Mistral publicó Managed Agents y varias capacidades de Studio el 5 de noviembre de 2026. En la comprobación del 7 de noviembre, tanto Agents SDK como Managed Agents siguen en public preview: interfaces, comportamiento y límites pueden cambiar. Es una actualización del entorno de ejecución y su operación. Poder leer la documentación pública no acredita que una organización tenga todas las funciones.
Mistral: notas de lanzamiento del 5 de noviembre de 2026 · Managed Agents: resumen y límites de la vista previa
Partimos de una tarea ficticia de revisión de materiales en modo lectura: consultar una versión concreta, redactar un informe, esperar confirmación cuando proceda y guardar entregables verificables. Define estados, permisos y pruebas de entrega antes de conectar herramientas reales. Los ejemplos no son pruebas de producción ni activan servicios de Mistral para el lector.
1. La novedad es el entorno de ejecución, no otra vía para servir pesos
Las notas del 5 de noviembre presentan Managed Agents como SDK en public preview y enumeran novedades de Studio, incluidas trazas predeterminadas y evaluaciones en línea y sin conexión. Esas etiquetas del resumen no implican idénticos requisitos para cada función: la documentación de evaluaciones sin conexión limita su uso a organizaciones Enterprise-tier; Observability también tiene condiciones de ese nivel. Consulta cada función antes de planificar su adopción.
Mistral: notas de lanzamiento del 5 de noviembre de 2026 · Evaluaciones sin conexión y requisitos Enterprise
Una respuesta del modelo resuelve la siguiente salida. Un agente también elige herramientas, conserva pasos y gestiona esperas y fallos. El cambio consiste en incorporar esas acciones a sesiones y registros recuperables. Es un problema distinto de los pesos, licencias y memoria de Large 4 analizados aquí el 2 de noviembre. La licencia de pesos abiertos no determina el tratamiento de datos de un servicio alojado.
Elige para el piloto una tarea acotada y verificable, como preparar un paquete de pruebas sin datos sensibles. Una descripción comercial de ejecuciones de horas o días no garantiza continuidad ni uso ilimitado. Esta guía define fallo, pausa, repetición y aceptación para que el resultado no sea únicamente un mensaje convincente que afirma haber terminado.
2. Tres modos: alojar el worker no mantiene todos los datos en tu red
Identifica dónde están modelo, bucle de ejecución, código de herramientas, sesiones y sandbox. El modo determina qué proceso ejecuta el bucle y las herramientas; la ubicación del sandbox se configura aparte. En el funcionamiento oficial predeterminado, un worker propio sigue utilizando el plano de control de Mistral para almacenar sesiones y distribuir trabajo, y las llamadas al modelo siguen pasando por Mistral. Tener las herramientas en tu red no convierte el sistema completo en una solución sin conexión ni sin transmisión de datos.
| Modo | Qué ejecutas tú | Sesiones y límites |
|---|---|---|
| Local, dentro del proceso | Tu programa y sus herramientas | Sesiones principalmente en memoria; se pierden al salir, salvo consideraciones del journal experimental |
| Worker en tu infraestructura | Tu programa y el proceso agents serve | Mistral almacena sesiones y enruta al worker; las herramientas corren en tu proceso |
| Alojado en Mistral | Tu aplicación; la plataforma construye y ejecuta el worker | Despliegue desde un proyecto git; Mistral guarda sesiones y ejecuta las herramientas en su infraestructura |
Comprueba por separado proximidad a la red interna, control del código y compromisos de residencia de datos. Registra modo, anfitrión de herramientas, acceso al modelo y almacenamiento de sesiones. Una región o retención sin respaldo contractual o de configuración queda como desconocida. Cambiar el despliegue del worker tampoco migra ni elimina automáticamente sesiones existentes.
3. Define primero un agente con una herramienta de lectura limitada
El sitio oficial utiliza el paquete mistralai-agents, from mistralai import agents, agents.Agent y @agents.tool. Nombre de función, docstring y anotaciones de tipos forman la descripción visible al modelo, y las herramientas deben definirse en el nivel superior del módulo. El ejemplo siguiente solo construye un agente que consulta un registro ficticio en memoria. No contiene run, sandbox ni conexión de negocio. No instalamos el SDK para ejecutarlo: se comprobaron sintaxis y correspondencia con la documentación.
Managed Agents: resumen y límites de la vista previa · Definición de herramientas y gestión de errores
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.
