Mistral在2026年11月5日发布Managed Agents和一组Studio能力;到本文核对日11月7日,Agents SDK与Managed Agents仍标为public preview,接口、行为和限制可能变化。这是一次运行时与运维能力更新,不能把“公测可看文档”理解为每个组织已获所有功能。

Mistral:2026年11月5日发布说明 · Managed Agents概览与公测边界

下面从一个虚构的只读材料审阅任务出发:读取指定版本,形成报告,必要时等待人确认,最后保存可核对工件。先把状态、权限和交付证据设计清楚,再决定是否接入真实工具。示例不是生产实测,也没有替读者开通Mistral服务。

1. 这次新增的是运行时,不是把权重换个入口

11月5日发布说明将Managed Agents列为SDK public preview,同时列出默认追踪、离线与在线评估等Studio更新。需要注意,发布列表中的可用性标签不等于每个细项拥有相同的组织权限;例如离线评估正文明确写Enterprise-tier组织才能使用,Observability也有该层级条件。先查具体功能页,再写团队接入计划。

Mistral:2026年11月5日发布说明 · 离线评估与Enterprise条件

一个单次模型回复只解决下一段输出;Agent还要选择工具、保存步骤、处理等待与故障。此处的工程变化是把这些动作纳入会话和运行记录,让应用可以找回正在进行的工作。它与本站11月2日讨论的Large 4权重、许可证和显存是不同问题,不能用开放权重的许可推断托管服务的数据边界。

适合先试点的是边界清楚、结果能复核的任务,例如整理一份脱敏证据包。不要把“可运行数小时或数天”的产品描述当作不中断保证或无限额度。本文讨论的是如何定义失败、暂停、重复与验收,避免只有一条看起来完成的聊天文本。

2. 三种运行模式:自托管worker不等于数据全留本地

先画出模型、执行循环、工具代码、会话记录和沙箱分别在哪里。运行模式决定的是哪个进程执行会话循环与工具;沙箱位置另行配置。官方默认路径下,自托管worker仍由Mistral控制面存储会话、分派工作,模型调用仍走Mistral。不能因为工具在自己的网络里就宣称整个系统离线或零数据外传。

运行模式与持久执行语义

官方运行模式的责任划分;沙箱环境仍需单独选择。
模式你运行什么会话与边界
本地进程内自己的程序和工具会话主要在进程内;退出会丢失,实验性journal另论
自托管worker自己的程序与agents serve进程Mistral存会话并路由worker;工具在自家进程
Mistral托管自己的应用;平台构建与运行worker以git项目部署;会话由Mistral存储,工具运行在其基础设施

因此,内部网络接近性、工具代码可控性与数据驻留承诺要分别核对。审计日志中至少记录运行模式、工具宿主、模型入口和会话存储位置;没有官方合同或项目配置支持的地区与保留承诺应写未知。更换worker部署方式,也不会自动迁移或删除已有会话。

3. 先定义一个只读Agent,再谈接入真实系统

当前官网使用mistralai-agents包、from mistralai import agents、agents.Agent和@agents.tool这一组接口。函数名、docstring与类型注解共同形成模型可见的工具描述,工具要在模块顶层定义。下面只构造一个读取内存中虚构记录的Agent定义,没有run调用、沙箱或真实业务连接;代码未安装SDK执行,只做语法与官方写法核对。

Managed Agents概览与公测边界 · 工具定义与错误处理

from mistralai import agents

@agents.tool
def read_sample(case_id: str) -> dict[str, str]:
    """Read one fictional case. Never access an external system."""
    if case_id != "DEMO-1":
        raise agents.ToolError("Unknown fictional case; ask the user.")
    return {"case_id": case_id, "revision": "rev-a", "text": "Fictional evidence only."}

reviewer = agents.Agent(
    model="mistral-large-4",
    instructions="Review only the supplied case. Report missing evidence; do not invent it.",
    tools=[read_sample],
)
# Definition only: no run(), session, sandbox or network request is started here.

