Como os usuários criam e configuram agentes personalizados no Mistral Le Chat com instruções personalizadas e arquivos de conhecimento

O Mistral Le Chat permite que os usuários criem, personalizem e implantem assistentes de IA especializados—conhecidos como agentes personalizados (custom agents)—diretamente em sua interface conversacional e por meio do Mistral AI Studio. Em vez de colar repetidamente instruções de prompt, reenviar documentos de referência ou alternar ferramentas para tarefas rotineiras, os agentes personalizados empacotam um modelo base do Mistral escolhido, diretrizes explícitas do sistema, bibliotecas de documentos persistentes e acesso a ferramentas nativas em um assistente reutilizável. Este guia detalha como navegar no fluxo de trabalho de criação de agentes no Le Chat, estruturar instruções de sistema sob medida, conectar arquivos de referência por meio de bibliotecas de documentos para geração aumentada por recuperação (RAG), equipar os agentes com ferramentas de execução e implantá-los em conversas de equipe usando menções diretas.

Arquitetura central dos agentes personalizados do Mistral

Os agentes personalizados no Mistral Le Chat transformam modelos de linguagem grandes de uso geral em colegas de trabalho digitais voltados para funções específicas. Ao agrupar regras de comportamento, conhecimento proprietário e capacidades de execução em uma única configuração persistente, os agentes eliminam a configuração repetitiva e reduzem a perda de contexto do prompt (prompt drift) ao longo de sessões de múltiplos turnos.

Cada agente personalizado é composto por quatro componentes interconectados:

• Modelo base (Foundation Model): O motor subjacente que rege a capacidade de raciocínio, o tamanho da janela de contexto, a latência e o custo operacional.
• Instruções do sistema (System Instructions): A constituição comportamental e a definição de função que ditam o tom, os modelos analíticos, a formatação de saída e os limites operacionais.
• Bibliotecas de documentos (Document Libraries): Coleções persistentes de arquivos de conhecimento enviados (como manuais de políticas corporativas, documentação de bases de código ou artigos de pesquisa) indexados para recuperação vetorial e citações fundamentadas.
• Conectores de ferramentas (Tool Connectors): Recursos nativos, como pesquisa na web em tempo real, execução de código Python em ambiente isolado (sandbox) e integrações com o Protocolo de Contexto de Modelo (Model Context Protocol, MCP), que permitem ao agente buscar informações em tempo real ou executar tarefas computacionais.

A tabela abaixo destaca como os principais modelos do Mistral se alinham a diferentes casos de uso de agentes:

Guia passo a passo para criar um agente no Le Chat

Construir um agente personalizado no Mistral Le Chat não requer experiência técnica em programação. Os usuários podem configurar, testar e salvar assistentes diretamente no espaço de trabalho da web.

Passo 1: Acessar o espaço de trabalho de agentes

1. Faça login no Mistral Le Chat usando sua conta individual ou corporativa.
2. Na barra de navegação lateral esquerda, clique na guia Agents.
3. Clique no botão Create Agent localizado no canto superior direito do diretório de agentes.
4. Escolha se deseja começar a partir de uma tela em branco ou selecionar um modelo inicial pré-construído (como um assistente de codificação, um gerador de ideias criativas ou um sumarizador de documentos) como ponto de partida.

Passo 2: Definir a identidade do agente e os metadados principais

1. Name: Atribua um nome claro e característico (por exemplo, Financial-Auditor-Bot ou Docs-Reviewer). Como os agentes são invocados no chat usando o símbolo @, escolha um identificador conciso sem símbolos especiais.
2. Description: Forneça um breve resumo das responsabilidades do agente. Essa descrição aparece no catálogo de agentes da sua equipe e ajuda os colaboradores a identificar quando acionar o assistente.
3. Avatar: Selecione um ícone ou faça upload de um selo visual para tornar o agente imediatamente reconhecível em conversas com vários agentes.

Passo 3: Selecionar o motor e os parâmetros

Nas configurações de modelo:

1. Selecione o modelo do Mistral apropriado no menu suspenso com base na profundidade analítica necessária.
2. Se estiver configurando pelo Mistral AI Studio ou por configurações avançadas, ajuste o parâmetro Temperature. Valores mais baixos (por exemplo, de 0.1 a 0.3) tornam o agente mais determinístico e factual, o que é crucial para análise de documentos e auditoria de código. Valores mais altos (por exemplo, de 0.7 a 0.9) incentivam a variação criativa para redação publicitária e ideação.

