Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Arkitektur för Mistral Agents API

Lektion 3 av 18 Uppdaterad 3 november 2026 Utvecklare
På denna sida
  1. De tre grundläggande objekten
  2. Agent-objektet
  3. Conversation-objektet
  4. Entry-objektet
  5. Relationer mellan objekten
  6. Alternativ för konversation
  7. Viktiga punkter

Uppdaterat den 3 november 2026. Det tidigare fullständiga agentexemplet skickade guardrails={"enabled": True}, ett format som inte existerar: den officiella parametern är en lista med moderation_llm_v2-konfigurationer. Inmatningen tool.execution exponerar verktygsnamnet i entry.name, inte entry.tool_name, vilket tidigare orsakade ett AttributeError. Källor: Agents & Conversations · Moderation & Guardrailing · mistralai SDK 3.7.0.

De tre grundläggande objekten

Mistral Agents API bygger på tre samverkande objekt: Agent, Conversation och Entry. De flesta designfel som uppstår tidigt i ett projekt – att återskapa en agent för varje begäran, att återanvända ett utgånget conversation_id, eller svarsparsning som kraschar vid en oväntad entry – härrör från förväxling mellan dessa tre nivåer. Att förstå deras roller och relationer är en förutsättning för att ens skriva en enda rad kod.

Agent-objektet

En agent är en konfigurationsuppsättning som definierar modellens beteende. Den innehåller inga konversationsdata: det är en återanvändbar mall som du skapar en gång och som tusentals konversationer kan referera till.

För att skapa en agent krävs som minimum en modell, ett namn och en beskrivning.

agent = client.beta.agents.create(
    model="mistral-large-latest",        # LLM-modell som ska användas
    name="My Agent",                     # Människoläsbar identifierare
    description="Agent for financial analysis"  # Uppgiftsinriktad beskrivning
)

Parametern model anger vilken modell som ska driva agenten, vald bland tillgängliga chattkompletteringsmodeller som mistral-medium-latest eller mistral-large-latest. name är en människoläsbar identifierare som du använder för att hitta och referera till agenten: i ett projekt med tjugo stycken är det detta som sparar dig från att gräva i loggar för att ta reda på vilken som svarar kunderna. description är däremot uppgiftsinriktad och tjänar mer än bara intern dokumentation – den hjälper modellen att förstå den roll som förväntas av den, vilket förklarar formuleringen “agent for financial analysis” snarare än ett vagt “agent number 3”.

Resten konfigureras valfritt, och det är här agentens egentliga personlighet tar form.

agent = client.beta.agents.create(
    model="mistral-large-latest",
    name="Complete Agent",
    description="Agent with all parameters",
    instructions="You are a finance expert. Always respond with sources.",
    tools=[
        {"type": "web_search"},
        {"type": "code_interpreter"}
    ],
    completion_args={"temperature": 0.3, "top_p": 0.95},
    guardrails=[
        {
            "block_on_error": True,
            "moderation_llm_v2": {
                "custom_category_thresholds": {"jailbreaking": 0.2, "financial": 1},
                "action": "block",
            },
        }
    ],
)
  • instructions — Agentens systemprompt (definierar dess personlighet, regler och stil)
  • tools — Lista över tillgängliga verktyg: web_search, web_search_premium, code_interpreter, image_generation, document_library eller anpassade funktioner
  • completion_args — Samplingsparametrar (temperature, top_p, max_tokens, etc.)
  • guardrails — En lista med modereringskonfigurationer (moderation_llm_v2) som tillämpas på det inkommande meddelandet i var och en av agentens konversationer; här blockeras jailbreaking över 0,2 och kategorin financial inaktiveras (tröskelvärde 1), eftersom agenten är byggd för att diskutera finans. Detaljer finns i kursen AI Moderation and Security with Mistral.

I exemplet ovan ärver den finansiella agenten ett krav på källhänvisning från sina instruktioner, förmågan att verifiera en siffra från sina verktyg, och en låg temperatur som begränsar kreativiteten där noggrannhet krävs.

