Preskok na glavno vsebino
Slovenščina— Izberite jezik
Meni

Orodje web_search: Iskanje po spletu v realnem času

Lekcija 8 od 18 Posodobljeno 2. november 2026 Razvijalec
Na tej strani
  1. Štiri vgrajena orodja Mistrala
  2. Podrobneje o spletnem iskanju
  3. Izvedba iskanja
  4. Anatomija odgovora
  5. Uporaba neposrednega načina (brez agenta)
  6. Najboljše prakse, ki delajo razliko
  7. Ključne ugotovitve

Štiri vgrajena orodja Mistrala

Ta lekcija odpira poglavje o vgrajenih orodjih. Preden se poglobiš v prvo, si vzemi trenutek za pregled štirih orodij, ki so na voljo v API-ju za agente, in potreb, ki jih pokrivajo.

Orodje Vrsta Opis Primer uporabe
Spletno iskanje web_search Iskanje po spletu v realnem času Novice, nadzor, preverjanje dejstev
Interpreter kode code_interpreter Izvajanje kode Python v peskovniku Izračuni, analiza podatkov, grafi
Generiranje slik image_generation Ustvarjanje slik iz besedila Ilustracije, makete, kreativno delo
Knjižnica dokumentov document_library RAG na naloženih dokumentih Vprašanja o datotekah, ekstrakcija, povzemanje

Ta orodja delujejo v oblaku Mistral – na tvoji strani ni treba upravljati nobene infrastrukture. To je temeljna razlika glede na klasično klicanje funkcij, kjer izvrševanje obravnavaš sam: tu samo deklariraš zmožnost, ponudnik pa poskrbi za peskovnik, odvisnosti in skaliranje.

Podrobneje o spletnem iskanju

Orodje web_search tvojemu agentu omogoča iskanje informacij na spletu v realnem času. Je najbolj uporabljeno orodje, saj rešuje temeljni problem velikih jezikovnih modelov (LLM): časovni zamik glede na realnost. Model ne ve ničesar o dogodkih, ki so se zgodili po njegovem usposabljanju, in se niti ne zaveda, da tega ne ve – kar vodi do samozavestnih odgovorov, temelječih na zastarelem pogledu na svet.

Konfiguracija agenta s tem orodjem zahteva le nekaj vrstic kode.

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}
)

Izvedba iskanja

Tega agenta poizveduješ kot katerega koli drugega: odločitev za iskanje prepustiš agentu.

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

Za tem enim klicem se skriva celotna veriga dogodkov. Agent najprej analizira vprašanje, da ugotovi, ali je njegovo lastno znanje zadostno – tu beseda „najnovejše” implicira datirane informacije, zato ni. Nato oblikuje optimiziran iskalni niz, ki se pogosto razlikuje od tvojega stavka in je očiščen pogovornih fraz. Izvede iskanje, nato pa sintetizira rezultate s priloženimi viri. Nobenega od teh korakov ne nadzoruješ, vidiš pa jih lahko vse v odgovoru.

Anatomija odgovora

Odgovor vsebuje več zaporednih vnosov, skozi katere moraš iterirati po vrstnem redu.

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

    if entry.type == "tool.execution":
        # Podrobnosti o opravljenem iskanju
        print(f"Tool: {entry.tool_name}")

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

Najprej boš videl vnos tool.execution, ki nosi metapodatke operacije, vključno z dejanskim poizvedbenim nizom, poslanim iskalniku. To je mesto, kamor pogledaš, ko se odgovor zdi irelevanten, saj boš pogosto opazil, da je preoblikovanje zašlo s poti. Vnos message.output nato nosi sintetiziran odgovor, razdeljen na dele text in tool_reference – zato je v zgornji kodi potrebna gnezdena zanka.

Uporaba neposrednega načina (brez agenta)

Orodje deluje tudi brez registriranega agenta, kar je priročno za hitro testiranje.

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

Najboljše prakse, ki delajo razliko

Začni z zastavljanjem natančnih vprašanj. Agent tvoje vprašanje pretvori v iskalni niz: „povej mi kaj o AI” bo vrnilo splošne rezultate, medtem ko „kakšne evropske predpise o AI so sprejeli leta 2026?” takoj cilja na uporabne strani. To pravilo velja tudi za vprašanja, ki jih zastavljajo tvoji uporabniki: če tvoj vmesnik dopušča nejasne zahteve, v navodila vključi korak za preoblikovanje ali pojasnilna vprašanja.

Nato nadzoruj temperaturo. Za faktografske naloge nizka vrednost – med 0,2 in 0,4 – zmanjša halucinacije med sintezo rezultatov. Iskanje zagotovi surov material, vendar model še vedno opravi pisanje in nič ga ne ustavi, da bi zapolnil vrzeli, če mu daš preveč svobode.

Nazadnje, preveri vire. Navedbe virov so samodejne, vendar se njihova ustreznost razlikuje: objava na forumu in uradno besedilo sta v seznamu virov videti podobno. V kritičnih kontekstih odpri vrnjene URL-je, preden sprejmeš informacijo – in jih razkrij svojim uporabnikom, da lahko storijo enako.

Ključne ugotovitve

  • web_search agentu omogoča dostop do spleta v realnem času
  • Odgovori vključujejo samodejne navedbe virov (naslov + URL)
  • web_search_premium doda preverjene novičarske vire
  • Orodje deluje z agentom ali brez njega (mogoč je neposredni način)
  • Za faktografske naloge je priporočljiva nizka temperatura