今天我们发布 Studio 中的连接器（Connectors），旨在帮助开发者构建基于企业数据的高度定制化 AI 应用。所有内置连接器以及自定义 MCP 现在均可通过 API/SDK 使用，适用于所有模型和智能体调用。

我们还引入了直接工具调用功能，让开发者能够精确控制工具的调用方式和时机，且无需担心身份验证障碍影响测试与迭代。此外，您现在可以实现人工审核（human-in-the-loop）审批流程，在工具执行前进行安全审查和确认，从而兼顾灵活性与治理要求。

• 通过编程方式，您可以创建、修改、列出和删除连接器，同时还能列出其工具并直接运行它们。

• 所有连接器均集中注册，可在 Mistral 应用（LeChat 和 AI Studio，Vibe 即将支持）中跨平台使用。

• 通过 Conversation API、Completions API 和 Agent SDK 的使用，现在可以支持复杂的工作流以及与 CRM、知识库和生产力工具等企业系统的集成。

集成存在于平台中，而非您的代码中。

构建企业级 AI 智能体正变得越来越容易。但更困难的部分在于它们周围的一切：查找正确的 API 文档、编写和维护工具函数、构建集成、设置 OAuth、处理 token 刷新，以及调试分页异常等边界情况。

正因如此，团队不断重复构建相同的集成层。即便在同一家公司内，类似的集成也常常在任意代码中被多次实现，从而导致安全风险、缺乏流量可观测性以及工作重复。

连接器通过使用 MCP 协议将集成封装为单一、可复用的实体来解决这一问题。

my_connector = client.beta.connectors.create( name="salesforce-crm", description="Salesforce CRM — 账户、联系人、商机", 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", }, )

注册完成后，自定义 MCP 连接器即可在 Studio 中被发现、治理和监控，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、无需重新实现身份验证、也无需在团队间重复配置。一次设置，即可随时随地持续运行。将连接器附加到任何对话只需一行代码：

response = client.beta.conversations.start_async( model="mistral-medium-latest", inputs="哪些企业账户在上个季度续约了？", tools=[{"type": "connector", "connector_id": "salesforce-crm"}],)

一条可执行的黄金路径

让我们构建一个智能体，用于执行基于多源推理的多步骤工作流——该智能体可安全连接 GitHub、公共仓库内容与文档，以及来自网络的实时数据。该智能体能够理解意图、分析代码并提出修改建议，同时还能处理生成测试、重构、识别低效代码、缺陷或漏洞等其他常见用例。

前置条件

pip install mistralaiexport MISTRAL_API_KEY="your-api-key"client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

1 - 为公共远程 MCP 创建连接器

为了查询和探索代码库，我们将利用 DeepWiki 远程服务器，该服务器提供了面向 API/工具端点的 MCP 接口。这样一来，智能体无需手动抓取文档或加载整个仓库，即可探索代码内容与文档。

my_custom_mcp = client.beta.connectors.create_async( name="my_deepwiki", description="用于代码仓库探索的 DeepWiki MCP", server="https://mcp.deepwiki.com/mcp", visibility="shared_workspace",)

只需注册一次 MCP 服务器，用户即可在多个对话、智能体或直接工具调用中重复使用它。这是任何自定义 MCP 流程的入口点。关于如何管理内置和自定义连接器的完整示例，请参阅指南：连接器管理。

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 中。

请注意，一个连接器可以暴露数十个工具。如果用户希望排除可能具有破坏性的操作，`tool_configuration` 可以在不修改连接器本身的情况下控制工具的可用性。更多详情请参见《操作指南：在对话中使用连接器》。

my_agent = client.beta.agents.create_async( name="deepwiki_agent", description="用于代码仓库探索的智能体", model="mistral-small-latest", instructions="""\ 你是一名开源软件审计员。\

当被要求审查某个库或仓库时，你**必须**执行以下**所有**任务：

## Final verdictBased 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模型来决定何时以及如何调用工具。为了获得更确定性的体验，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"工具输出：\n{result.content}")

这对于调试和限制不确定性的流水线式自动化尤其有用。完整模式请参见《操作指南：连接器工具调用》。

当需要人工介入时

某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，并将控制权交还给你的应用程序：

{ "type": "connector", "connector_id": "gmail", "tool_configuration": { "include": ["gmail_search"], "requires_confirmation": ["gmail_search"] }}

模型提出建议，用户应用程序决定是否继续。AI 判断与人类判断之间的界限是明确的，并以代码形式呈现。有关完整的审批流程（包括待处理的工具调用和恢复步骤），请参见《操作指南：人工确认》。

开始构建

你现在可以在 Studio（公开预览版）中使用连接器。立即访问 Studio 控制台开始构建：https://console.mistral.ai/build/connectors

• 发布文档

• 关于各种常见使用模式的操作指南