Nástroj image_generation: Vytváranie obrázkov
Na tejto strane
Generovanie obrázkov prostredníctvom tvojho agenta
Nástroj image_generation umožňuje tvojmu agentovi vytvárať obrázky na základe textových opisov. Dopĺňa nástroje, ktoré si už videl: zatiaľ čo code_interpreter produkuje čísla a grafy, tento nástroj vytvára vizuály. Je to výkonný nástroj pre kreatívne použitie, generovanie náčrtov (mockupov) alebo ilustráciu konceptov. Ako pri ostatných vstavaných nástrojoch ho povolíš pri vytváraní agenta a model sa sám rozhodne, či ho na základe požiadavky použije.
Vytvorenie agenta s generovaním obrázkov
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}
)
Inštrukcie tu majú veľkú váhu. Tým, že požiadaš agenta, aby preformuloval požiadavku na podrobný prompt, zmeníš vágne „vytvor mi obrázok mačky“ na akcieschopný opis. Tým, že agent oznámi obrázok pred jeho vygenerovaním, dávaš si šancu korigovať smer ešte pred samotnou generáciou. Teplota nastavená na 0,3 udržuje toto preformulovanie disciplinované: potrebuješ opisnú presnosť, nie voľnú tvorbu.
Generovanie obrázka
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Za týmto jediným volaním agent reťazí štyri kroky: analyzuje tvoju požiadavku, sformuluje prompt optimalizovaný pre generačný model, vytvorí obrázok a následne vráti súbor. Tieto kroky sa objavia vo výstupoch konverzácie, čo ti umožňuje vidieť, ktorý prompt vytvoril ktorý obrázok. To je neoceniteľné, keď ťa výsledok poteší a chceš ho reprodukovať.
Sťahovanie vygenerovaných obrázkov
Obrázky sa vo odpovedi nevracajú ako text: prichádzajú ako objekty ToolFileChunk v obsahu a skutočný súbor získavaš prostredníctvom Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Stiahnuť súbor s obrázkom
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Uložiť lokálne
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tri bežné prípady použitia
Prvým je ilustrácia dokumentácie, kde diagram vysvetlí viac ako odstavec textu.
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."
)
Druhým sú vizuálne náčrty (mockupy), ktoré materializujú smer ešte pred zapojením dizajnéra.
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."
)
Tretím je tvorba marketingového obsahu, kde agent produkuje šitý vizuál na základe písomného zadania.
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."
)
Vo všetkých troch prípadoch kvalita zadania určuje kvalitu výsledku: kreatívny agent nevymýšľa tvoj zámer, ale vykonáva ho.
Kombinácia s inými nástrojmi
Generovanie obrázkov dosahuje svoj plný potenciál v spojení s inými nástrojmi. Vyhľadávanie dát, ich analýza a následná ilustrácia sa z pohľadu používateľa stáva jedným plynulým tokom.
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"}
]
)
Ako písať dobré prompty pre obrázky
Päť pák výrazne zlepšuje výsledky. Po prvé, buď opisný: „Pruhovaná oranžová mačka sediaca na drevenom stole, prirodzené osvetlenie, fotografický štýl“ vytvorí úplne iný obrázok než „mačka“. Ďalej špecifikuj očakávaný štýl – fotografický, ilustrácia, akvarel, minimalistický. Urči kompozíciu, čiže pohľad spredu, zhora, detail alebo široký záber. Spomeň osvetlenie, či už prirodzené, štúdiové, protisvetlo alebo zlatá hodinka. Nakoniec špecifikuj farby: teplá paleta, studené tóny, monochromatické. Týchto päť osí je presne to, čo zapíšeš do inštrukcií agenta, aby mohol obohatiť príliš stručné požiadavky od tvojich používateľov.
Správa vygenerovaných súborov
Vygenerované obrázky sa dočasne ukladajú v cloude Mistral prostredníctvom Files API. Zvykni si robiť inventúru a upratovať: inak sa ti priestor zaplní zabudnutými konceptmi a súbory, ktoré si potreboval, zmiznú, pretože si ich nestihol stiahnuť včas.
# Zoznam súborov
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Vymazanie súboru
client.files.delete(file_id="file-xxxxxxxx")
Kľúčové poznatky
image_generationvytvára obrázky z textových opisov- Obrázky sa vracajú ako objekty
ToolFileChunka sú stiahnuteľné cezclient.files.download() - Podrobné prompty (štýl, kompozícia, osvetlenie) výrazne zlepšujú výsledky
- Nástroj možno kombinovať s
web_searchacode_interpreter - Vygenerované súbory sú dočasné – stiahni si ich, inak budú vymazané