Wie Benutzer benutzerdefinierte Agenten in Mistral Le Chat mit maßgeschneiderten Anweisungen und Wissensdateien erstellen und konfigurieren

Mistral Le Chat ermöglicht es Benutzern, spezialisierte KI-Assistenten – sogenannte benutzerdefinierte Agenten (Custom Agents) – direkt über die Konversationsoberfläche sowie über Mistral AI Studio zu erstellen, anzupassen und bereitzustellen. Anstatt bei Routineaufgaben wiederholt Prompt-Anweisungen einzufügen, Referenzdokumente neu hochzuladen oder Werkzeuge manuell umzuschalten, bündeln benutzerdefinierte Agenten ein ausgewähltes Mistral-Basismodell, explizite Systemrichtlinien, persistente Dokumentbibliotheken und nativen Tool-Zugriff in einem wiederverwendbaren Assistenten. Dieser Leitfaden beschreibt detailliert, wie Sie den Workflow zur Agentenerstellung in Le Chat nutzen, maßgeschneiderte Systemanweisungen strukturieren, Referenzdateien über Dokumentbibliotheken für Retrieval-Augmented Generation (RAG) anbinden, Agenten mit Ausführungswerkzeugen ausstatten und sie über direkte Erwähnungen (@mentions) in Team-Konversationen bereitstellen.

Kernarchitektur von benutzerdefinierten Mistral-Agenten

Benutzerdefinierte Agenten in Mistral Le Chat verwandeln universelle große Sprachmodelle in rollenspezifische digitale Mitarbeiter. Durch die Bündelung von Verhaltensregeln, proprietärem Wissen und Ausführungsfähigkeiten in einer einzigen persistenten Konfiguration vermeiden Agenten wiederholte Einrichtungsschritte und reduzieren Prompt-Drift über mehrteilige Sitzungen hinweg.

Jeder benutzerdefinierte Agent besteht aus vier miteinander verknüpften Komponenten:

• Basismodell (Foundation Model): Die zugrunde liegende Engine, die Argumentationskapazität, Kontextfenstergröße, Latenz und Betriebskosten steuert.
• Systemanweisungen (System Instructions): Die Verfassungsrichtlinie und Rollendefinition, die Tonfall, analytische Rahmenwerke, Ausgabeformatierung und operative Grenzen festlegt.
• Dokumentbibliotheken (Document Libraries): Persistente Sammlungen hochgeladener Wissensdateien (wie Unternehmensrichtlinien, Codebasis-Dokumentationen oder Forschungsberichte), die für die Vektorsuche und fundierte Zitate indexiert sind.
• Tool-Konnektoren (Tool Connectors): Native Funktionen wie Live-Websuche, isolierte Python-Codeausführung (Sandbox) und Integrationen des Model Context Protocol (MCP), die es dem Agenten ermöglichen, Echtzeitinformationen abzurufen oder Rechenaufgaben auszuführen.

Die nachstehende Tabelle zeigt, wie die wichtigsten Mistral-Modelle auf verschiedene Agenten-Anwendungsfälle abgestimmt sind:

Schritt-für-Schritt-Anleitung zur Erstellung eines Agenten in Le Chat

Die Erstellung eines benutzerdefinierten Agenten in Mistral Le Chat erfordert keine technischen Programmierkenntnisse. Benutzer können Assistenten direkt im Web-Arbeitsbereich konfigurieren, testen und speichern.

Schritt 1: Zugriff auf den Agenten-Arbeitsbereich

1. Melden Sie sich mit Ihrem Organisations- oder Einzelkonto bei Mistral Le Chat an.
2. Klicken Sie in der linken Navigationsleiste auf die Registerkarte Agents.
3. Klicken Sie auf die Schaltfläche Create Agent in der oberen rechten Ecke des Agentenverzeichnisses.
4. Wählen Sie, ob Sie mit einer leeren Vorlage beginnen oder eine vorgefertigte Starter-Vorlage (wie einen Programmierassistenten, einen kreativen Ideengeber oder einen Dokumentzusammenfasser) als Ausgangsbasis wählen möchten.

Schritt 2: Definition der Agentenidentität und Kernmetadaten

1. Name: Vergeben Sie einen klaren, unverwechselbaren Namen (z. B. Financial-Auditor-Bot oder Docs-Reviewer). Da Agenten im Chat mit dem Symbol @ aufgerufen werden, wählen Sie eine prägnante Kennung ohne Sonderzeichen.
2. Description: Geben Sie eine kurze Zusammenfassung der Aufgaben des Agenten an. Diese Beschreibung erscheint im Agentenkatalog Ihres Teams und hilft Mitarbeitern zu erkennen, wann der Assistent aufgerufen werden sollte.
3. Avatar: Wählen Sie ein Symbol oder laden Sie ein visuelles Badge hoch, damit der Agent in Multi-Agenten-Chat-Threads sofort erkennbar ist.

