Cómo los usuarios pueden crear y configurar agentes personalizados en Mistral Le Chat con instrucciones a medida y archivos de conocimiento

Mistral Le Chat permite a los usuarios crear, personalizar e implementar asistentes de IA especializados—conocidos como agentes personalizados (custom agents)—directamente dentro de su interfaz conversacional y a través de Mistral AI Studio. En lugar de pegar repetidamente instrucciones de prompts, volver a subir documentos de referencia o alternar herramientas para tareas rutinarias, los agentes personalizados empaquetan un modelo base de Mistral elegido, pautas explícitas del sistema, bibliotecas de documentos persistentes y acceso a herramientas nativas en un asistente reutilizable. Esta guía detalla cómo navegar por el flujo de trabajo de creación de agentes en Le Chat, estructurar instrucciones de sistema a medida, conectar archivos de referencia mediante bibliotecas de documentos para la generación aumentada por recuperación (RAG), equipar a los agentes con herramientas de ejecución e implementarlos en las conversaciones del equipo mediante menciones directas.

Arquitectura central de los agentes personalizados de Mistral

Los agentes personalizados en Mistral Le Chat transforman modelos de lenguaje grandes de propósito general en compañeros de trabajo digitales orientados a roles específicos. Al agrupar reglas de comportamiento, conocimiento propietario y capacidades de ejecución en una única configuración persistente, los agentes eliminan la configuración repetitiva y reducen la desviación de prompts (prompt drift) a lo largo de sesiones de múltiples turnos.

Cada agente personalizado consta de cuatro componentes interconectados:

• Modelo base (Foundation Model): El motor subyacente que rige la capacidad de razonamiento, el tamaño de la ventana de contexto, la latencia y el coste operativo.
• Instrucciones del sistema (System Instructions): La constitución de comportamiento y la definición del rol que dictan el tono, los marcos analíticos, el formato de salida y los límites operativos.
• Bibliotecas de documentos (Document Libraries): Colecciones persistentes de archivos de conocimiento subidos (como manuales de políticas de la empresa, documentación de bases de código o artículos de investigación) indexados para recuperación vectorial y citas fundamentadas.
• Conectores de herramientas (Tool Connectors): Capacidades nativas como la búsqueda web en tiempo real, la ejecución de código Python en un entorno aislado (sandbox) e integraciones con el Protocolo de Contexto de Modelo (Model Context Protocol, MCP), que permiten al agente obtener información en tiempo real o realizar tareas computacionales.

La siguiente tabla destaca cómo los modelos clave de Mistral se alinean con los diferentes casos de uso de los agentes:

Guía paso a paso para crear un agente en Le Chat

Crear un agente personalizado en Mistral Le Chat no requiere experiencia técnica en programación. Los usuarios pueden configurar, probar y guardar asistentes directamente dentro del espacio de trabajo web.

Paso 1: Acceder al espacio de trabajo de agentes

1. Inicie sesión en Mistral Le Chat con su cuenta individual o de organización.
2. En la barra lateral de navegación izquierda, haga clic en la pestaña Agents.
3. Haga clic en el botón Create Agent ubicado en la esquina superior derecha del directorio de agentes.
4. Elija si desea comenzar desde un lienzo en blanco o seleccionar una plantilla de inicio prediseñada (como un asistente de programación, un ideador creativo o un sintetizador de documentos) como base.

Paso 2: Definir la identidad del agente y los metadatos principales

1. Name: Asigne un nombre claro y distintivo (por ejemplo, Financial-Auditor-Bot o Docs-Reviewer). Dado que los agentes se invocan en el chat mediante el símbolo @, elija un identificador conciso sin caracteres especiales.
2. Description: Proporcione un breve resumen de las responsabilidades del agente. Esta descripción aparece en el catálogo de agentes de su equipo y ayuda a los colaboradores a identificar cuándo invocar al asistente.
3. Avatar: Seleccione un icono o suba un distintivo visual para que el agente sea inmediatamente reconocible en los hilos de chat con múltiples agentes.

Paso 3: Seleccionar el motor y los parámetros

En los ajustes de configuración del modelo:

1. Seleccione el modelo de Mistral adecuado en el menú desplegable según la profundidad analítica requerida.
2. Si configura a través de Mistral AI Studio o ajustes avanzados, ajuste el parámetro Temperature. Los valores más bajos (por ejemplo, de 0.1 a 0.3) hacen que el agente sea determinista y fáctico, lo cual es crítico para el análisis de documentos y la auditoría de código. Los valores más altos (por ejemplo, de 0.7 a 0.9) fomentan la variación creativa para la redacción publicitaria y la lluvia de ideas.

