> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 追踪 Mistral 应用

[Mistral](https://mistral.ai/) 通过简洁的 API 提供对开源权重语言模型的托管访问。

本指南将展示如何使用 LangSmith 追踪 Mistral API 调用，从而记录提示词、响应和元数据，以便进行调试和可观测性。追踪数据会通过 [LangSmith SDK](https://reference.langchain.com/python/langsmith/) 和标准的跨度（span）检测直接发送到 LangSmith。

## 安装

安装 Mistral 官方库和 LangSmith：

<CodeGroup>
  ```bash Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  pip install mistralai langsmith
  ```

  ```bash JavaScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
  npm install @mistralai/mistralai langsmith dotenv
  ```
</CodeGroup>

[`mistralai`](https://docs.mistral.ai/getting-started/clients) 提供了用于与 Mistral API 交互的 Mistral 客户端。

## 设置

设置你的 [API 密钥](/langsmith/create-account-api-key) 和项目名称：

```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
export MISTRAL_API_KEY="<你的_mistral_api_密钥>"
export LANGSMITH_TRACING="true"
export LANGSMITH_API_KEY="<你的_langsmith_api_密钥>"
export LANGSMITH_PROJECT="<你的项目名称>"  # 可选
```

* 确保你已从 [Mistral AI 账户](https://v2.auth.mistral.ai/login) 获取 Mistral API 密钥（将其设置为 `MISTRAL_API_KEY`）。
* 设置 `LANGSMITH_TRACING=true` 并提供你的 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。在你的脚本中，创建一个 Mistral 客户端，并将调用包装在一个被追踪的函数中：

   <CodeGroup>
     ```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
     import os
     from mistralai import Mistral
     from langsmith import traceable

     # 使用你的 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

     # 使用示例
     result = query_mistral("你好，最近怎么样？")
     print("Mistral 响应：", 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: "用一句话简短地问候一下。" },
         ],
       });

       console.log(response);
     }

     main();
     ```
   </CodeGroup>

   在此示例中，你使用 [Mistral SDK](https://docs.mistral.ai/getting-started/clients) 发送聊天补全请求（包含用户提示词）并获取模型的回答。

   [`@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，使得每次调用都会被记录为一个类型为 `"llm"` 的追踪运行。`metadata={"ls_provider": "mistral", "ls_model_name": "mistral-medium-latest"}` 为追踪打上了提供者（Mistral）和模型名称的标签。

   你也可以参考 [LangSmith JavaScript SDK](https://reference.langchain.com/javascript/modules/langsmith.html)。

2. 执行你的脚本以生成追踪。例如：

   <CodeGroup>
     ```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
     ```
   </CodeGroup>

   `query_mistral("你好，最近怎么样？")` 调用将访问 Mistral API，并且由于 `@traceable`/`traceable` 包装器的存在，LangSmith 会将此调用的输入和输出记录为新的追踪。你将在控制台看到模型的响应，并在 [LangSmith](https://smith.langchain.com) 中看到相应的运行记录。

## 在 LangSmith 中查看追踪

运行示例后，你可以在 [LangSmith UI](https://smith.langchain.com) 中检查记录的追踪：

1. 打开 LangSmith UI 并登录你的账户。
2. 选择你为此集成使用的项目（例如，在 `LANGSMITH_PROJECT` 中设置的名称，如果未设置则使用默认项目）。
3. 找到与你的 Mistral API 调用对应的追踪。它将通过函数名（`query_mistral`）或自定义名称（如果提供）来标识。
4. 点击追踪以打开它。你将能够检查模型的输入和输出，包括你发送的提示词消息和 Mistral 的响应，以及时间信息（延迟）和任何错误详情（如果调用失败）。

借助 LangSmith 的追踪功能，你可以完全掌握 Mistral 调用的可见性——从而能够调试 Mistral 模型的行为、监控性能（例如响应时间和令牌使用情况），并使用元数据标签比较不同参数的运行。

## 成本追踪

尽管 Mistral 模型是开源权重的，但使用托管的 Mistral API 可能会根据你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 调用时，LangSmith 使用记录的提示词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中。

要为 LLM 调用启用自动成本追踪，请参考 [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，成本会直接显示在 LangSmith UI 中每个追踪的 Mistral 运行旁边，以便你监控使用情况并随时间比较实验。

***

<div className="source-links">
  <Callout icon="edit">
    [Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\langsmith\trace-with-mistral.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose).
  </Callout>

  <Callout icon="terminal-2">
    [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.
  </Callout>
</div>