Verktyget image_generation: Skapa bilder
På denna sida
Generera bilder genom din agent
Verktyget image_generation låter din agent skapa bilder från textbeskrivningar. Det kompletterar de verktyg du redan har sett: medan code_interpreter producerar siffror och diagram, producerar detta visuellt material. Det är ett kraftfullt verktyg för kreativa användningsområden, generering av mockups eller för att illustrera koncept. Precis som andra inbyggda verktyg aktiverar du det när du skapar agenten, och modellen avgör själv om den ska anropa det baserat på förfrågan.
Skapa en agent med bildgenerering
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}
)
Instruktionerna har stor betydelse här. Genom att be agenten formulera om förfrågan till en detaljerad prompt omvandlar du en vag “gör en bild på en katt” till en handlingsbar beskrivning. Genom att låta den tillkännage bilden innan den genereras får du chansen att korrigera kursen innan själva genereringen sker. En temperatur på 0,3 håller denna omformulering disciplinerad: du vill ha beskrivande precision, inte fri uppfinning.
Generera en bild
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Bakom detta enda anrop kedjar agenten ihop fyra steg: den analyserar din förfrågan, formulerar en prompt optimerad för genereringsmodellen, skapar bilden och returnerar sedan filen. Dessa steg syns i konversationens utdata, vilket låter dig se vilken prompt som producerade vilken bild. Detta är ovärderligt när ett resultat tilltalar dig och du vill återskapa det.
Ladda ner genererade bilder
Bilder returneras inte som text i svaret: de anländer som ToolFileChunk-objekt i innehållet, och du hämtar själva filen via Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Download the image file
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Save locally
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tre vanliga användningsområden
Det första är illustration av dokumentation, där ett diagram förklarar bättre än ett stycke text.
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."
)
Det andra är visuella mockups, för att materialisera en riktning innan du engagerar en designer.
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."
)
Det tredje är skapande av marknadsföringsmaterial, där agenten producerar en skräddarsydd bild utifrån en skriven brief.
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."
)
I alla tre fallen avgör briefens kvalitet resultatets kvalitet: en kreativ agent hittar inte på din avsikt, den verkställer den.
Kombinera med andra verktyg
Bildgenerering når sin fulla potential när den paras ihop med andra verktyg. Att söka efter data, analysera den och sedan illustrera den blir ett enda sömlöst flöde ur användarens perspektiv.
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"}
]
)
Skriv bra bildprompter
Fem hävstänger förbättrar resultaten avsevärt. För det första, var beskrivande: “En randig orange katt som sitter på ett träskrivbord, naturligt ljus, fotografisk stil” ger en helt annan bild än “en katt”. Specificera därefter den förväntade stilen – fotografisk, illustration, akvarell, minimalistisk. Ange kompositionen, det vill säga framifrån, högt perspektiv, närbild eller vidvinkel. Nämn belysningen, oavsett om det är naturligt ljus, studio, motljus eller gyllene timmen. Specificera slutligen färger: varm palett, kalla toner, monokromt. Dessa fem axlar är exakt vad du skriver in i agentens instruktioner så att den kan berika alltför korta förfrågningar från dina användare.
Hantera genererade filer
Genererade bilder lagras tillfälligt i Mistral-cloudet via Files API. Gör det till en vana att inventera och städa upp: annars fylls ditt utrymme med glömda utkast, och filer du behövde försvinner för att de inte laddades ner i tid.
# List files
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Delete a file
client.files.delete(file_id="file-xxxxxxxx")
Viktiga punkter
image_generationskapar bilder från textbeskrivningar- Bilder returneras som
ToolFileChunk-objekt och kan laddas ner viaclient.files.download() - Detaljerade prompter (stil, komposition, belysning) förbättrar resultaten avsevärt
- Verktyget kan kombineras med web_search och code_interpreter
- Genererade filer är tillfälliga – ladda ner dem annars raderas de