La implementación restringe el acceso al único registro DEMO-1 y devuelve un error de herramienta previsto ante cualquier otro identificador. Un sistema real debe comprobar permisos del llamante y del recurso en el servidor: un prompt de «solo lectura» no impide por sí mismo las escrituras. Asignar una herramienta a un objeto fijo facilita revisar responsabilidades antes de abrir repositorios, Shell y conectores completos.
Distingue también fallos de negocio esperados de errores del programa. La documentación utiliza ToolError para dar al modelo una explicación de negocio; por defecto, las excepciones desconocidas no exponen directamente toda la pila. Los registros de producción pueden conservar información interna, por lo que los mensajes de error no deben incorporar credenciales ni contenido de clientes. La estrategia del SDK no equivale a una garantía integral de anonimización.
Definición de herramientas y gestión de errores · Secrets y límites de credenciales
4. Separa session, turn y estado de entrega del negocio
Una session conserva varios mensajes y resultados de herramientas; un turn representa una ejecución dentro de ella. La documentación muestra claves de idempotencia para start_session y session.run: repetir el mismo evento de negocio puede devolver la sesión y el turn existentes. Conserva también session_id, turn_id y versión de entrada para no crear otro trabajo al perder el identificador. Estos campos no sustituyen el identificador de tarea de tu negocio.
| Resultado | Significado | Respuesta de la aplicación |
|---|---|---|
| Running | El turn sigue trabajando al terminar la espera | Consultar o seguir esperando; no marcarlo como terminado |
| Blocked | Espera una respuesta a un callback, como una aprobación | Mostrar el pendiente a una persona autorizada |
| Busy | Ya hay un turn activo en la sesión; no se inició otro | Reutilizar su identificador en lugar de crear duplicados |
| Completed | El turn terminó normalmente | Verificar salida, motivo de parada y entregables |
| Interrupted / Failed | Interrupción o finalización con error | Registrar la causa y comprobar reintentos y efectos |
| Tipo nuevo desconocido | El SDK actual no reconoce el resultado | Mantenerlo pendiente y actualizar la compatibilidad; no darlo por correcto |
El timeout de un método de espera limita cuánto espera el llamante, no la vida total del turn. Si devuelve Running, el trabajo puede continuar; cerrar la página tampoco demuestra cancelación. Para terminarlo, utiliza el procedimiento explícito de interrupción o cancelación de sesión y observa después el resultado. Que una sesión ejecute un turn cada vez no limita toda la organización a una sola tarea simultánea.
5. La recuperación conserva pasos terminados, pero puede repetir efectos
Las sesiones desplegadas conservan llamadas terminadas al modelo y a herramientas de forma independiente del worker. Tras un fallo, el turn normalmente puede continuar desde el último paso completado, aunque también puede fallar o seguir Running hasta agotar su límite. El intervalo peligroso aparece cuando una herramienta ya modificó un sistema externo pero su resultado aún no quedó registrado. Si ese resultado se desconoce, el modelo puede volver a invocarla. La durabilidad no es una garantía transaccional exactly-once.
La atomicidad corresponde al servicio que materializa el efecto. Combina evento de negocio y versión de operación en una clave estable, y usa una restricción única del servidor o su API nativa de idempotencia para reconocer duplicados. Reutilizar una clave con contenido diferente debe tratarse como conflicto. Consultar y después escribir en dos pasos permite carreras de concurrencia. Antes de recuperar una ejecución, comprueba los efectos existentes: no recibir respuesta no demuestra que la acción no se ejecutara.
Son dos capas distintas: la idempotencia de solicitudes de session/turn evita crear trabajo duplicado; la de la operación de negocio evita repetir efectos durante reintentos del mismo trabajo. Un set en memoria del worker no deduplica entre procesos, reinicios o llamadas concurrentes. El set del ejemplo local solo explica una decisión de aceptación: no implementa transacciones reales, pagos, reembolsos o envío de correo.
6. La aprobación limita una llamada concreta, no concede autorización ilimitada
La política de herramientas puede permitir, preguntar o denegar una llamada. La aplicación o una persona responde a la aprobación pendiente mediante su identificador de callback. La documentación fija una espera predeterminada de una hora; si nadie responde, esa llamada no se ejecuta y el turn puede continuar después de que el modelo reciba la falta de aprobación. No equivale a cancelar necesariamente toda la tarea ni constituye un compromiso de respuesta humana en una hora.