这段代码的价值是把最小权限写进工具实现:它只能返回DEMO-1,遇到其他标识返回预期工具错误。真实系统还需在服务端按调用者与资源校验权限,不能仅靠“只读”提示词阻止写入。先让一个工具对一个固定数据对象负责,比一次开放整套仓库、Shell与连接器更容易判断责任。

工具报错还要区分预期业务失败和程序异常。当前文档用ToolError向模型提供可理解的业务说明;未知异常默认不直接暴露完整堆栈。生产日志仍可能包含内部信息,因此不能在异常字符串里拼接凭据或客户原文。本文不把SDK错误策略当成端到端脱敏保证。

工具定义与错误处理 · Secrets与凭据边界

4. 把session、turn和业务交付状态分开

session保存多个消息与工具结果;turn是其中一次处理。官方文档为start_session和session.run展示请求幂等键:重复提交相同业务事件时可返回原会话与原turn。应用还应保存session_id、turn_id及输入版本,避免丢了句柄就创建另一个任务;这些标识不应替代业务自己的任务编号。

Sessions与请求幂等键

返回记录用于决定下一步,不直接等于业务成功。
返回情况它表示什么应用应做什么
Running等待结束时turn仍在工作继续查询或等待;不要标为完成
Blocked等待审批等callback回答展示待办并由有权的人处理
Busy同一session已有turn在执行,新turn未启动使用现有turn句柄,不盲目重复创建
Completedturn正常结束继续核输出、停止原因和工件
Interrupted / Failed被停止或以错误结束记录原因,核重试与副作用结果
未知新类型当前SDK尚不认识的返回保守挂起并更新兼容处理,不默认成功

特别容易混淆的是timeout:等待方法的timeout限制的是调用方等多久,不是turn的总寿命。超时返回Running时工作可能仍继续,用户关闭页面也不自动证明取消。需要结束任务时使用明确的中断或session取消流程,并再次观察结果;单个session同时只运行一个turn,也不等于整个组织只有一个并发任务。

Turns与返回状态

5. 恢复从已完成步骤继续,副作用仍可能重复

部署后的session独立于worker记录已完成模型调用和工具调用。worker故障后,turn通常能从最后完成步骤继续,但也可能失败或维持Running直到时间上限。最危险的窗口是工具已改变外部系统,却还没把结果记录进session:运行中的工具结果未知,之后模型仍可能再调用。持久执行不是exactly-once交易保证。

运行模式与持久执行语义

原子性的责任要落到真正持有副作用的服务:把业务事件和操作版本组成稳定幂等键,服务端唯一约束或原生幂等接口负责识别重复;内容不一致却复用相同键应作为冲突处理。先查是否做过再写的两步检查存在并发竞争,不能当作完整方案。恢复前也要核对已发生的结果,不能把“未收到响应”直接当作“未执行”。

请求层的session/turn幂等与工具业务幂等是两层。前者防重复创建同一工作,后者防同一工作中的重试再次产生效果。只在worker内存放一个set无法跨进程、重启或并发保证去重。下面的离线set仅演示验收决策,不实现生产事务或真实支付、退款、邮件发送。

6. 审批是具体工具调用的门槛,不是长期无限授权

工具许可策略可以允许、询问或拒绝调用;等待中的审批由应用回调或人按callback标识回答。当前文档中审批默认等待一小时,没人回答时该调用不执行,模型读到未获批准后turn仍可继续。不要把“无人批准”写成整项任务必定取消,也不要把一小时当人工响应服务承诺。

工具审批与等待超时

审批界面应该显示动作、对象、参数摘要和可回看的业务证据,隐藏凭据,并校验审批者是否有权处理这个对象。允许一次调用不应在应用里被扩大为对所有未来参数的授权;官网的session范围许可也与相同工具、相同参数有关。等待结束、用户拒绝和工具执行成功要分别记录。

任务范围检查卡
对象:DEMO-1的指定版本,只读。
允许:读取给定材料,报告证据缺口,输出审阅草稿。
禁止:发送、发布、修改外部记录,或顺便修复材料里出现的TODO。
遇到范围外需求:记录待办与理由,不自行执行。
需要审批:列出动作、对象和参数摘要,等待有权的人确认。
退出条件:缺少证据或权限时写待确认,不伪装已完成。

Google11月6日的Agent Distraction分析提供了一个边界对照:代码中的旧TODO可能引发未请求的检索或修改。那是观察性研究,并不证明所有Agent或本产品有相同比例。工程启示是将读到的材料视为证据而不是新授权;清理旧注释也需要查历史与人工审阅,而不是批量删除所有TODO。

