Verktyget code_interpreter: Kör Python
På denna sida
Kör kod i Mistral Cloud
Verktyget code_interpreter låter din agent skriva och köra Python-kod inuti en sandlådemiljö (sandbox). Det är det ideala valet för beräkningar, dataanalys, diagramgenerering och kodvalidering. Det handlar inte bara om bekvämlighet: en språkmodell som “räknar” i huvudet producerar ett plausibelt resultat, inte nödvändigtvis ett korrekt ett. Genom att flytta över operationen till en riktig tolk ersätter du token-prediktion med verifierbar exekvering, vilket ger dig kod du kan granska.
Skapa en agent med kodtolk
Instruktionerna för denna agent kräver att den visar koden innan den körs, vilket ger dig en kontrollpunkt över vad som faktiskt exekveras.
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="Code Agent",
instructions="""You are a Python programming assistant.
- Use the code interpreter to run code when necessary
- Always show the code before executing it
- Explain results clearly""",
tools=[{"type": "code_interpreter"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Utlös en exekvering
En enkel beräkningsförfrågan räcker för att utlösa verktyget; inga speciella instruktioner från dig behövs.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Calculate the first 20 Fibonacci numbers."
)
Agenten skriver sedan ett Python-skript för att beräkna sekvensen, kör det i sandlådan och presenterar resultaten tillsammans med förklaringar. De tjugo värden du får kommer från faktisk exekvering: de kommer att vara exakta även bortom den punkt där en modell vanligtvis börjar göra misstag.
Svarsstruktur
Du kan läsa denna mekanism direkt i de returnerade posterna, och din kod måste skilja mellan text och exekveringsresultat.
for entry in response.outputs:
if entry.type == "message.output":
# First response: "I will calculate..." or final result
print(f"Message: {entry.content}")
elif entry.type == "tool.execution":
# Executed code and result
print(f"Code: {entry.info.code}")
print(f"Output: {entry.info.code_output}")
Agenten börjar med ett message.output som meddelar vad den ska göra. Därefter följer tool.execution där koden körs: info.code innehåller skriptet och info.code_output innehåller dess utdata. Ett andra message.output avslutar sekvensen, där agenten tolkar och förklarar resultaten. Dessa två fält, info.code och info.code_output, är din revisionskedja – spara dem i dina applikationsloggar, eftersom de låter dig spela upp och ifrågasätta alla siffror som agenten producerar.
Vad verktyget ändrar i praktiken
Dataanalys är den mest omedelbara användningsfallen. Tillhandahåll en serie värden och be om statistik: medelvärde, median och standardavvikelse beräknas, inte uppskattas.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="""Here are the monthly sales (in K€):
Jan: 120, Feb: 135, Mar: 142, Apr: 128, May: 155, Jun: 168
Calculate the mean, median, standard deviation, and trend."""
)
Diagramgenerering utökar naturligt denna kapacitet, eftersom miljön inkluderar bibliotek för plottning.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a bar chart of cloud market shares in Europe: AWS 31%, Azure 25%, GCP 11%, OVH 8%, Others 25%"
)
Agenten använder matplotlib för att generera diagrammet. Resultatet är en bildfil som är tillgänglig i svaret – så se till att din läskod hanterar detta fall, annars kommer du bara att visa den medföljande textkommentaren.
Kodvalidering är ett tredje användningsfall, mindre uppenbart men värdefullt. Skicka in en funktion och de testfall som ska täckas: agenten resonerar inte bara om koden, den kör den. I exemplet nedan avslöjar inmatningen "Madam" en brist som en enkel kodgranskning sannolikt skulle missa.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="""Check if this function is correct:
def is_palindrome(s):
return s == s[::-1]
Test it with: "radar", "hello", "kayak", "Madam"
"""
)
Tillämpad matematik rundar av listan: lösning av ekvationssystem, linjär algebra, optimering. Även här förlitar sig svaret på en lösare, inte intuition.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Solve the system of equations: 2x + 3y = 12, 4x - y = 5"
)
Kombinera med andra verktyg
En agent kan ha flera verktyg aktiverade samtidigt, och det är ofta där det verkliga värdet uppstår: sökning hämtar färska data som kod omvandlar till analys.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Complete Analyst",
description="Search + Calculation",
instructions="Search for recent data then analyze it with code.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"}
]
)
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Find the current price of Bitcoin and calculate its percentage change over the last 30 days."
)
Agenten väljer automatiskt vilket verktyg som ska användas vid varje steg. I denna förfrågan kedjar den de två: du kan inte beräkna en förändring utan att först hämta värdena, och du kan inte få dessa värden utan webåtkomst.
Begränsningar i sandlådan
Denna isolerade miljö innebär begränsningar som du bör känna till innan du designar din applikation. Biblioteken är begränsade: standard-Python-paket finns tillgängliga – numpy, pandas, matplotlib, bland andra – men inte alla tredjepartspaket, vilket utesluter dina interna beroenden. Koden har ingen nätverksåtkomst, så data måste nå den via kontext eller ett annat verktyg, aldrig genom ett HTTP-anrop skrivet i skriptet. Exekveringstiden är begränsad, så långvariga processer avbryts: dela upp stora volymer istället för att hoppas på en enda genomgång. Slutligen finns ingen beständighet mellan anrop; en fil som skapats under en exekvering hittas inte i nästa.
Viktiga punkter
code_interpreterkör Python i en säker sandlåda på Mistral-sidan- Svaret innehåller den körda koden (
info.code) och dess utdata (info.code_output) - Idealt för beräkningar, dataanalys och diagramgenerering
- Kan kombineras med andra verktyg (web_search, etc.)
- Sandlådan har begränsningar: ingen nätverksåtkomst, begränsade bibliotek, ingen beständighet