Executar e testar um fluxo de trabalho
Nesta página
Lição atualizada em 3 de novembro de 2026 com base no SDK
mistralai3.7.0: o acompanhamento de uma execução utiliza agoraclient.workflows.executions.get_workflow_execution_async, e o resultado é lido a partir deresult. Adenda do mesmo dia: os exemplos anteriores referenciavam aindaexecution.id,execution.outputeexecution.error, que estão ausentes do SDK, e comparavam o estado com"completed"ou"failed"em minúsculas; utilizam agoraexecution_id,result,wait_for_result=Truee estados em maiúsculas. Fonte: client-python.
Acionar um fluxo de trabalho
Já escreveu as suas atividades, definiu o seu fluxo de trabalho e iniciou o seu worker. Agora precisa de lançar uma execução. Tem duas opções: o SDK Python ou uma chamada cURL à API REST. A primeira adapta-se aos seus scripts e serviços Python; a segunda funciona para testes rápidos na linha de comandos ou acionamentos a partir de sistemas não Python — um webhook, um agendador ou um backend escrito noutra linguagem.
Três condições devem ser cumpridas antes de acionar qualquer coisa. O seu worker deve estar em execução (uv run python worker.py), a sua chave de API deve estar definida em MISTRAL_API_KEY e o fluxo de trabalho deve estar registado nesse worker, o que significa que aparece na lista passada a run_worker().
Acionamento via SDK Python
Escreva o acionamento num script separado do worker, uma vez que o processo do worker nunca devolve o controlo:
import asyncio
from mistralai.client import Mistral
async def main():
client = Mistral()
execution = await client.workflows.execute_workflow_async(
workflow_identifier="salutation_workflow",
input={"nom": "Marie"},
wait_for_result=True, # aguarda a conclusão e recebe o resultado
)
print(f"Execution ID: {execution.execution_id}")
print(f"Result: {execution.result}")
if __name__ == "__main__":
asyncio.run(main())
O workflow_identifier corresponde exatamente ao name declarado em @workflows.workflow.define(), e as chaves no dicionário input correspondem aos parâmetros do seu método run. Execute este script num terminal separado, deixando o primeiro ocupado pelo worker:
uv run python trigger.py
Com wait_for_result=True, o SDK aguarda o fim da execução e devolve o resultado diretamente, tornando os testes muito legíveis para fluxos de trabalho curtos. Sem este parâmetro, a chamada retorna imediatamente com o identificador da execução, que poderá depois acompanhar (veja abaixo).
Acionamento via cURL
Para testes rápidos ou integração com outros sistemas, a API REST expõe o mesmo acionador:
curl -X POST https://api.mistral.ai/v1/workflows/salutation_workflow/execute \
-H "Authorization: Bearer $MISTRAL_API_KEY" \
-H "Content-Type: application/json" \
-d '{"input": {"nom": "Marie"}, "wait_for_result": true}'
Com wait_for_result, a resposta contém o nome do fluxo de trabalho, o identificador da execução e o seu resultado; estes são os campos do modelo WorkflowExecutionSyncResponse do SDK:
{
"workflow_name": "salutation_workflow",
"execution_id": "…",
"result": {
"message": "Bonjour, Marie !"
}
}
Guarde este execution_id: é a chave que utilizará mais tarde para consultar a execução ou recuperar os seus traços. Sem wait_for_result, a resposta descreve a execução em curso, incluindo o seu status (RUNNING inicialmente).
Exemplo de ponta a ponta
Vamos revisitar o exemplo do pipeline de análise de documentos, desta vez totalmente configurado. O primeiro ficheiro combina as definições e o arranque do worker; note o truncamento para 5000 caracteres, que protege tanto o limite de tamanho da atividade como o seu orçamento de tokens.
Ficheiro workflow.py (worker + definições)
import asyncio
import httpx
import mistralai.workflows as workflows
from mistralai.client import Mistral
@workflows.activity()
async def extraire_texte(url: str) -> dict:
async with httpx.AsyncClient() as client:
response = await client.get(url)
return {"texte": response.text[:5000]} # Limitar a 5000 caracteres
@workflows.activity()
async def resumer_texte(texte: str) -> dict:
client = Mistral()
response = await client.chat.complete_async(
model="mistral-large-latest",
messages=[
{"role": "system", "content": "Summarize in 3 sentences."},
{"role": "user", "content": texte}
]
)
return {"resume": response.choices[0].message.content}
@workflows.workflow.define(name="resume_page_web")
class ResumePageWeb:
@workflows.workflow.entrypoint
async def run(self, url: str) -> dict:
extraction = await extraire_texte(url)
resume = await resumer_texte(extraction["texte"])
return {
"url_source": url,
"resume": resume["resume"]
}
async def main() -> None:
await workflows.run_worker([ResumePageWeb])
if __name__ == "__main__":
asyncio.run(main())
O segundo ficheiro aciona o fluxo de trabalho e apresenta o resultado, gerindo explicitamente o caso de falha — um reflexo a adotar desde o seu primeiro script:
Ficheiro trigger.py (acionador)
import asyncio
from mistralai.client import Mistral
async def main():
client = Mistral()
print("Lançamento do fluxo de trabalho...")