Google:Agent Distraction观察分析

7. 沙箱里生成文件,不等于工件已经交付

当前Agent默认没有代码执行沙箱;需要Shell或文件能力时才配置environment。MistralSandbox、LocalDockerSandbox等选择有不同前置条件;托管沙箱另需相应extra和cloud_user角色。即使access设为files,留下的仍包含写入与编辑能力,不是只读模式。应按任务实际需要限制工具、文件与网络,不能用一个沙箱名字替代权限审查。

官方SandboxHook提供on_create初始化和on_destroy结束保存的时点,但hook本身失败、worker重放和上传重复都要处理。准备独立的工件存储、校验摘要与确认回执;不要只在最终聊天里说文件已生成。关闭session会结束沙箱,应用应在适当阶段取出需要保留的结果,并让保存操作也具备幂等性。

  1. 固定任务编号、输入版本与范围
  2. 按运行模式启动并保存session/turn标识
  3. 按策略运行工具,暂停时展示审批
  4. 核对最终状态与结构化输出
  5. 保存工件、摘要与业务回执
  6. 执行独立校验后才标记交付
原创交付链:每一个箭头都需要可观察证据,不能仅凭最终文字跳过中间环节。

沙箱环境与访问范围 · 沙箱hooks与工件保存

8. 先跑离线状态账本,验证你自己的“完成”定义

把下列JSON保存为fixture.json。它是本文原创的应用层测试数据,不是Mistral API响应格式:outcome借用已核对的返回类型名称,其余approved、output_valid、artifact_verified和effect_key都是我们自己的验收字段。六条记录覆盖成功、待审批、仍在运行、格式无效、重复事件和失败;没有真实账号或外部动作。

[
  {
    "case_id": "DEMO-1",
    "outcome": "Completed",
    "approved": true,
    "output_valid": true,
    "artifact_verified": true,
    "effect_key": "report:DEMO-1:rev-a"
  },
  {
    "case_id": "DEMO-2",
    "outcome": "Blocked",
    "approved": false,
    "output_valid": false,
    "artifact_verified": false,
    "effect_key": "report:DEMO-2:rev-a"
  },
  {
    "case_id": "DEMO-3",
    "outcome": "Running",
    "approved": false,
    "output_valid": false,
    "artifact_verified": false,
    "effect_key": "report:DEMO-3:rev-a"
  },
  {
    "case_id": "DEMO-4",
    "outcome": "Completed",
    "approved": true,
    "output_valid": false,
    "artifact_verified": false,
    "effect_key": "report:DEMO-4:rev-a"
  },
  {
    "case_id": "DEMO-1",
    "outcome": "Completed",
    "approved": true,
    "output_valid": true,
    "artifact_verified": true,
    "effect_key": "report:DEMO-1:rev-a"
  },
  {
    "case_id": "DEMO-5",
    "outcome": "Failed",
    "approved": false,
    "output_valid": false,
    "artifact_verified": false,
    "effect_key": "report:DEMO-5:rev-a"
  }
]

再把下面代码保存为verify_fixture.py,在同一目录用python3 verify_fixture.py运行。它只读本地JSON并打印结果,不导入SDK、不访问网络、不修改订单或数据库。预期是一个accept、三个hold、一个reject和一个deduplicate;accepted_keys只有report:DEMO-1:rev-a。这是断言设定的演示结果,不是平台跑分。

import json
from pathlib import Path

def decide(row, seen):
    if row["outcome"] != "Completed":
        return "hold"
    if not all(row.get(k) is True for k in ("approved", "output_valid", "artifact_verified")):
        return "reject"
    key = row["effect_key"]
    if key in seen:
        return "deduplicate"
    seen.add(key)
    return "accept"

rows = json.loads(Path("fixture.json").read_text(encoding="utf-8"))
seen = set()
decisions = [decide(row, seen) for row in rows]
assert decisions == ["accept", "hold", "hold", "reject", "deduplicate", "hold"]
print(json.dumps({"decisions": decisions, "accepted_keys": sorted(seen)}, ensure_ascii=False))

