" # 可选
```
* 确保您拥有来自 [Mistral AI 账户](https://v2.auth.mistral.ai/login) 的 Mistral API 密钥（将其设置为 `MISTRAL_API_KEY`）。
* 设置 `LANGSMITH_TRACING=true` 并提供您的 LangSmith API 密钥 (`LANGSMITH_API_KEY`) 以激活追踪的自动记录。
* 指定一个 [`LANGSMITH_PROJECT`](/langsmith/log-traces-to-project) 名称以按项目组织追踪；如果未设置，追踪将进入默认项目（名为 "default"）。
* `LANGSMITH_TRACING` 标志必须为 true 才能记录任何追踪。
## 配置追踪
1. 使用 LangSmith 检测 Mistral API 调用。在您的脚本中，创建一个 Mistral 客户端，并将调用包装在一个可追踪的函数中：
```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import os
from mistralai import Mistral
from langsmith import traceable
# 使用您的 API 密钥初始化 Mistral API 客户端
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
@traceable(
run_type="llm",
metadata={"ls_provider": "mistral", "ls_model_name": "mistral-medium-latest"},
)
def query_mistral(prompt: str):
response = client.chat.complete(
model="mistral-medium-latest",
messages=[{"role": "user", "content": prompt}],
)
return response.choices[0].message
# 示例用法
result = query_mistral("Hello, how are you?")
print("Mistral response:", result.content)
```
```typescript TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { Client } from "langsmith";
import { traceable } from "langsmith/traceable";
import { Mistral } from "@mistralai/mistralai";
import "dotenv/config";
const mistral = new Mistral({
apiKey: process.env.MISTRAL_API_KEY,
});
const langsmith = new Client();
const tracedChatCompletion = traceable(
async (params: {
model: string;
messages: Array<{ role: string; content: string }>;
}) => {
const response = await mistral.chat.complete(params);
// 返回消息内容以便 LangSmith 正确捕获
return response.choices[0].message.content;
},
{
name: "Mistral Chat Completion",
run_type: "llm",
metadata: {
ls_provider: "mistral",
ls_model_name: "mistral-small-latest",
},
}
);
async function main() {
const response = await tracedChatCompletion({
model: "mistral-small-latest",
messages: [
{ role: "user", content: "Say hello in one short sentence." },
],
});
console.log(response);
}
main();
```
在此示例中，您使用 [Mistral SDK](https://docs.mistral.ai/getting-started/clients) 发送一个聊天补全请求（包含用户提示）并检索模型的答案。
[`@traceable`](https://reference.langchain.com/python/langsmith/run_helpers/traceable) 装饰器（来自 [LangSmith Python SDK](https://reference.langchain.com/python/langsmith/observability/sdk/)）包装了 `query_mistral` 函数，使得每次调用都被记录为类型为 `"llm"` 的追踪运行。`metadata={"ls_provider": "mistral", "ls_model_name": "mistral-medium-latest"}` 为追踪标记了提供者（Mistral）和模型名称。
您也可以参考 [LangSmith JavaScript SDK](https://reference.langchain.com/javascript/modules/langsmith.html)。
2. 执行您的脚本以生成追踪。例如：
```bash Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
python mistral_trace.py
```
```bash JavaScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
node index.js
```
`query_mistral("Hello, how are you?")` 调用将访问 Mistral API，并且由于 `@traceable`/`traceable` 包装器，LangSmith 将记录此调用的输入和输出作为新的追踪。您将在控制台看到模型的响应被打印出来，并且在 [LangSmith](https://smith.langchain.com) 中会出现相应的运行记录。
## 在 LangSmith 中查看追踪
运行示例后，您可以在 [LangSmith UI](https://smith.langchain.com) 中检查记录的追踪：
1. 打开 LangSmith UI 并登录您的账户。
2. 选择您用于此集成的项目（例如，在 `LANGSMITH_PROJECT` 中设置的名称，或者如果您未设置则为默认项目）。
3. 找到与您的 Mistral API 调用相对应的追踪。它将通过函数名（`query_mistral`）或如果提供了自定义名称则通过该名称来标识。
4. 单击追踪以打开它。您将能够检查模型的输入和输出，包括您发送的提示消息和 Mistral 的响应，以及时间信息（延迟）和如果调用失败则包含的任何错误详情。
通过 LangSmith 的追踪，您可以完全了解您的 Mistral 调用——允许您调试 Mistral 模型的行为、监控性能（例如，响应时间和令牌使用量），并使用元数据标签比较具有不同参数的运行。
## 成本追踪
虽然 Mistral 模型是开放权重的，但使用托管的 Mistral API 可能会根据您的计划产生基于使用量的费用。
LangSmith 可以通过估算令牌使用量并应用特定于模型的定价，自动将成本与追踪的 LLM 调用关联起来。在追踪 Mistral API 要时，LangSmith 使用记录的提示和响应消息来计算令牌数量，并将成本信息附加到每个运行。
要启用 LLM 调用的自动成本追踪，请参阅 [基于令牌数量自动追踪成本](/langsmith/cost-tracking#llm-calls:-automatically-track-costs-based-on-token-counts)。
启用后，成本将直接显示在 LangSmith UI 中每个追踪的 Mistral 运行旁边，以便您可以监控使用情况并随时间比较实验。
***
[将这些文档连接](/use-these-docs)到 Claude、VSCode 等，通过 MCP 获取实时答案。
[在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/langsmith/trace-with-mistral.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。