Criação de instruções de sistema personalizadas

O campo Instructions funciona como o prompt do sistema que define como seu agente interpreta consultas, estrutura respostas e lida com casos extremos. A redação de instruções precisas garante que o agente permaneça focado em seu objetivo e respeite os padrões da marca ou da organização.

Elementos-chave de instruções de alto desempenho

Para maximizar a confiabilidade, organize suas instruções do sistema em seções operacionais distintas:

• Função e persona (Role and Persona): Estabeleça a identidade profissional do agente, o nível de senioridade e o estilo de comunicação (por exemplo: "Você é um redator técnico sênior especializado em documentação de API para infraestrutura em nuvem").
• Objetivos da tarefa (Task Objectives): Descreva as principais entregas que o agente deve produzir, como resumos executivos, comparações de código (diffs) ou fluxos de trabalho de solução de problemas passo a passo.
• Regras de formatação e saída (Formatting and Output Rules): Especifique estruturas de saída exatas, como tabelas Markdown CommonMark, itens de ação com marcadores ou trechos de código com tags de linguagem.
• Restrições negativas e limites (Negative Constraints and Boundaries): Declare explicitamente o que o agente não deve fazer, incluindo recusar solicitações fora do escopo, evitar afirmações especulativas ou proibir o uso de HTML sem formatação.
• Instruções de citação (Citation Instructions): Instrua o agente a priorizar os fatos recuperados dos arquivos de conhecimento anexados e a mencionar explicitamente quando a informação estiver ausente nos documentos fornecidos.

Modelo de exemplo de instruções de sistema

Abaixo está um exemplo de uma instrução de sistema eficaz e de nível de produção para um assistente de políticas corporativas:

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.

Incorporação de exemplos Few-Shot

Adicionar exemplos few-shot—demonstrações de entradas ideais do usuário emparelhadas com saídas esperadas do modelo—nas instruções melhora significativamente a consistência da formatação:

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.

Conexão de arquivos de conhecimento via bibliotecas de documentos

Uma das capacidades mais poderosas dos agentes personalizados do Mistral é a habilidade de embasar respostas em dados proprietários por meio das bibliotecas de documentos (Document Libraries) do Mistral e da geração aumentada por recuperação (RAG) nativa.

Compreendendo as bibliotecas de documentos

Em vez de fazer upload de arquivos em sessões de chat individuais, onde as janelas de contexto podem ficar sobrecarregadas, o Mistral organiza o conhecimento em Document Libraries persistentes. Depois que uma biblioteca é criada e preenchida com material de origem, vários agentes podem se conectar a ela simultaneamente.

Os tipos de arquivos suportados incluem:

• Documentos PDF (.pdf)
• Arquivos de texto simples (.txt)
• Arquivos Markdown (.md)
• Documentos Word (.docx)
• Repositórios de código e especificações técnicas

Configuração de uma biblioteca de documentos

1. No Le Chat ou no Mistral AI Studio, navegue até a seção Libraries.
2. Clique em Create Library, insira um título descritivo (por exemplo, Product-Specifications-2026) e adicione uma descrição opcional.
3. Faça upload dos seus documentos de referência. O Mistral inicia automaticamente a análise de documentos, a extração de texto e a incorporação vetorial (vector embedding).
4. Monitore o status de processamento do arquivo:
   • Running: O documento está sendo analisado, dividido em partes e indexado no banco de dados vetorial.
   • Completed: O documento está totalmente indexado e pronto para consultas de recuperação.

Vinculação de bibliotecas ao seu agente personalizado

1. Abra seu agente no editor de Agents.
2. Navegue até o painel de configuração de Knowledge ou Tools.
3. Ative a ferramenta Document Library.
4. Selecione a biblioteca ou bibliotecas específicas nas quais você deseja que o agente busque.
5. Em suas instruções de sistema, reforce o comportamento de recuperação instruindo o modelo: "Consulte a Document Library conectada antes de responder a perguntas sobre procedimentos proprietários ou especificações de produtos."

Fundamentação e citações verificáveis

Quando um agente consulta uma Document Library vinculada, o pipeline de recuperação do Mistral busca trechos de texto relevantes e os fornece como fundamentação contextual. Em sua resposta, o agente produz citações verificáveis (trechos de tool_reference) que apontam diretamente para o documento de origem e o número da página. Essa transparência permite que os usuários verifiquem as afirmações em relação às fontes primárias e elimina as alucinações de IA.

Acesso da equipe e permissões

Em espaços de trabalho empresariais e organizacionais, as Document Libraries suportam controle de acesso granular:

• Viewer: Os usuários podem consultar a biblioteca e vinculá-la aos seus agentes pessoais, mas não podem adicionar nem excluir documentos.
• Editor: Os membros da equipe podem fazer upload de novos arquivos, atualizar a documentação existente e gerenciar os metadados da biblioteca.
• Org Sharing: Os administradores da organização podem compartilhar bibliotecas em todo o diretório da empresa, garantindo que todas as equipes acessem uma documentação idêntica e atualizada.