Schritt 3: Auswahl der Engine und Parameter

Unter den Modellkonfigurationseinstellungen:

1. Wählen Sie das passende Mistral-Modell aus dem Dropdown-Menü basierend auf der erforderlichen Analysetiefe aus.
2. Wenn Sie über Mistral AI Studio oder erweiterte Einstellungen konfigurieren, passen Sie den Parameter Temperature an. Niedrigere Werte (z. B. 0.1 bis 0.3) machen den Agenten deterministisch und faktenorientiert, was für Dokumentanalysen und Code-Audits entscheidend ist. Höhere Werte (z. B. 0.7 bis 0.9) fördern kreative Varianz für Texterstellung und Brainstorming.

Erstellung maßgeschneiderter Systemanweisungen

Das Feld Instructions dient als System-Prompt, der definiert, wie Ihr Agent Anfragen interpretiert, Antworten strukturiert und Randfälle behandelt. Das Verfassen präziser Anweisungen stellt sicher, dass der Agent auf sein Ziel fokussiert bleibt und Marken- oder Organisationsstandards einhält.

Schlüsselelemente hochwirksamer Anweisungen

Um maximale Zuverlässigkeit zu gewährleisten, gliedern Sie Ihre Systemanweisungen in klare operative Abschnitte:

• Rolle und Persona (Role and Persona): Legen Sie die berufliche Identität, den Erfahrungsgrad und den Kommunikationsstil des Agenten fest (z. B.: „Sie sind ein leitender technischer Redakteur, der auf API-Dokumentation für Cloud-Infrastrukturen spezialisiert ist“).
• Aufgabenstellung (Task Objectives): Beschreiben Sie die wesentlichen Ergebnisse, die der Agent liefern muss, wie z. B. Zusammenfassungen für Führungskräfte, Code-Diffs oder schrittweise Workflows zur Fehlerbehebung.
• Formatierungs- und Ausgaberegeln (Formatting and Output Rules): Legen Sie genaue Ausgabestrukturen fest, z. B. CommonMark-Markdown-Tabellen, Aufzählungspunkte für Handlungsschritte oder Code-Snippets mit Sprach-Tags.
• Negative Einschränkungen und Grenzen (Negative Constraints and Boundaries): Legen Sie ausdrücklich fest, was der Agent nicht tun darf, einschließlich der Ablehnung von Anfragen außerhalb seines Zuständigkeitsbereichs, der Vermeidung spekulativer Behauptungen oder des Verbots von rohem HTML.
• Zitieranweisungen (Citation Instructions): Weisen Sie den Agenten an, Fakten aus angehängten Wissensdateien zu priorisieren und ausdrücklich darauf hinzuweisen, wenn eine Information in den bereitgestellten Dokumenten nicht enthalten ist.

Beispielhafter Bauplan für Systemanweisungen

Nachfolgend finden Sie ein Beispiel für eine effektive, praxiserprobte Systemanweisung für einen Assistenten für Unternehmensrichtlinien:

Role & Purpose:
You are the Internal Compliance Assistant for Acme Corp. Your purpose is to help employees understand corporate IT security policies and data governance standards.

Operational Guidelines:
1. Always ground your explanations in the attached Acme Security Handbook documents.
2. When answering policy questions, quote the relevant policy section or document title.
3. If an employee asks a question that is not covered in the attached knowledge files, explicitly state: "This topic is not addressed in current company policy documentation. Please contact the IT Security team at security@acme.internal."
4. Never speculate or invent internal procedures.

Tone and Format:
- Professional, objective, and clear.
- Use bullet points for procedural steps.
- Avoid technical jargon unless explaining specific security protocols.

Einbindung von Few-Shot-Beispielen

Das Hinzufügen von Few-Shot-Beispielen – Veranschaulichungen idealer Benutzereingaben gepaart mit den erwarteten Modellausgaben – innerhalb der Anweisungen verbessert die Formatkonsistenz erheblich:

Example Interaction:

User: Can I use personal USB flash drives on company laptops?
Assistant: According to Section 4.2 of the IT Security Handbook ("Removable Storage Media"):
- Personal USB storage devices are strictly prohibited on all company-issued laptops.
- Data transfers must occur through approved enterprise cloud storage.
- Exceptions require written approval from the IT Security Director.