Elaboración de instrucciones de sistema a medida

El campo Instructions sirve como el prompt de sistema que define cómo su agente interpreta las consultas, estructura las respuestas y gestiona los casos límite. Redactar instrucciones precisas garantiza que el agente se mantenga enfocado en su objetivo y cumpla con los estándares de la marca o la organización.

Elementos clave de instrucciones de alto rendimiento

Para maximizar la fiabilidad, organice sus instrucciones de sistema en secciones operativas diferenciadas:

• Rol y personalidad (Role and Persona): Establezca la identidad profesional del agente, el nivel de experiencia y el estilo de comunicación (por ejemplo: «Eres un redactor técnico sénior especializado en documentación de API para infraestructura en la nube»).
• Objetivos de la tarea (Task Objectives): Describa los entregables principales que el agente debe producir, como resúmenes ejecutivos, comparaciones de código (diffs) o flujos de trabajo de resolución de problemas paso a paso.
• Reglas de formato y salida (Formatting and Output Rules): Especifique estructuras de salida exactas, como tablas markdown CommonMark, listas de elementos de acción con viñetas o fragmentos de código con etiquetas de lenguaje.
• Restricciones negativas y límites (Negative Constraints and Boundaries): Indique explícitamente lo que el agente no debe hacer, como rechazar solicitudes fuera de alcance, evitar afirmaciones especulativas o prohibir el uso de HTML sin procesar.
• Instrucciones de citación (Citation Instructions): Ordene al agente priorizar los hechos recuperados de los archivos de conocimiento adjuntos y mencionar explícitamente cuando la información no esté presente en los documentos provistos.

Plantilla de ejemplo para instrucciones de sistema

A continuación, se muestra un ejemplo de una instrucción de sistema eficaz y de nivel de producción para un asistente de políticas empresariales:

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.

Incorporación de ejemplos Few-Shot

Agregar ejemplos few-shot—demostraciones de entradas ideales de usuario emparejadas con las salidas esperadas del modelo—dentro de las instrucciones mejora significativamente la coherencia del formato:

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.

Conexión de archivos de conocimiento mediante bibliotecas de documentos

Una de las capacidades más potentes de los agentes personalizados de Mistral es la posibilidad de fundamentar las respuestas en datos propietarios a través de las bibliotecas de documentos (Document Libraries) de Mistral y la generación aumentada por recuperación (RAG) nativa.

Comprensión de las bibliotecas de documentos

En lugar de subir archivos a sesiones de chat individuales donde las ventanas de contexto pueden saturarse, Mistral organiza el conocimiento en Document Libraries persistentes. Una vez creada una biblioteca y cargada con material de origen, varios agentes pueden conectarse a ella simultáneamente.

Los tipos de archivo admitidos incluyen:

• Documentos PDF (.pdf)
• Archivos de texto plano (.txt)
• Archivos Markdown (.md)
• Documentos Word (.docx)
• Repositorios de código y especificaciones técnicas

Configuración de una biblioteca de documentos

1. En Le Chat o Mistral AI Studio, navegue a la sección Libraries.
2. Haga clic en Create Library, introduzca un título descriptivo (por ejemplo, Product-Specifications-2026) y añada una descripción opcional.
3. Suba sus documentos de referencia. Mistral inicia automáticamente el análisis de documentos, la extracción de texto y la incrustación vectorial (vector embedding).
4. Supervise el estado de procesamiento de los archivos:
   • Running: El documento se está analizando, dividiendo en fragmentos e indexando en la base de datos vectorial.
   • Completed: El documento está totalmente indexado y listo para consultas de recuperación.

Vinculación de bibliotecas a su agente personalizado

1. Abra su agente en el editor de Agents.
2. Navegue al panel de configuración de Knowledge o Tools.
3. Active la herramienta Document Library.
4. Seleccione la biblioteca o bibliotecas específicas en las que desea que busque el agente.
5. En sus instrucciones de sistema, refuerce el comportamiento de recuperación indicando al modelo: «Consulte la Document Library conectada antes de responder preguntas sobre procedimientos propietarios o especificaciones de productos».

Fundamentación y citas verificables

Cuando un agente consulta una Document Library vinculada, la canalización de recuperación de Mistral obtiene los fragmentos de texto relevantes y los proporciona como fundamentación contextual. En su respuesta, el agente genera citas verificables (fragmentos tool_reference) que enlazan directamente con el documento de origen y el número de página. Esta transparencia permite a los usuarios contrastar las afirmaciones con las fuentes primarias y elimina las alucinaciones de la IA.

Acceso de equipo y permisos

En los espacios de trabajo de empresa y organización, las Document Libraries admiten un control de acceso granular:

• Viewer: Los usuarios pueden consultar la biblioteca y vincularla a sus agentes personales, pero no pueden añadir ni eliminar documentos.
• Editor: Los miembros del equipo pueden subir nuevos archivos, actualizar la documentación existente y gestionar los metadatos de la biblioteca.
• Org Sharing: Los administradores de la organización pueden compartir bibliotecas en todo el directorio empresarial, garantizando que todos los equipos accedan a una documentación idéntica y actualizada.