La interfaz de aprobación debe mostrar acción, objeto, resumen de parámetros y pruebas revisables, ocultar credenciales y verificar que la persona pueda autorizar ese objeto. Permitir una llamada no autoriza automáticamente cualquier parámetro futuro. Incluso las autorizaciones de ámbito session descritas oficialmente se relacionan con la misma herramienta y parámetros. Registra por separado fin de la espera, rechazo y ejecución correcta.
Ficha de alcance de la tarea
Objeto: versión especificada de DEMO-1, solo lectura.
Permitido: leer el material aportado, señalar carencias de evidencia y redactar una revisión.
Prohibido: enviar, publicar, modificar registros externos o corregir de paso los TODO del material.
Necesidad fuera de alcance: registrar el pendiente y su motivo; no ejecutarlo.
Aprobación necesaria: describir acción, objeto y parámetros y esperar a alguien autorizado.
Condición de parada: marcar como pendiente lo que carezca de pruebas o permisos, sin fingir que terminó.El análisis Agent Distraction publicado por Google el 6 de noviembre ofrece una comparación útil: un TODO antiguo puede inducir búsquedas o cambios no solicitados. Es un estudio observacional, no prueba de la misma frecuencia en todos los agentes ni en este producto. La enseñanza es tratar el material leído como evidencia y no como autorización nueva. Limpiar comentarios antiguos también exige revisar contexto e historial; no propone borrar todos los TODO en bloque.
7. Crear un archivo en el sandbox no equivale a entregarlo
Por defecto, el agente no dispone de sandbox de ejecución de código; configura un environment cuando necesites Shell o archivos. MistralSandbox, LocalDockerSandbox y otras opciones tienen requisitos distintos; el sandbox alojado necesita además el extra correspondiente y el rol cloud_user. El acceso files conserva capacidades de escritura y edición: no es un modo de solo lectura. Limita herramientas, archivos y red según la tarea, en lugar de sustituir la revisión de permisos por el nombre de un sandbox.
SandboxHook ofrece on_create para inicializar y on_destroy para guardar al finalizar, pero debes gestionar fallos del hook, repeticiones del worker y cargas duplicadas. Define almacenamiento independiente de entregables, hashes de comprobación y recibos confirmados; no basta con anunciar en el chat que se creó un archivo. Cerrar la sesión termina el sandbox. Extrae a tiempo lo que deba conservarse y haz idempotente también su guardado.
- Fijar identificador, versión de entrada y alcance
- Iniciar en el modo elegido y conservar session/turn
- Ejecutar herramientas conforme a la política y mostrar aprobaciones pendientes
- Comprobar estado final y salida estructurada
- Guardar entregables, hashes y recibos de negocio
- Marcar la entrega solo después de una comprobación independiente
Entornos de sandbox y alcance del acceso · Hooks de sandbox y conservación de entregables
8. Prueba sin conexión tu propia definición de trabajo terminado
Guarda el JSON siguiente como fixture.json. Son datos de prueba originales de la capa de aplicación, no una respuesta de la API de Mistral. outcome reutiliza nombres de resultados documentados; approved, output_valid, artifact_verified y effect_key son nuestros propios campos de aceptación. Las seis filas representan éxito, aprobación pendiente, ejecución activa, formato inválido, repetición y fallo, sin cuentas ni acciones externas reales.
[
{
"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"
}
]Guarda el código posterior como verify_fixture.py y ejecuta python3 verify_fixture.py en el mismo directorio. Solo lee JSON local e imprime el resultado; no importa el SDK, accede a la red ni modifica pedidos o bases de datos. Se esperan un accept, tres hold, un reject y un deduplicate; accepted_keys solo contiene report:DEMO-1:rev-a. Son resultados definidos por las aserciones del ejemplo, no puntuaciones de la plataforma.
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))
El ejemplo no implementa bloqueos reales, planificación de reintentos ni transacciones persistentes. Comprueba que la aplicación no acepta Running, Blocked, Failed ni un Completed sin entregables válidos como éxito. No acredita recuperación, costes, aislamiento o seguridad concurrente. Añade en un entorno autorizado pruebas de caída del worker, callback duplicado, aprobación caducada y carga fallida antes de sacar conclusiones de producción.