Anbindung von Wissensdateien über Dokumentbibliotheken

Eine der leistungsstärksten Fähigkeiten von benutzerdefinierten Mistral-Agenten ist die Möglichkeit, Antworten durch die Dokumentbibliotheken (Document Libraries) von Mistral und natives Retrieval-Augmented Generation (RAG) auf proprietäre Daten zu stützen.

Grundlegendes zu Dokumentbibliotheken

Anstatt Dateien in einzelne Chat-Sitzungen hochzuladen, in denen Kontextfenster unübersichtlich werden können, organisiert Mistral Wissen in persistenten Document Libraries. Sobald eine Bibliothek erstellt und mit Quellmaterial befüllt ist, können sich mehrere Agenten gleichzeitig mit ihr verbinden.

Zu den unterstützten Dateitypen gehören:

• PDF-Dokumente (.pdf)
• Reine Textdateien (.txt)
• Markdown-Dateien (.md)
• Word-Dokumente (.docx)
• Code-Repositories und technische Spezifikationen

Einrichten einer Dokumentbibliothek

1. Navigieren Sie in Le Chat oder Mistral AI Studio zum Bereich Libraries.
2. Klicken Sie auf Create Library, geben Sie einen aussagekräftigen Titel ein (z. B. Product-Specifications-2026) und fügen Sie eine optionale Beschreibung hinzu.
3. Laden Sie Ihre Referenzdokumente hoch. Mistral startet automatisch das Parsen der Dokumente, die Textextraktion und das Vektor-Embedding.
4. Überwachen Sie den Verarbeitungsstatus der Datei:
   • Running: Das Dokument wird analysiert, in Chunks zerlegt und in der Vektordatenbank indexiert.
   • Completed: Das Dokument ist vollständig indexiert und bereit für Suchabfragen.

Verknüpfen von Bibliotheken mit Ihrem benutzerdefinierten Agenten

1. Öffnen Sie Ihren Agenten im Editor Agents.
2. Navigieren Sie zum Konfigurationsbereich Knowledge oder Tools.
3. Aktivieren Sie das Werkzeug Document Library.
4. Wählen Sie die spezifische Bibliothek oder die Bibliotheken aus, die der Agent durchsuchen soll.
5. Verstärken Sie in Ihren Systemanweisungen das Abrufverhalten, indem Sie das Modell anweisen: „Konsultieren Sie die verbundene Document Library, bevor Sie Fragen zu proprietären Verfahren oder Produktspezifikationen beantworten.“

Grounding und überprüfbare Zitate

Wenn ein Agent eine verknüpfte Document Library abfragt, ruft die Retrieval-Pipeline von Mistral relevante Textabschnitte ab und stellt sie als kontextuelles Grounding bereit. In seiner Antwort erzeugt der Agent überprüfbare Zitate (tool_reference-Abschnitte), die direkt auf das Quelldokument und die Seitenzahl verweisen. Diese Transparenz ermöglicht es Benutzern, Aussagen anhand von Primärquellen zu überprüfen, und eliminiert KI-Halluzinationen.

Team-Zugriff und Berechtigungen

In Unternehmens- und Organisations-Arbeitsbereichen unterstützen Document Libraries eine feingliedrige Zugriffskontrolle:

• Viewer: Benutzer können die Bibliothek abfragen und mit ihren persönlichen Agenten verknüpfen, jedoch keine Dokumente hinzufügen oder löschen.
• Editor: Teammitglieder können neue Dateien hochladen, vorhandene Dokumentationen aktualisieren und Bibliotheksmetadaten verwalten.
• Org Sharing: Organisationsadministratoren können Bibliotheken im gesamten Unternehmensverzeichnis freigeben, um sicherzustellen, dass alle Teams auf identische, aktuelle Dokumentationen zugreifen.

Ausstattung von Agenten mit nativen Werkzeugen

Über die passive Dokumentsuche hinaus können benutzerdefinierte Mistral-Agenten mit aktiven Ausführungswerkzeugen konfiguriert werden:

• Websuche (web_search): Ermöglicht es dem Agenten, das öffentliche Web in Echtzeit abzufragen. Dies ist unerlässlich für Agenten, die Markttrends verfolgen, aktuelle regulatorische Änderungen überprüfen oder Branchennachrichten sammeln.
• Code-Interpreter (code_interpreter): Bietet eine isolierte Python-Ausführungsumgebung. Der Agent kann Python-Code schreiben, ausführen und debuggen, um statistische Berechnungen durchzuführen, CSV-Datensätze zu bereinigen oder mathematische Modelle zu erstellen.
• Bilderzeugung (Image Generation): Ermöglicht es dem Agenten, auf Benutzeranfrage kontextbezogene Diagramme, Marketing-Mockups und Illustrationen zu erstellen.
• Konnektoren und Model Context Protocol (MCP): Für Entwickler und Unternehmensteams unterstützt Mistral die Registrierung externer MCP-Server und benutzerdefinierter Funktionsaufrufe, sodass Agenten interne Datenbanken abfragen, GitHub-Pull-Requests auslösen oder CRM-Datensätze aktualisieren können.

