今天，我们在 Studio 中发布 Connectors（连接器），帮助开发者构建基于企业数据、高度定制的 AI 应用。所有内置连接器以及自定义 MCP，现在都可通过 API/SDK 使用，并可用于所有模型和智能体调用。
我们还推出了直接工具调用，让开发者能够精确控制工具的调用方式和时机，在测试和迭代时不再受认证障碍的阻碍。此外，你现在还可以实现人工介入（human-in-the-loop）审批流程，在工具执行前进行安全的审查与确认，兼顾灵活性与治理。
- 通过编程方式创建、修改、列出和删除连接器，也可以列出其工具并直接运行它们。
- 所有连接器都集中注册，因此可在 Mistral 的各个应用中使用：Le Chat 和 AI Studio（Vibe 即将支持）。
- 通过 Conversation API、Completions API 和 Agent SDK 使用，可以支持复杂的工作流，并与 CRM、知识库&生产力工具等企业系统集成。
集成存在于平台中，而不是你的代码里
构建企业级 AI 智能体正变得越来越容易。更难的是它周边的一切：找到正确的 API 文档、编写和维护工具函数、构建集成、设置 OAuth、处理令牌刷新，以及调试分页失效之类的边缘情况。
正因如此，团队不断重复构建同样的集成层。即使在同一家公司内部，类似的集成也常常以随意的代码被实现多次，导致安全风险、缺乏流量可观测性以及重复劳动。
连接器通过 MCP 协议，把一个集成打包成单一、可复用的实体，从而解决这个问题。
my_connector = client.beta.connectors.create(
name="salesforce-crm",
description="Salesforce CRM — accounts, contacts, opportunities",
server="https://your-mcp-server.internal/salesforce",
visibility="shared_workspace",
oauth_config={
"client_id": os.environ["SALESFORCE_CLIENT_ID"],
"scopes": ["read_accounts", "read_contacts"],
"redirect_uri": "https://your-app.internal/oauth/callback",
},
)
注册之后，自定义 MCP 连接器即可在 Studio 中被发现、治理&监控，并成为任何对话、智能体或工作流的原生工具——无需重写集成逻辑，无需重新实现认证，也无需在各团队之间重复。一次设置，随时随地运行。将连接器附加到任何对话只需一行：
response = client.beta.conversations.start_async(
model="mistral-medium-latest",
inputs="Which enterprise accounts renewed last quarter?",
tools=[{"type": "connector", "connector_id": "salesforce-crm"}],
)
可运行的黄金路径
让我们构建一个用于多步骤工作流的智能体，它借助与 GitHub、公开仓库内容&文档以及网络实时数据的安全连接，跨多个来源进行推理。该智能体可以理解意图、分析代码并提出修改建议，也可以处理生成测试、重构、找出低效之处、缺陷或漏洞等其他常见用例。
前提条件
pip install mistralai
export MISTRAL_API_KEY="your-api-key"
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
1 - 为公开的远程 MCP 创建连接器
为了查询和探索代码库，我们将使用 DeepWiki 远程服务器，它为 API/工具端点提供了 MCP 接口。这样，智能体无需手动抓取文档或加载整个仓库，就能探索内容和文档。
my_custom_mcp = client.beta.connectors.create_async(
name="my_deepwiki",
description="DeepWiki MCP for code repository exploration",
server="https://mcp.deepwiki.com/mcp",
visibility="shared_workspace",
)
只需注册一次 MCP 服务器，用户就可以在对话、智能体或直接工具调用中复用它。这是任何自定义 MCP 流程的入口。关于如何管理内置和自定义连接器的完整示例，请参阅cookbook：Connectors Management。
2 - 创建智能体
该智能体还应能够连接 GitHub 和网络；用户无需创建这些连接器，因为它们已内置于 Mistral。
请注意，一个连接器可能暴露几十个工具。如果用户想排除可能造成破坏的操作，可以用 tool_configuration 控制工具的可用性，而无需修改连接器本身。更多细节请参阅 Cookbook：Using Connectors in Conversations。
my_agent = client.beta.agents.create_async(
name="deepwiki_agent",
description="Agent for code repository exploration",
model="mistral-small-latest",
instructions="""\ You are an Open-Source Software Auditor. \
当被要求审查某个库或仓库时，你必须完成以下所有任务：
## Final verdict
Based on all three analyses, give a clear recommendation:
- **SAFE TO ADOPT** — no major concerns
- **ADOPT WITH CAUTION** — some concerns to be aware of
- **AVOID** — significant risks identified
Always be thorough and cite your sources.\
""",
tools=[
{"type": "web_search"},
{
"type": "connector",
"connector_id": "github",
"tool_configuration": {"exclude": ["delete_file"]},
},
{"type": "connector", "connector_id": "my_custom_mcp.name"},
],
)
response = await client.beta.conversations.start_async(
agent_id=my_agent.id,
inputs=[
{
"role": "user",
"content": "Please perform full audit on repo pallets/flask",
}
],
)
直接工具调用
并非每个工作流都需要由模型决定何时、如何调用工具。为了获得更具确定性的体验，用户现在可以直接调用连接器。
result = await client.beta.connectors.call_tool_async(
connector_id="my_deepwiki",
tool_name="read_wiki_structure",
arguments={"repoName": "sqlite/sqlite"},
)
print(f"Tool output:\n{result.content}")
这对调试和流水线式自动化尤其有用，因为它能减少歧义。完整模式请参阅cookbook：Connector tool calling。
当需要人工介入时
有些操作未经明确批准不应执行。requires_confirmation 会在工具运行前暂停执行，并把控制权交还给你的应用：
{
"type": "connector",
"connector_id": "gmail",
"tool_configuration": {
"include": ["gmail_search"],
"requires_confirmation": ["gmail_search"]
}
}
模型提出建议，由用户应用决定是否继续。AI 判断与人类判断之间的边界是明确的，并且写在代码里。关于完整的审批流程，包括待处理的工具调用和恢复步骤，请参阅cookbook：Human-in-the-loop Confirmation。
开始构建
你现在可以在 Studio 中使用 Connectors，目前处于公开预览阶段。立即访问 Studio 控制台开始构建：https://console.mistral.ai/build/connectors