Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Nástroj web_search: Vyhľadávanie na internete v reálnom čase

Lekcia 8 z 18 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Štyri vstavané nástroje Mistral
  2. Web Search v detailoch
  3. Spustenie vyhľadávania
  4. Anatómia odpovede
  5. Použitie priameho režimu (bez agenta)
  6. Osvedčené postupy, ktoré robia rozdiel
  7. Kľúčové poznatky

Štyri vstavané nástroje Mistral

Táto lekcia otvára sekciu o vstavaných nástrojoch. Predtým, než sa ponoríme do prvého z nich, venuj minútu prehľadu štyroch nástrojov dostupných v Agents API a potriebám, ktoré riešia.

Nástroj Typ Popis Prípad použitia
Web Search web_search Vyhľadávanie na internete v reálnom čase Správy, monitorovanie, overovanie faktov
Code Interpreter code_interpreter Vykonávanie kódu Python v pieskovisku Výpočty, analýza dát, grafy
Image Generation image_generation Tvorba obrázkov z textu Ilustrácie, makety, kreatívna práca
Document Library document_library RAG na nahraných dokumentoch Otázky a odpovede k súborom, extrakcia, zhrnutie

Tieto nástroje bežia v cloudovom prostredí Mistral – na tvojej strane nemusíš spravovať žiadnu infraštruktúru. To je zásadný rozdiel oproti klasickému volaniu funkcií, kde exekúciu riešiš ty: tu iba deklaruješ schopnosť a poskytovateľ sa postará o pieskovisko, závislosti aj škálovanie.

Web Search v detailoch

Nástroj web_search umožňuje tvojmu agentovi vyhľadávať informácie na internete v reálnom čase. Je to najpoužívanejší nástroj, pretože rieši zásadný problém LLM modelov: časový odstup od reality. Model nič nevie o udalostiach, ktoré sa stali po jeho trénovaní, a ani nevie, že to nevie – čo vedie k sebavedomým odpovediam založeným na zastaranom pohľade na svet.

Konfigurácia agenta s týmto nástrojom zaberie len pár riadkov.

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="Web Search Agent",
    instructions="You perform web searches to answer questions. Always cite your sources.",
    tools=[{"type": "web_search"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Spustenie vyhľadávania

Tohoto agenta sa pýtaš ako ktoréhokoľvek iného: rozhodnutie vyhľadávať patrí agentovi.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Who won the most recent European Football Championship?"
)

Za týmto jediným volaním sa skrýva celý reťazec udalostí. Agent najprv analyzuje otázku, aby zistil, či mu stačia jeho vlastné vedomosti – v tomto prípade slová „najnovšie“ naznačujú informácie viazané na dátum, takže mu nestačia. Následne sformuluje optimalizovaný vyhľadávací dopyt, ktorý sa často líši od tvojej vety a je zbavený konverzačných obratov. Vykoná vyhľadávanie a potom syntetizuje výsledky s pripojenými citáciami. Žiadny z týchto krokov nekontroluješ, ale všetky ich vidíš v odpovedi.

Anatómia odpovede

Odpoveď obsahuje niekoľko sekvenčných záznamov, ktorými musíš iterovať v poradí.

for entry in response.outputs:
    print(f"--- {entry.type} ---")

    if entry.type == "tool.execution":
        # Detaily vykonaného vyhľadávania
        print(f"Tool: {entry.tool_name}")

    elif entry.type == "message.output":
        # Odpoveď s citáciami
        for chunk in entry.content:
            if chunk.type == "text":
                print(chunk.text)
            elif chunk.type == "tool_reference":
                print(f"[Source] {chunk.title} — {chunk.url}")

Najprv uvidíš záznam tool.execution, ktorý nesie metadáta operácie, vrátane skutočného dopytu odoslaného do vyhľadávača. Toto je miesto, kam sa pozrieť, ak sa odpoveď zdá byť mimo témy – často zistíš, že preformulovanie sa odklonilo. Záznam message.output potom nesie syntetizovanú odpoveď rozdelenú na časti text a tool_reference – preto je v kóde vyššie vnorená slučka.

Použitie priameho režimu (bez agenta)

Nástroj funguje aj bez registrovaného agenta, čo je vhodné na rýchle testovanie.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[{"role": "user", "content": "Latest news on Mistral AI"}],
    tools=[{"type": "web_search"}]
)

Osvedčené postupy, ktoré robia rozdiel

Začni kladením presných otázok. Agent transformuje tvoju otázku na vyhľadávací dopyt: „povedz mi niečo o AI“ prinesie všeobecné výsledky, zatiaľ čo „aké európske nariadenia o AI boli prijaté v roku 2026?“ okamžite cieli na použiteľné stránky. Toto pravidlo platí aj pre otázky, ktoré kladú tvoji používatelia: ak tvoje rozhranie dovoľuje vágne požiadavky, zahrň do inštrukcií krok na preformulovanie alebo kladenie objasňujúcich otázok.

Ďalej kontroluj teplotu. Pre faktické úlohy nízka hodnota – medzi 0,2 a 0,4 – znižuje halucinácie počas syntézy výsledkov. Vyhľadávanie poskytuje surový materiál, ale model stále píše text a nič mu nebráni vypĺňať medzery, ak mu dáš príliš veľa voľnosti.

Nakoniec overuj zdroje. Citácie sú automatické, ale ich relevantnosť sa líši: príspevok na fóre a oficiálny text vyzerajú v zozname odkazov podobne. V kritických kontextoch otvori vrátené URL adresy pred tým, než informáciu prijmeš – a expose ich aj svojim používateľom, aby mohli urobiť to isté.

Kľúčové poznatky

  • web_search dáva agentovi prístup na internet v reálnom čase
  • Odpovede zahŕňajú automatické citácie (názov + URL)
  • web_search_premium pridáva overované spravodajské zdroje
  • Nástroj funguje s agentom aj bez neho (možný je priamy režim)
  • Pre faktické úlohy sa odporúča nízka teplota