Um Werkzeuge zu aktivieren, schalten Sie einfach die gewünschten Funktionen im Bereich Tools des Agenten-Konfigurationspanels ein.

Testen, Validieren und Bereitstellen von Agenten

Mistral Le Chat enthält integrierte Iterationsfunktionen, um die Leistung des Agenten zu überprüfen, bevor er für ein größeres Team freigegeben wird.

Interaktive Echtzeit-Vorschau

Auf der rechten Seite der Agenten-Konfigurationsoberfläche bietet Le Chat ein Live-Panel zur Preview:

1. Geben Sie typische Benutzer-Prompts ein, um zu überprüfen, ob der Agent die Systemanweisungen einhält.
2. Stellen Sie Fragen, die Wissen aus den angehängten Dokumenten erfordern, um zu bestätigen, dass der RAG-Konnektor relevante Passagen abruft und genaue Zitate ausgibt.
3. Testen Sie Randfälle – wie themenfremde Fragen oder kontradiktorische Prompts –, um sicherzustellen, dass die Schutzleitplanken greifen.
4. Passen Sie die Systemanweisungen in Echtzeit an oder fügen Sie klarstellende Regeln hinzu.

Automatisches Speichern

Mistral Le Chat speichert alle Änderungen an Agentenmetadaten, System-Prompts und Tool-Konfigurationen automatisch in Echtzeit. Es ist keine manuelle Speichertaste erforderlich; Änderungen werden sofort in nachfolgenden Konversationen wirksam.

Aufrufen von benutzerdefinierten Agenten in Konversationen

Nach der Konfiguration erscheint Ihr benutzerdefinierter Agent in Ihrer persönlichen Agentenübersicht und im Organisationskatalog:

1. Direkter Aufruf per @-Erwähnung: Geben Sie in einer neuen oder bestehenden Le Chat-Konversation @ gefolgt vom Namen des Agenten ein (z. B. @ComplianceBot Wie beantrage ich eine Softwarelizenz?). Der Agent übernimmt die Steuerung des Gesprächsschritts und wendet seine maßgeschneiderten Anweisungen und seine Wissensdatenbank an.
2. Dedizierte Agenten-Chats: Sie können eine Konversation direkt über die Registerkarte Agents initiieren, indem Sie auf die Agentenkarte klicken und Start Chat auswählen.
3. Zusammenarbeit mehrerer Agenten: Innerhalb eines einzelnen Konversationsthreads können Benutzer mehrere spezialisierte Agenten nacheinander aufrufen (z. B. indem sie @DataAnalyst bitten, einen Datensatz zusammenzufassen, und anschließend @Copywriter anweisen, die Ergebnisse in einen Newsletter für Führungskräfte umzuwandeln).

Best Practices für die Agentenwartung

Um benutzerdefinierte Agenten auf Dauer präzise und nützlich zu halten, sollten Sie die folgenden bewährten Vorgehensweisen beachten:

• Dokumentbibliotheken aktuell halten: Überprüfen und bereinigen Sie veraltete Dokumente in Ihren verknüpften Bibliotheken regelmäßig. Wenn sich interne Richtlinien oder Produktfunktionen ändern, laden Sie aktualisierte Dateien hoch und entfernen Sie veraltete Versionen, um widersprüchliche Antworten zu vermeiden.
• Anweisungen iterativ verfeinern: Überprüfen Sie Benutzerinteraktionen und identifizieren Sie häufige Fehlermuster. Wenn der Agent häufig zu ausführliche Antworten liefert, fügen Sie den Systemanweisungen eine explizite Längenbegrenzung hinzu.
• Allgemeine und spezialisierte Rollen trennen: Anstatt einen einzelnen monolithischen Agenten zu erstellen, der versucht, Marketing, Programmierung und Compliance gleichzeitig zu bewältigen, erstellen Sie fokussierte Agenten für spezifische Workflows.
• Tool-Berechtigungen überprüfen: Aktivieren Sie nur die Werkzeuge, die für den Aufgabenbereich des Agenten unbedingt erforderlich sind. Beispielsweise sollte für einen internen Compliance-Agenten selten die Websuche aktiviert sein, wenn seine einzige verlässliche Informationsquelle interne Unternehmensdokumente sein müssen.