execution = await client.workflows.execute_workflow_async(
workflow_identifier="resume_page_web",
input={"url": "https://example.com/article"},
)
print(f"Execução lançada: {execution.execution_id}")
# Acompanhar a execução até à conclusão
while True:
suivi = await client.workflows.executions.get_workflow_execution_async(
execution_id=execution.execution_id
)
if suivi.status not in ("RUNNING", "RETRYING_AFTER_ERROR"):
break
await asyncio.sleep(2)
if suivi.status == "COMPLETED":
print(f"Resumo: {suivi.result['resume']}")
else:
print(f"Execução terminada com o estado {suivi.status}")
if __name__ == "__main__":
asyncio.run(main())
Execução
Terminal 1 — Iniciar o worker:
uv run python workflow.py
Terminal 2 — Acionar a execução:
uv run python trigger.py
Verificar resultados
O terminal do worker é o seu primeiro ponto de observação: exibe as atividades executadas em tempo real, juntamente com a sua duração, mostrando-lhe imediatamente qual o passo que consome mais tempo.
[INFO] Executing activity: extraire_texte
[INFO] Activity completed: extraire_texte (1.2s)
[INFO] Executing activity: resumer_texte
[INFO] Activity completed: resumer_texte (3.4s)
[INFO] Workflow completed: resume_page_web
Para fluxos de trabalho longos, obviamente não ficará colado ao terminal. Assim que tiver o ID da execução, pode consultar o seu estado a qualquer momento a partir de outro processo:
execution = await client.workflows.executions.get_workflow_execution_async(
execution_id="exec_abc123"
)
print(f"Status: {execution.status}")
print(f"Result: {execution.result}")
A mesma operação está disponível via cURL, útil num script de monitorização:
curl https://api.mistral.ai/v1/workflows/executions/exec_abc123 \
-H "Authorization: Bearer $MISTRAL_API_KEY"
Gestão de erros
Uma falha não ocorre à primeira exceção: a plataforma tenta primeiro repetir a atividade de acordo com a sua política de retry. Só após esgotar as tentativas é que a execução passa para o estado FAILED (os estados do SDK estão em maiúsculas: RUNNING, COMPLETED, FAILED, CANCELED, TERMINATED, TIMED_OUT, etc.), e o seu código chamador deve gerir este caso em vez de assumir que um result está sempre presente:
execution = await client.workflows.executions.get_workflow_execution_async(
execution_id="exec_abc123"
)
if execution.status == "FAILED":
print(f"Execução {execution.execution_id} falhou")
A resposta não contém uma mensagem de erro: a causa aparece no histórico de execução e nos logs (get_workflow_execution_history_async, get_workflow_execution_logs_async). Para identificar a atividade defeituosa e a sequência que a levou a isso, analisará os traços OpenTelemetry, abordados na Lição 14.
Testes locais
Alternar entre dois terminais torna-se rapidamente fastidioso durante o desenvolvimento. Para desenvolvimento, um único script pode iniciar o worker em segundo plano, acionar o fluxo de trabalho e depois parar tudo:
import asyncio
import mistralai.workflows as workflows
# ... definições de atividade e fluxo de trabalho ...
async def main():
# Iniciar worker em segundo plano
worker_task = asyncio.create_task(
workflows.run_worker([MonWorkflow])
)
# Aguardar que o worker esteja pronto
await asyncio.sleep(2)
# Acionar fluxo de trabalho
from mistralai.client import Mistral
client = Mistral()
execution = await client.workflows.execute_workflow_async(
workflow_identifier="mon_workflow",
input={"test": True},
wait_for_result=True,
)
print(f"Result: {execution.result}")
# Parar worker
worker_task.cancel()
if __name__ == "__main__":
asyncio.run(main())
O asyncio.sleep(2) dá tempo ao worker para estabelecer a sua ligação antes do acionamento, e o worker_task.cancel() final impede que o script fique bloqueado indefinidamente. Reserve esta configuração para desenvolvimento: em produção, o worker e os acionadores permanecem processos separados com ciclos de vida independentes.
Pontos-chave
- Dois métodos de acionamento: SDK Python (
execute_workflow_async) e API REST (cURL) - O worker deve estar em execução para que o fluxo de trabalho seja executado
- Com
wait_for_result=True, o SDK aguarda a conclusão e devolve o resultado (result); caso contrário, devolve oexecution_idpara acompanhamento - Utilize
client.workflows.executions.get_workflow_execution_async()para verificar o estado de uma execução - Os estados estão em maiúsculas (
RUNNING,COMPLETED,FAILED, etc.); as causas de falha aparecem no histórico de execução, logs e traços - Para desenvolvimento, combine worker e acionador num único script utilizando
asyncio