Equipamiento de agentes con herramientas nativas

Más allá de la búsqueda pasiva de documentos, los agentes personalizados de Mistral pueden configurarse con herramientas de ejecución activas:

• Búsqueda web (web_search): Permite al agente consultar la web pública en tiempo real. Esto es esencial para agentes que siguen tendencias del mercado, verifican cambios regulatorios recientes o recopilan noticias actuales del sector.
• Intérprete de código (code_interpreter): Proporciona un entorno de ejecución de Python en sandbox. El agente puede escribir, ejecutar y depurar código Python para realizar cálculos estadísticos, limpiar conjuntos de datos CSV o generar modelos matemáticos.
• Generación de imágenes (Image Generation): Permite al agente generar diagramas contextuales, maquetas de marketing e ilustraciones a petición del usuario.
• Conectores y Model Context Protocol (MCP): Para desarrolladores y equipos empresariales, Mistral admite el registro de servidores MCP externos y llamadas a funciones personalizadas, lo que permite a los agentes consultar bases de datos internas, activar pull requests de GitHub o actualizar registros de CRM.

Para activar las herramientas, simplemente active las capacidades deseadas en la sección Tools del panel de configuración del agente.

Pruebas, validación e implementación de agentes

Mistral Le Chat incluye funciones de iteración integradas para validar el rendimiento del agente antes de compartirlo con un equipo más amplio.

Vista previa interactiva en tiempo real

En la parte derecha de la interfaz de configuración del agente, Le Chat ofrece un panel de Preview en directo:

1. Introduzca prompts habituales de usuario para verificar si el agente cumple con las instrucciones del sistema.
2. Haga preguntas que requieran conocimientos de los documentos adjuntos para confirmar que el conector RAG recupera los pasajes relevantes y genera citas precisas.
3. Pruebe casos límite—como preguntas fuera de tema o prompts adversarios—para asegurarse de que las barreras de protección se mantengan.
4. Ajuste las instrucciones del sistema o añada reglas aclaratorias en tiempo real.

Guardado automático

Mistral Le Chat guarda automáticamente todas las modificaciones en los metadatos del agente, los prompts del sistema y las configuraciones de herramientas en tiempo real. No se requiere ningún botón de guardado manual; los cambios se reflejan de inmediato en las conversaciones posteriores.

Invocación de agentes personalizados en conversaciones

Una vez configurado, su agente personalizado aparece en su panel personal de agentes y en el catálogo de la organización:

1. Invocación directa mediante mención @: En cualquier conversación nueva o existente de Le Chat, escriba @ seguido del nombre del agente (por ejemplo, @ComplianceBot ¿Cómo solicito una licencia de software?). El agente toma el control del turno de conversación, aplicando sus instrucciones personalizadas y su base de conocimiento.
2. Chats dedicados al agente: Puede iniciar una conversación directamente desde la pestaña Agents haciendo clic en la tarjeta del agente y seleccionando Start Chat.
3. Colaboración multiagente: Dentro de un mismo hilo de conversación, los usuarios pueden invocar varios agentes especializados de forma secuencial (por ejemplo, pidiendo a @DataAnalyst que resuma un conjunto de datos y luego solicitando a @Copywriter que convierta los hallazgos en un boletín ejecutivo).

Mejores prácticas para el mantenimiento de agentes

Para mantener los agentes personalizados precisos y valiosos a lo largo del tiempo, siga estas mejores prácticas operativas:

• Mantener actualizadas las bibliotecas de documentos: Revise periódicamente y elimine los documentos obsoletos de sus bibliotecas vinculadas. Cuando cambien las políticas internas o las características del producto, suba archivos actualizados y elimine las versiones obsoletas para evitar respuestas contradictorias.
• Refinar las instrucciones de forma iterativa: Revise las interacciones de los usuarios e identifique los patrones de fallo comunes. Si el agente proporciona con frecuencia respuestas excesivamente detalladas, añada una restricción explícita de longitud a las instrucciones del sistema.
• Separar roles generales de roles especializados: En lugar de construir un único agente monolítico que intente abarcar marketing, programación y cumplimiento al mismo tiempo, cree agentes enfocados y dedicados a flujos de trabajo específicos.
• Auditar los permisos de las herramientas: Active únicamente las herramientas que sean estrictamente necesarias para el mandato del agente. Por ejemplo, un agente de cumplimiento interno rara vez debería tener habilitada la búsqueda web si su única fuente de verdad debe ser la documentación interna de la empresa.