Conversation-objektet

En konversation är historiken över interaktioner mellan en användare och en agent – eller mellan en användare och en modell ensam. Den innehåller meddelanden, resultat från verktygsexekvering och händelser för överlämning (handoff).

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Analyze trends in the European AI market."
)

# Hämta konversations-ID:t för att fortsätta senare
conversation_id = response.conversation_id

Detta objekts beteende rymmer några överraskningar. Konversationen är persistent: historiken lagras på Mistrals sida, om du inte skickar store=False. Den är oberoende av agenten, vilket innebär att en konversation mycket väl kan existera utan en agent, i direkt modelläge. Slutligen är den oföränderlig: varje tillägg returnerar ett nytt conversation_id, medan det gamla förblir tillgängligt. Denna sista punkt är den mest överraskande: om du lagrar det initiala ID:t i din databas och återanvänder det vid tredje svaret, kommer du att återgå till kontexten från det första utbytet.

Entry-objektet

En entry är en individuell åtgärd inom en konversation: den atomära enheten i historiken. När du tar emot ett svar innehåller fältet outputs en lista med entries vars typ beror på vad agenten gjorde. En entry av typen message.output bär på ett textsvar från agenten, det vill säga den text som ditt gränssnitt kommer att visa. En entry av typen tool.execution bär på exekveringsresultatet från ett verktyg, såsom kod eller en webbsökning: skriptet som startades och dess utdata, eller de sidor som returnerades av sökmotorn. En entry av typen agent.handoff signalerar en överföringshändelse till en annan agent och förekommer därför endast i scenarier med flera agenter.

Ett enda svar blandar ofta dessa typer. Frågar du en agent utrustad med verktyg om en beräkning kommer du att få exekveringen och sedan kommentaren som åtföljer den: din kod måste därför iterera genom denna lista snarare än att läsa ett enskilt fält.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Calculate the square root of 144"
)

for entry in response.outputs:
    print(f"Type: {entry.type}")
    if entry.type == "message.output":
        print(f"Message: {entry.content}")
    elif entry.type == "tool.execution":
        print(f"Tool: {entry.name}")

Relationer mellan objekten

Följande diagram sammanfattar sammankopplingen av de tre nivåerna: en återanvändbar konfiguration, en historiktråd och enskilda åtgärder.

Agent (configuration)
  ├── model, instructions, tools, guardrails
  └── Can be referenced by N conversations

Conversation (history)
  ├── Linked to 0 or 1 Agent (optional)
  ├── Contains N ordered entries
  └── Each append creates a new conversation_id

Entry (unit action)
  ├── message.output (text response)
  ├── tool.execution (tool result)
  └── agent.handoff (agent transfer)

Alternativ för konversation

Att starta en konversation accepterar inställningar som påverkar både din regelefterlevnad och din arkitektur, och det är bättre att du bestämmer över dem än att drabbas av konsekvenserna i efterhand. Lagring först: store=False förhindrar all lagring på Mistrals sida, vilket du använder för att bearbeta data som din interna policy förbjuder att lämna till en tredjepartsserver.

# Inaktivera molnlagring
response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Sensitive question",
    store=False
)

Den andra inställningen definierar vem som exekverar överlämningar (handoffs). I läget server, som är standardvärdet, kedjar Mistral agentöverföringar utan ditt ingripande; i läget client tar du emot handoff-händelser och behåller kontrollen för att logga, filtrera eller neka dem.

# Server-läge (standard) — Mistral hanterar handoffs automatiskt
response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Complex request",
    handoff_execution="server"
)

# Client-läge — Du tar emot handoff-händelser och bestämmer vad som ska göras
response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Complex request",
    handoff_execution="client"
)

Viktiga punkter

  • Agent = återanvändbar konfiguration (modell, instruktioner, verktyg, guardrails)
  • Conversation = persistent historik lagrad på servern, oberoende av agenten
  • Entry = enskild åtgärd (meddelande, verktygsexekvering, handoff)
  • Konversationer kan existera utan en agent (direkt modelläge)
  • Varje tillägg till en konversation skapar ett nytt conversation_id
  • Läget store=False förhindrar lagring på Mistrals sida