figures?"
)

# Model wie, że rozmawiamy o rewolucji francuskiej

Drugie pytanie nie nazywa swojego tematu i nie musi tego robić: trwałość nie zależy od istnienia agenta, lecz wyłącznie od rozmowy.

Agent kontra tryb bezpośredni: jak podjąć decyzję

Stwórz agenta, gdy ta sama konfiguracja obsługuje wiele rozmów, ponieważ zyskujesz wtedy jeden punkt modyfikacji: poprawienie instrukcji aktualizuje wszystkie przyszłe wątki. Jest to również jedyna droga, jeśli Twoje instrukcje są stabilne od sesji do sesji, jeśli planujesz przekazywanie zadań między wieloma agentami – co szczegółowo omówi lekcja poświęcona temu tematowi – lub jeśli Twoja organizacja wymaga scentralizowanej, podlegającej audytowi konfiguracji, gdzie możesz odpowiedzieć na pytanie: „Z jakimi instrukcjami wykonano tego asystenta?“.

Pozostań w trybie bezpośrednim w przypadkach symetrycznych: prototypowanie lub użycie jednorazowe, instrukcje zmieniające się przy każdej rozmowie, brak potrzeby przekazywania zadań lub chęć zmniejszenia liczby wywołań API poprzez eliminację tworzenia i usuwania agenta. W fazie rozwoju ten ostatni powód często wystarcza sam w sobie.

Przykład: Pytanie w wymuszonym kontekście

Poniższa funkcja doskonale ilustruje tryb bezpośredni. Kontekst jest argumentem, więc różni się przy każdym wywołaniu, a monit systemowy jest budowany wokół niego, aby zapobiec czerpaniu przez model wiedzy zewnętrznej. Żaden zarejestrowany agent nie mógłby przenosić tego ograniczenia, ponieważ zmienia się ono przy każdym wywołaniu.

def ask_question(context: str, question: str):
    """Ask a question within a given context, without creating an agent."""
    response = client.beta.conversations.start(
        model="mistral-large-latest",
        inputs=[
            {"role": "system", "content": f"Context: {context}. Answer using only this context."},
            {"role": "user", "content": question}
        ]
    )
    return response.outputs[-1].content

# Usage
answer = ask_question(
    context="Corsen AI is a French startup specializing in sovereign AI, founded in 2025.",
    question="When was Corsen AI founded?"
)

Wykorzystaj ten wzorzec do własnych potrzeb, zastępując zakodowany na sztywno kontekst faktycznie istotnym tekstem – oglądaną kartą produktu, wybranym fragmentem dokumentu – a uzyskasz gotowy blok budulcowy do pytań i odpowiedzi w określonych ramach, bez żadnej konfiguracji do administrowania.

Kluczowe wnioski

  • Rozmowy można rozpoczynać za pomocą model= zamiast agent_id=
  • Tryb bezpośredni oferuje trwałość bez warstwy konfiguracji Agenta
  • Możesz przekazywać narzędzia i instrukcje bezpośrednio w żądaniu
  • Tryb bezpośredni jest idealny do prototypowania i użytku jednorazowego
  • Do przekazywania zadań i konfiguracji wielokrotnego użytku preferuj tworzenie agenta