这个小例子故意不实现真实锁、重试调度或持久事务。它能证明的是应用没有把Running、Blocked、Failed或无有效工件的Completed直接验收为成功;不能证明实际恢复、费用、沙箱隔离或并发安全。下一步应在获准测试环境里补worker崩溃、重复回调、审批过期和上传失败的集成验收,而不是把离线pass写成生产保证。

9. Completed之后,仍要验证格式、内容与回执

当前SDK可在Agent上声明output_type;对session句柄临时传output_type主要是解析答复,并不会自动把新schema注入已经启动的模型上下文。还可能收到InvalidOutput,或在达到迭代、输出等限制时没有最终输出。读取Completed标签后,应继续核对类型、停止原因、内容约束和工件,而不是只看state.text是否有一段解释。

结构化输出与InvalidOutput

上线前最小验收矩阵;这些是本文的工程建议。
故障或边界注入的测试必须保留的证据
重复输入相同业务事件提交两次复用结果或明确冲突,不能重复副作用
worker中断工具完成而结果尚未记录时退出业务幂等回执与恢复状态
审批未回答等待过期或拒绝工具未执行、callback结果与后续状态
格式不符Completed但schema或业务条件不符解析失败、原始结果与验收拒绝
工件缺失上传失败或摘要不匹配任务暂不交付、存储错误与重试记录
无权限或越范围读取材料里的新TODO或另一个对象拒绝/待确认,不扩大任务授权

验收记录最好把模型提供的判断、工具实际返回、业务系统回执和人工结论分列。只有其中后几项能够证明某个外部动作是否发生。恢复期间出现相同文件名或相同自然语言总结,也不能替代稳定任务编号、输入版本与内容校验;谁有权宣布交付应在应用里确定。

10. Trace解释路径,评估判断质量,两者都有访问与数据边界

Studio追踪把请求链表示为span树,可看到输入、输出、延迟、token与状态;文档写明trace保存30天。部署的Agent默认开启Studio追踪并可能包含prompt和completion。默认脱敏能遮蔽常见敏感项,但不是所有客户内容均自动安全;需要核对具体redaction规则、访问范围及数据保留要求。

运行模式与持久执行语义 · Studio分布式追踪 · Trace数据脱敏

评估是另一层:官方离线Evaluation SDK按Dataset→Task→Evaluators→Results组织测试,并注明public preview且仅Enterprise-tier组织。团队应先确认资格,再决定是否把数据上传Studio;不具备权限时仍可像本文一样做本地断言,但不能把它叫作已经运行的Studio评估。某个页面能打开也不证明组织已开通。

离线评估与Enterprise条件

建立固定的小样本集,分别评分证据忠实、状态处理、越权动作、格式与工件,不要只用模型给自己打总分。记录数据集、提示词、工具实现和模型配置版本;先用保留集观察回归,再逐步接真实流量。本文没有测量吞吐、成本或成功率,因此不会为托管方案编造节省比例。

11. 用一个小任务试点,再决定是否托管

先选一个只读任务和有限工具,定义成功、挂起、拒绝与失败的业务含义;确认组织功能、数据去向、沙箱前置条件和工件保存位置。接着在获准环境验证重启、重复事件、审批与无效输出,最后才扩到有副作用的工具。每增加一种外部动作,都重新核幂等与授权,不把一次试点的许可推广到全系统。

保留能恢复到上一配置的版本与关闭入口:必要时停止接收新任务,按记录处理正在执行和待审批的会话,再核已有副作用及工件。撤回某次部署并不撤销已发送的消息或已修改的业务记录。原输入、工具版本和回执是恢复依据,而不是重新向模型询问“你刚才做了什么”。

Mistral这次更新值得关注的地方,是把运行循环、持久状态、人审和观测放到同一个开发面上。你的应用仍负责把平台状态翻译成可核对的业务结果。真正可交付的Agent不是能一直说话,而是在重复、等待和失败之后,仍能清楚说明做了什么、没有做什么、证据保存在哪里。

本文聚焦Mistral开发平台的技术边界;Claude或ChatGPT的订阅、API额度与本站商品是另外的产品和账本。参考下方已有工程指南补看状态恢复、权重部署或API实操,不应从本文推断本站销售Mistral托管服务。