Skip to main content
Mistral AI 是一个平台，为其强大的开源模型提供托管服务。 本指南将帮助你开始使用 ChatMistralAI 聊天模型。有关所有 ChatMistralAI 功能和配置的详细文档，请访问 API 参考。

​
概览

​
集成详情

类包可序列化PY 支持下载量版本
ChatMistralAI@langchain/mistralai❌✅NPM - DownloadsNPM - Version

​
模型特性

请参阅下表标题中的链接，了解如何使用特定功能的指南。
工具调用结构化输出图像输入音频输入视频输入Token 级流式传输Token 使用量Logprobs
✅✅✅❌❌✅✅❌

​
设置

要访问 Mistral AI 模型，你需要创建一个 Mistral AI 账户，获取 API 密钥，并安装 @langchain/mistralai 集成包。

​
凭证

前往 这里 注册 Mistral AI 并生成 API 密钥。完成后，设置 MISTRAL_API_KEY 环境变量： 
export MISTRAL_API_KEY="your-api-key"
如果你想获得模型调用的自动追踪，你还可以通过取消下面的注释来设置你的 LangSmith API 密钥： 
# export LANGSMITH_TRACING="true"
# export LANGSMITH_API_KEY="your-api-key"

​
安装

LangChain ChatMistralAI 集成位于 @langchain/mistralai 包中： 
npm install @langchain/mistralai @langchain/core

​
实例化

现在我们可以实例化我们的模型对象并生成聊天补全： 
import { ChatMistralAI } from "@langchain/mistralai"

const llm = new ChatMistralAI({
    model: "mistral-large-latest",
    temperature: 0,
    maxRetries: 2,
    // other params...
})

​
调用

向 mistral 发送聊天消息时，有一些要求需要遵循：
  • 第一条消息不能是助手 (ai) 消息。
  • 消息必须在用户和助手 (ai) 消息之间交替。
  • 消息不能以助手 (ai) 或系统消息结尾。
const aiMsg = await llm.invoke([
    [
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ],
    ["human", "I love programming."],
])
aiMsg

AIMessage {
  "content": "J'adore la programmation.",
  "additional_kwargs": {},
  "response_metadata": {
    "tokenUsage": {
      "completionTokens": 9,
      "promptTokens": 27,
      "totalTokens": 36
    },
    "finish_reason": "stop"
  },
  "tool_calls": [],
  "invalid_tool_calls": [],
  "usage_metadata": {
    "input_tokens": 27,
    "output_tokens": 9,
    "total_tokens": 36
  }
}

console.log(aiMsg.content)

J'adore la programmation.

​
工具调用

Mistral 的 API 支持部分模型的工具调用。你可以在这个页面查看哪些模型支持工具调用。 下面的示例演示了如何使用它： 
import { ChatMistralAI } from "@langchain/mistralai";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import * as z from "zod";
import { tool } from "@langchain/core/tools";

const calculatorSchema = z.object({
  operation: z
    .enum(["add", "subtract", "multiply", "divide"])
    .describe("The type of operation to execute."),
  number1: z.number().describe("The first number to operate on."),
  number2: z.number().describe("The second number to operate on."),
});

const calculatorTool = tool((input) => {
  return JSON.stringify(input);
}, {
  name: "calculator",
  description: "A simple calculator tool",
  schema: calculatorSchema,
});

// Bind the tool to the model
const modelWithTool = new ChatMistralAI({
  model: "mistral-large-latest",
}).bindTools([calculatorTool]);


const calcToolPrompt = ChatPromptTemplate.fromMessages([
  [
    "system",
    "You are a helpful assistant who always needs to use a calculator.",
  ],
  ["human", "{input}"],
]);

// Chain your prompt, model, and output parser together
const chainWithCalcTool = calcToolPrompt.pipe(modelWithTool);

const calcToolRes = await chainWithCalcTool.invoke({
  input: "What is 2 + 2?",
});
console.log(calcToolRes.tool_calls);

[
  {
    name: 'calculator',
    args: { operation: 'add', number1: 2, number2: 2 },
    type: 'tool_call',
    id: 'DD9diCL1W'
  }
]

​
钩子 (Hooks)

Mistral AI 支持针对三个事件的自定义钩子：beforeRequest（请求前）、requestError（请求错误）和 response（响应）。每种钩子类型的函数签名示例如下： 
const beforeRequestHook = (req: Request): Request | void | Promise<Request | void> => {
    // Code to run before a request is processed by Mistral
};

const requestErrorHook = (err: unknown, req: Request): void | Promise<void> => {
    // Code to run when an error occurs as Mistral is processing a request
};

const responseHook = (res: Response, req: Request): void | Promise<void> => {
    // Code to run before Mistral sends a successful response
};
要将这些钩子添加到聊天模型中，可以直接将它们作为参数传递，它们会自动被添加： 
import { ChatMistralAI } from "@langchain/mistralai"

const modelWithHooks = new ChatMistralAI({
    model: "mistral-large-latest",
    temperature: 0,
    maxRetries: 2,
    beforeRequestHooks: [ beforeRequestHook ],
    requestErrorHooks: [ requestErrorHook ],
    responseHooks: [ responseHook ],
    // other params...
});
或者在实例化后手动赋值并添加它们： 
import { ChatMistralAI } from "@langchain/mistralai"

const model = new ChatMistralAI({
    model: "mistral-large-latest",
    temperature: 0,
    maxRetries: 2,
    // other params...
});

model.beforeRequestHooks = [ ...model.beforeRequestHooks, beforeRequestHook ];
model.requestErrorHooks = [ ...model.requestErrorHooks, requestErrorHook ];
model.responseHooks = [ ...model.responseHooks, responseHook ];

model.addAllHooksToHttpClient();
addAllHooksToHttpClient 方法会在分配整个更新后的钩子列表之前清除所有当前添加的钩子，以避免钩子重复。 钩子可以逐个移除，也可以一次性从模型中清除所有钩子。 
model.removeHookFromHttpClient(beforeRequestHook);

model.removeAllHooksFromHttpClient();

​
API 参考

有关所有 ChatMistralAI 功能和配置的详细文档，请访问 API 参考。
在 GitHub 上编辑此页面 或 提交 issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.