9. Después de Completed, verifica formato, contenido y recibos
El SDK permite declarar output_type en el agente. Pasarlo después al identificador de session sirve principalmente para analizar la respuesta: no inyecta automáticamente un esquema nuevo en el contexto del modelo ya iniciado. También puedes recibir InvalidOutput o quedarte sin salida final al alcanzar límites de iteraciones o generación. Después de Completed, comprueba tipo, motivo de parada, reglas de contenido y entregables; que state.text contenga una explicación no es suficiente.
| Fallo o límite | Prueba que inyectar | Evidencia que conservar |
|---|---|---|
| Entrada duplicada | Enviar dos veces el mismo evento de negocio | Resultado reutilizado o conflicto explícito, sin repetir efectos |
| Worker interrumpido | Salir después del efecto de la herramienta y antes de registrar el resultado | Recibo idempotente del negocio y estado recuperado |
| Aprobación sin respuesta | Dejar caducar o rechazar la espera | Llamada no ejecutada, callback y estado posterior |
| Formato incorrecto | Completed con esquema o condiciones de negocio inválidos | Error de análisis, salida original y rechazo de aceptación |
| Entregable ausente | Fallo de carga o hash distinto | Entrega pendiente, error de almacenamiento y registro de reintento |
| Sin permisos o fuera de alcance | Seguir un TODO del material u otro objeto | Rechazo o pendiente, sin ampliar la autorización |
Registra por separado la valoración del modelo, la respuesta real de la herramienta, el recibo del sistema de negocio y la conclusión humana. Solo las últimas pruebas pueden acreditar si ocurrió una acción externa. Un nombre de archivo o resumen idénticos durante la recuperación no sustituyen identificador estable, versión de entrada y verificación de contenido. Define en la aplicación quién puede declarar la entrega.
10. Las trazas explican el recorrido; las evaluaciones comprueban la calidad
Studio representa la cadena de solicitudes como un árbol de spans con entradas, salidas, latencia, tokens y estados. La documentación indica una conservación de trazas de 30 días. Los agentes desplegados habilitan las trazas de Studio por defecto y pueden incluir prompts y respuestas. El ocultado predeterminado de datos sensibles cubre elementos habituales, no garantiza seguridad automática de todo el contenido del cliente. Comprueba reglas, acceso y requisitos de conservación concretos.
Modos y semántica de ejecución duradera · Trazas distribuidas de Studio · Ocultado de datos en trazas
La evaluación es otra capa. El Evaluation SDK sin conexión organiza Dataset → Task → Evaluators → Results y sigue en public preview, disponible únicamente para organizaciones Enterprise-tier. Confirma la elegibilidad antes de subir datos a Studio. Sin ese acceso, puedes ejecutar aserciones locales como las de esta guía, pero no llamarlas una evaluación ya ejecutada en Studio. Abrir una página de documentación no acredita habilitación de la organización.
Mantén una muestra fija y evalúa por separado fidelidad a la evidencia, estados, acciones no autorizadas, formato y entregables. No bases todo en una nota que el modelo se asigne a sí mismo. Versiona conjunto de datos, prompts, herramientas y configuración del modelo; observa regresiones en un conjunto reservado antes de incorporar tráfico real. No hemos medido rendimiento, coste ni éxito, por lo que no asignamos ahorros ficticios al alojamiento gestionado.
11. Empieza con una tarea pequeña antes de decidir el alojamiento
Elige una tarea de lectura y pocas herramientas. Define éxito, pendiente, rechazo y fallo del negocio, y confirma funciones de la organización, destino de datos, requisitos del sandbox y almacenamiento de entregables. En un entorno autorizado, prueba reinicios, duplicados, aprobaciones y salidas inválidas antes de incorporar herramientas con efectos. Revisa idempotencia y permisos con cada nueva acción externa; un piloto no autoriza todo el sistema.
Conserva una configuración anterior recuperable y una vía de cierre. Si hace falta, deja de aceptar trabajos nuevos, gestiona con sus registros las sesiones activas y pendientes de aprobación y comprueba efectos y entregables ya existentes. Retirar un despliegue no deshace mensajes enviados ni registros modificados. La recuperación debe apoyarse en entradas, versiones y recibos, no en preguntarle al modelo qué hizo.
La novedad de Mistral reúne bucle de ejecución, estado duradero, revisión humana y observación en una misma superficie de desarrollo. Tu aplicación sigue siendo responsable de traducir esos estados en resultados de negocio comprobables. Un agente entregable debe explicar qué ocurrió, qué no ocurrió y dónde están las pruebas, incluso después de duplicados, esperas y fallos.
Esta guía analiza los límites técnicos de la plataforma de desarrollo de Mistral. Las suscripciones, API credits y productos de Claude o ChatGPT de esta web son servicios y saldos distintos. Consulta las guías relacionadas sobre recuperación de estado, despliegue de pesos y uso de API; no deduzcas que vendemos el servicio alojado de Mistral.