Mistral AI（La Plateforme）の導入ガイド：エンタープライズチーム向け実践手順書

export MISTRAL_API_KEY="your-api-key-here"

$env:MISTRAL_API_KEY="your-api-key-here"

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="2026年のMistral AIについて説明してください。")]
)
print(response.choices[0].message.content)

Mistral AIは、先進的な言語モデルの開発に注力する欧州を代表するAI研究所です...

for chunk in client.chat_stream(
    model="mistral-small",
    messages=[ChatMessage(role="user", content="AIについての俳句を作ってください。")]
):
    print(chunk.choices[0].delta.content, end="")

ニューラルネットワーク
静かに回路に思考流れ
未来が輝き出す

tools = [
    {
        "type": "function",
        "function": {
            "name": "web_search",
            "description": "ウェブで最新情報を検索",
            "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="2026年のMistral AIに関する最新ニュースは何ですか？")],
    tools=tools
)

# ツール呼び出しを抽出
tool_call = response.choices[0].message.tool_calls[0]
print(f"ツール: {tool_call.function.name}, クエリ: {tool_call.function.arguments}")

ツール: web_search, クエリ: {"query": "Mistral AI latest news 2026", "max_results": 3}

def web_search(query, max_results=3):
    # 実際の検索API（SerpAPI、Brave Searchなど）に置き換える
    return [
        {"title": "Mistral AIがエンタープライズ向けサービスを拡充", "url": "https://example.com/news1"},
        {"title": "多言語モデルの新たなベンチマーク", "url": "https://example.com/news2"}
    ]

# ツールを実行し、会話を続ける
search_results = web_search(**eval(tool_call.function.arguments))
response = client.chat(
    model="mistral-large-2",
    messages=[
        ChatMessage(role="user", content="2026年のMistral AIに関する最新ニュースは何ですか？"),
        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": "返品ポリシーはどうなっていますか？"}, {"role": "assistant", "content": "当社の返品ポリシーでは、レシート原本を添えて30日以内に返品が可能です。"}]}
{"messages": [{"role": "user", "content": "注文の追跡方法を教えてください。"}, {"role": "assistant", "content": "確認メールに記載されたリンクを使用して注文を追跡できます。"}]}

from mistralai.fine_tuning import MistralFineTuningClient

ft_client = MistralFineTuningClient()
job = ft_client.create_job(
    model="mistral-small",  # ベースモデル
    training_files=["dataset.jsonl"],
    hyperparameters={
        "training_steps": 1000,
        "learning_rate": 1.0e-5
    }
)
print(f"[ファインチューニング](https://hyperion-consulting.io/services/production-ai-systems)ジョブが作成されました: {job.id}")

response = client.chat(
    model="ft:mistral-small:your-job-id",  # ジョブIDに置き換える
    messages=[ChatMessage(role="user", content="返品ポリシーはどうなっていますか？")]
)
print(response.choices[0].message.content)

from mistralai.agents import MistralAgentClient

agent_client = MistralAgentClient()
agent = agent_client.create_agent(
    name="カスタマーサポートエージェント",
    model="mistral-large-2",
    instructions="あなたはEコマースストアの役立つカスタマーサポートエージェントです。注文、返品、製品に関する質問にツールを使用して回答してください。",
    tools=tools  # セクション4のツールを再利用
)
print(f"エージェントが作成されました: {agent.id}")

response = agent_client.run(
    agent_id=agent.id,
    messages=[{"role": "user", "content": "青いシャツを注文しましたが、赤いシャツが届きました。どうすればいいですか？"}]
)
print(response.messages[-1]["content"])