Mistral

MistralEmbeddingClient gera embeddings de texto com modelos de IA Mistral. Use-o para indexação vetorial, pesquisa semântica, clustering ou outras aplicações que necessitem de um cliente de embedding no Agent Framework.

Este fornecedor atualmente fornece apenas embeddings; não fornece um cliente de chat no Agent Framework.

Instale o pacote

pip install agent-framework-mistral --pre

Configuration

MISTRAL_API_KEY="<api-key>"
MISTRAL_EMBEDDING_MODEL="mistral-embed"
# Optional compatible endpoint:
MISTRAL_SERVER_URL="<server-url>"

Gerar incorporações

Crie o cliente e ligue get_embeddings()para .

async def basic_embedding_example() -> None:
    """Generate embeddings for a list of texts."""
    print("=== Basic Embedding Generation ===")

    # 1. Create the embedding client using environment-based configuration.
    client = MistralEmbeddingClient()

    # 2. Generate embeddings for multiple texts.
    texts = ["Hello, world!", "How are you?", "Agent Framework with Mistral AI"]
    try:
        result = await client.get_embeddings(texts)

        # 3. Print the generated vectors and usage metadata.
        print(f"Generated {len(result)} embeddings")
        for i, embedding in enumerate(result):
            print(f"  Text {i + 1}: dimensions={embedding.dimensions}, vector={embedding.vector[:5]}...")

        if result.usage:
            print(
                f"  Usage: {result.usage['input_token_count']} input tokens, "
                f"{result.usage['total_token_count']} total tokens"
            )
    finally:
        await client.close()


async def embedding_with_options_example() -> None:
    """Generate embeddings with custom dimensions."""
    print("\n=== Embedding with Custom Dimensions ===")

    from agent_framework.mistral import MistralEmbeddingOptions

    # Only some models support a custom output dimension (e.g. codestral-embed; mistral-embed does not).
    client = MistralEmbeddingClient(model="codestral-embed")

    options: MistralEmbeddingOptions = {"dimensions": 256}

Use MistralEmbeddingOptions para solicitar uma dimensão de saída suportada. Também podes definir MISTRAL_SERVER_URL quando a aplicação usa um endpoint compatível personalizado.

Importante

Mistral AI é um sistema de terceiros. Revise os seus termos de serviço, o tratamento dos dados, os limites regionais, o licenciamento de modelos e os custos de utilização antes de enviar os dados da aplicação.

Tools

As ferramentas não são aplicáveis porque este pacote atualmente fornece um cliente de embedding, e não um cliente de chat do Agent Framework.

Passos seguintes

RAG