AREX Feed Article
Mistral Studio 上线托管智能体与应用，运行时可由 Mistral 接管
11 月 5 日，Mistral AI 的宣布：Mistral Studio 现在提供托管智能体（managed agents）与应用（apps），并为工作流（workflows）、企业连接（enterprise connections）、可观测性（observability）与评估（evaluations）增加新能力。帖文配了一段 30 秒视频，用「Le Chonk 出脑子，Mistral Studio 让它跑起来」区分模型与平台，再用三句话概括卖点：更快构建，部署在你选的地方，保持控制。
帖文没有展开细节，同一天上线的补上了。按博客的说法，Studio 把三类东西放在同一套基础设施上：会自己调查并动手的 agent、负责编排步骤与审批的 workflow、给员工用的 app。三者共用模型接入、连接器、运行时和观测。托管智能体与 Agents SDK 目前是公开预览，提示 API、行为和限制都可能变化，一次更新就可能要求改代码。
三种东西，同一套基础设施
博客给出的分工是：agent 负责调查与执行，workflow 负责协调执行和审批，app 负责给人一个使用的界面。三者都从同一个模型出发，通过连接器和 MCP server 接到企业数据与系统上；Studio 负责托管运行，并让人回看发生了什么。新上线的 Mistral MCP server 让开发者用 Mistral Vibe 或自己惯用的编码 agent 来搭，本地测试后用一条命令部署到 Studio 环境。
Le Chonk 是 Mistral Large 4 的代号。Mistral 在 10 月 29 日的里把它描述为 1 万亿参数的原生多模态模型，并放出了权重。博客的入门建议是「挑一个团队想改进的流程，把 Le Chonk 放进 Studio」。
同一个 agent，三种跑法
Managed Agents 文档把 agent 拆成四样东西：模型；harness，也就是跑 agent loop、调工具、记录每一步的那层；session，消息、工具调用和结果的记录；以及 environment，一个能跑 shell、改文件的沙箱，默认不配。同一份代码有三种跑法：在自己的进程里跑，用于开发和测试；用 agents serve 在自己的机器或集群上跑一个 worker；用 agents deploy 交给 Mistral，从 git 构建并托管 worker。
后两种模式里，session 都由 Mistral 存储，团队不用自己维护数据库。写明，会话默认在 24 小时后结束，或在空闲 4 小时后结束（没有 turn 在跑，或 turn 只在等人），两个上限都能调高。等人的审批默认等 1 小时，app 关掉也不影响，回来还能接上。追踪在部署模式下默认打开，本地模式默认关闭。
工作流靠描述生成，应用受套餐配额限制
Workflows 的新东西在建造方式：在 Mistral Vibe 里用自然语言描述流程，Vibe 生成、测试并部署，生成的代码可以打开看、可以直接改。这次发布还加了来自企业系统的事件触发器和可视化流程图。说明它跑混合模式：Mistral 托管编排器，负责状态、历史与任务分发；工作流和 activity 代码跑在客户自己的环境里；底层用 Temporal 做持久化执行；企业客户的 Studio 环境还可以跑在私有云或本地。Workflows 同样处于公开预览。
Apps 是这次同时推出的另一部分。按 ，一个 app 可以把前端、API、数据库、agent 和 workflow 打成一个可部署项目，前端可选，Studio 提供托管、身份认证和访问控制。命令行用 mistral apps init 起项目、mistral apps dev 本地跑、mistral apps deploy 部署；默认预设会生成一个 Web 前端、一个 Python API、一个 Postgres 数据库和一个 workflow worker。
给了一张按套餐划分的配额表：Free 0 个，未开按量付费的 Pro 和 Team 0 个，开了按量付费 3 个，Enterprise 10 个。每个 app 最多 3 个前端加后端模块，可以有一个 Postgres 17 托管库。
连接、追踪、评估：另外三项
「企业连接」是 X 帖文里的词，博客同一批更新用的是「企业上下文」。里，连接器就是一个登记过的 MCP server，模型自己发现工具并按需调用。里，连接器不只说 MCP，也能说 HTTP：登记一个 Web API、描述它的操作即可，不必再自己搭一个 MCP server 包一层。同一页还列了托管搜索索引（给一个名字、一个 embedding 模型和可选 schema，就得到一个托管向量索引），以及 Secrets Manager，带工作区级角色权限、版本轮换和审计日志，处于公开预览。
可观测性这块写得具体：说每个请求是一条 OpenTelemetry trace，树状 span 带着输入、输出、延迟、token 数和状态，追踪保留 30 天。托管 agent 的 span 默认发送，不需要额外装包或配置；离开 worker 之前会按默认规则脱敏，也可以自定义策略。在 Trace Explorer 里，一个 span 可以一键变成数据集里的一条记录，拿去评估。
评估在发布记录里的形态是：mistralai-evaluations SDK 和 workflow 的 eval 插件跑离线评估，结果存进 Studio，可以按项目和 run 浏览、比较版本；数据集能从 CSV 或 JSONL 上传，也能从线上 trace 批量生成；在线评估直接对生产流量打分，用来在客户报障之前发现回归。
七个客户名字，两组内部数字
博客列出七个已在生产环境使用 Studio 的客户与合作伙伴：ABANCA、Accenture、Alten、BNP Paribas、Capgemini、CMA CGM 和 Tata Consultancy Services。这是 Mistral 的单方说法。随附引语里，BNP Paribas 的 AI 与 IT 创新主管 Su YANG 说：「我们构建的 AI 系统跑着一些最敏感的流程，所以把 Mistral Studio 跑在自己的基础设施上，把这些系统握在自己手里。」Capgemini 的首席战略与发展官 Fernando Alvarez 把难点放在别处：「企业级 agent 系统难的不是模型，是运营模型。」博客引用的另一位客户高管、CMA CGM 的 AI 副总裁 Julien Smadja 称，每个新自动化的流程「几周而不是几个月」就能上生产。
Mistral 还给了两组自报数字：工程团队用 Studio 搭的故障调查 agent 按 runbook（运行手册）走、敏感操作前请求批准、把结论发到 Slack，每月省下「数百小时」；产品运营团队用来给内部想法和客户反馈分类、按规则分派的 workflow，每周省约 35 小时。这两组数字没有第三方核算，只能当作厂商口径看。
崩溃之后，退款可能发两次
Mistral 把持久执行当成托管的核心卖点，把代价写在同一页：worker 中途停掉时，正在跑的那一步结果是未知的。模型调用会重发；工具调用不会重发，大约一分钟后模型收到一个错误，然后可能再调一次。于是有副作用的工具会执行两次，必须做成幂等，即同样的输入重复调用，效果与调用一次相同。hook 同理。
文档给出的做法是给下游服务传一个从请求推导出的幂等键，比如退款用订单号；服务认出重复的键，返回第一次的结果，而不是再执行一次。下游不接受幂等键时，要先写一张带唯一约束的表，写入成功才执行。文档还提醒，单靠「这件事做过没有」的先查后写不够，两个并发调用可能同时通过检查。
这套要求落在写工具的人身上：退款接口要认订单号，下单接口要认请求 ID，工单系统要能拒绝重复创建。崩溃发生时已经发出去、结果还没记进 session 的那次调用，文档写的是「结果未知」；幂等键的作用，是让下一次调用不会把同一笔钱再退一遍。