Mistral AI (La Plateforme) einrichten: Ein praktischer Leitfaden für Unternehmensteams

export MISTRAL_API_KEY="Ihr-API-Schlüssel-hier"

$env:MISTRAL_API_KEY="Ihr-API-Schlüssel-hier"

pip install mistralai --upgrade

from mistralai.client import MistralClient
from mistralai.models.chat_completion import ChatMessage

client = MistralClient()
response = client.chat(
    model="mistral-small",
    messages=[ChatMessage(role="user", content="Erklären Sie Mistral AI im Jahr 2026.")]
)
print(response.choices[0].message.content)

Mistral AI ist ein führendes europäisches KI-Labor, das sich auf die Entwicklung fortschrittlicher Sprachmodelle konzentriert...

for chunk in client.chat_stream(
    model="mistral-small",
    messages=[ChatMessage(role="user", content="Schreiben Sie ein Haiku über KI.")]
):
    print(chunk.choices[0].delta.content, end="")

Neuronale Netze wachsen,
Stille Gedanken in Schaltkreisen fließen,
Die Zukunft beginnt zu leuchten.

tools = [
    {
        "type": "function",
        "function": {
            "name": "web_search",
            "description": "Durchsucht das Web nach aktuellen Informationen",
            "parameters": {
                "type": "object",
                "properties": {
                    "query": {"type": "string"},
                    "max_results": {"type": "integer", "default": 3}
                },
                "required": ["query"]
            }
        }
    }
]

response = client.chat(
    model="mistral-large-2",
    messages=[ChatMessage(role="user", content="Was sind die neuesten Nachrichten über Mistral AI im Jahr 2026?")],
    tools=tools
)

# Tool-Aufruf extrahieren
tool_call = response.choices[0].message.tool_calls[0]
print(f"Tool: {tool_call.function.name}, Abfrage: {tool_call.function.arguments}")

Tool: web_search, Abfrage: {"query": "Mistral AI neueste Nachrichten 2026", "max_results": 3}

def web_search(query, max_results=3):
    # Ersetzen Sie dies durch eine echte Such-API (z. B. SerpAPI, Brave Search)
    return [
        {"title": "Mistral AI erweitert Unternehmensangebote", "url": "https://example.com/news1"},
        {"title": "Neue Benchmarks für mehrsprachige Modelle", "url": "https://example.com/news2"}
    ]

# Tool ausführen und Gespräch fortsetzen
search_results = web_search(**eval(tool_call.function.arguments))
response = client.chat(
    model="mistral-large-2",
    messages=[
        ChatMessage(role="user", content="Was sind die neuesten Nachrichten über Mistral AI im Jahr 2026?"),
        response.choices[0].message,
        ChatMessage(role="tool", content=str(search_results), tool_call_id=tool_call.id)
    ]
)
print(response.choices[0].message.content)

{"messages": [{"role": "user", "content": "Wie lautet die Rückgabepolitik?"}, {"role": "assistant", "content": "Unsere Rückgabepolitik erlaubt Rückgaben innerhalb von 30 Tagen mit Originalbeleg."}]}
{"messages": [{"role": "user", "content": "Wie verfolge ich meine Bestellung?"}, {"role": "assistant", "content": "Sie können Ihre Bestellung über den Link in Ihrer Bestätigungs-E-Mail verfolgen."}]}

from mistralai.fine_tuning import MistralFineTuningClient

ft_client = MistralFineTuningClient()
job = ft_client.create_job(
    model="mistral-small",  # Basismodell
    training_files=["dataset.jsonl"],
    hyperparameters={
        "training_steps": 1000,
        "learning_rate": 1.0e-5
    }
)
print(f"[Feinabstimmung](https://hyperion-consulting.io/services/production-ai-systems) Job erstellt: {job.id}")

response = client.chat(
    model="ft:mistral-small:Ihre-Job-ID",  # Ersetzen Sie durch Ihre Job-ID
    messages=[ChatMessage(role="user", content="Wie lautet Ihre Rückgabepolitik?")]
)
print(response.choices[0].message.content)

from mistralai.agents import MistralAgentClient

agent_client = MistralAgentClient()
agent = agent_client.create_agent(
    name="Kundensupport-Agent",
    model="mistral-large-2",
    instructions="Sie sind ein hilfreicher Kundensupport-Agent für einen Online-Shop. Nutzen Sie Tools, um Fragen zu Bestellungen, Rückgaben und Produkten zu beantworten.",
    tools=tools  # Tools aus Abschnitt 4 wiederverwenden
)
print(f"Agent erstellt: {agent.id}")

response = agent_client.run(
    agent_id=agent.id,
    messages=[{"role": "user", "content": "Ich habe ein blaues Hemd bestellt, aber ein rotes erhalten. Was soll ich tun?"}]
)
print(response.messages[-1]["content"])