Equipando agentes com ferramentas nativas

Além da busca passiva de documentos, os agentes personalizados do Mistral podem ser configurados com ferramentas de execução ativas:

• Pesquisa na Web (web_search): Permite que o agente consulte a web pública em tempo real. Isso é essencial para agentes que acompanham tendências de mercado, verificam alterações regulatórias recentes ou reúnem notícias atuais do setor.
• Intérprete de código (code_interpreter): Fornece um ambiente de execução de Python em sandbox. O agente pode escrever, executar e depurar código Python para realizar cálculos estatísticos, limpar conjuntos de dados CSV ou gerar modelos matemáticos.
• Geração de imagens (Image Generation): Permite que o agente gere diagramas contextuais, maquetes de marketing e ilustrações mediante solicitação do usuário.
• Conectores e Model Context Protocol (MCP): Para desenvolvedores e equipes corporativas, o Mistral oferece suporte ao registro de servidores MCP externos e chamadas de funções personalizadas, permitindo que os agentes consultem bancos de dados internos, acionem pull requests do GitHub ou atualizem registros de CRM.

Para ativar as ferramentas, basta alternar as capacidades desejadas na seção Tools do painel de configuração do agente.

Teste, validação e implantação de agentes

O Mistral Le Chat inclui recursos de iteração integrados para validar o desempenho do agente antes de compartilhá-lo com uma equipe mais ampla.

Pré-visualização interativa em tempo real

No lado direito da interface de configuração do agente, o Le Chat oferece um painel de Preview ao vivo:

1. Insira prompts típicos de usuários para verificar se o agente cumpre as instruções do sistema.
2. Faça perguntas que exijam conhecimento dos documentos anexados para confirmar que o conector RAG recupera as passagens relevantes e gera citações precisas.
3. Teste casos extremos—como perguntas fora do tópico ou prompts adversários—para garantir que as barreiras de proteção permaneçam firmes.
4. Ajuste as instruções do sistema ou adicione regras de esclarecimento em tempo real.

Salvamento automático

O Mistral Le Chat salva automaticamente todas as modificações nos metadados do agente, prompts do sistema e configurações de ferramentas em tempo real. Nenhum botão de salvamento manual é necessário; as alterações são refletidas imediatamente nas conversas subsequentes.

Invocação de agentes personalizados em conversas

Depois de configurado, seu agente personalizado aparece no seu painel pessoal de agentes e no catálogo da organização:

1. Invocação direta via menção @: Em qualquer conversa nova ou existente no Le Chat, digite @ seguido pelo nome do agente (por exemplo, @ComplianceBot Como solicito uma licença de software?). O agente assume o controle do turno da conversa, aplicando suas instruções personalizadas e sua base de conhecimento.
2. Chats dedicados ao agente: Você pode iniciar uma conversa diretamente na guia Agents clicando no cartão do agente e selecionando Start Chat.
3. Colaboração multiagente: Em um único fluxo de conversa, os usuários podem chamar vários agentes especializados sequencialmente (por exemplo, pedindo ao @DataAnalyst para resumir um conjunto de dados e, em seguida, solicitando ao @Copywriter que transforme os resultados em um boletim informativo executivo).

Melhores práticas para a manutenção de agentes

Para manter os agentes personalizados precisos e valiosos ao longo do tempo, siga estas melhores práticas operacionais:

• Mantenha as bibliotecas de documentos atualizadas: Revise e remova periodicamente documentos desatualizados nas bibliotecas anexadas. Quando as políticas internas ou os recursos do produto mudarem, envie arquivos atualizados e remova as versões obsoletas para evitar respostas conflitantes.
• Refine as instruções iterativamente: Revise as interações dos usuários e identifique os padrões comuns de falha. Se o agente fornecer frequentemente respostas excessivamente detalhadas, adicione uma restrição explícita de tamanho às instruções do sistema.
• Separe funções amplas de funções especializadas: Em vez de construir um único agente monolítico que tente lidar com marketing, programação e conformidade ao mesmo tempo, crie agentes focados e dedicados a fluxos de trabalho específicos.
• Audite as permissões de ferramentas: Habilite apenas as ferramentas estritamente necessárias para as atribuições do agente. Por exemplo, um agente de conformidade interna raramente deve ter a pesquisa na web habilitada se sua única fonte de verdade deve ser a documentação interna da empresa.