Mistral 推出 Agents API：原生集成 MCP，支持多智能体协同

很多时候，我们让大模型干活，最头痛的不是它写不出文字，而是它没法真正动手去改代码、翻系统或者查实时信息。每一次对话还要你自己把上下文从头拉一遍，传回去给它。

Mistral 刚上线的 Agents API，就是冲着这个麻烦来的。它不是单纯发个新模型，而是给开发者搭好了一整套让 AI 独立办事的底层框架。说白了，它把模型、工具、记忆和多角色调度打包成了一个接口。

给你配齐沙盒、生图和 MCP 接口

过去想让大模型干活，开发者得自己搭代码沙盒，自己找生图接口，再自己写联网搜索。Mistral 这次直接把常用连接器做进了系统内部。

里面自带了安全沙盒环境，AI 能直接写 Python 代码来算数、画图表、跑科学计算；生图接入了 Black Forest Labs 的 FLUX1.1 [pro] Ultra；知识库支持直接读取 Mistral Cloud 里的文档做检索增强。

连上网页搜索之后的效果很直观。在 SimpleQA 基准测试里，Mistral Large 没联网时准确率只有 23%，联网后直接拉到了 75%；Mistral Medium 更是从 22.08% 蹦到了 82.32%。

更有意思的是它对 MCP（Model Context Protocol）的底层支持。由于原生兼容这个开放协议，AI 可以顺畅地插拔外部数据库、GitHub 或者 Linear 任务看板。在 Mistral 给出的演示里，一个主管 Agent 能指派由 DevStral 驱动的开发 Agent 掌管 GitHub 权限自己写代码，或者把开会录音直接转成产品需求文档并派发成 Linear 工单。

记性变好了，还能叫同事来接班

另外两个很关键的改变，是有状态对话和 Agent 任务交接。

以前调用补全接口，开发者得在本地小心翼翼维护聊天历史，生怕多轮对话爆了上下文。现在 Mistral Agents API 会自动保存状态，开发者不仅不用自己管记忆，还能随时从任意一个历史节点分叉，开一条新的对话分支去尝试不同方案。

如果任务太复杂，一个 Agent 搞不定，系统还支持让多个 Agent 轮流上阵。你可以先建好财务分析、网络搜索、数学计算等几个不同角色的 Agent，然后设定交接规则。遇到具体需求时，财务 Agent 发现缺数据，就会自动把任务移交给联网 Agent，查完再接力回来。

为什么重要

做企业级 AI 应用的开发者现在省心多了。以前要做一个能干活的助理，你得在 LangChain 这类框架里拼装记忆、沙盒、搜索和提示词路由，维护成本很高。现在通过 Mistral 的单一 API 就能搞定状态和多 Agent 流转，试错成本大大降低。

从行业竞争来看，这说明基础模型厂商的战场已经彻底从卷参数、卷单次问答，转向了卷端到端的执行框架。OpenAI 和 Anthropic 之前都在推类似的状态维护和工具协议，Mistral 选择直接拥抱 Anthropic 带头的 MCP 标准，这步棋走得相当务实，既拉拢了开源和跨平台生态，又避免了自己重新造轮子。

不过，这种全托管框架也有隐患。业务的状态历史和沙盒运行都托管在 Mistral 云端，如果未来遇到深度定制、数据合规或者需要跨厂商无缝切换模型时，企业可能会面临迁移壁垒。但就目前来说，想快速搭一套带记忆、能协同的自动化流水线，这个方案确实非常轻巧。