Mistral AI API Python Rehberi 2026: Sifirdan Yapay Zeka Gelistirme

Adım Adım API Key Alma / Step by Step

1. console.mistral.ai adresine gidin (go to console.mistral.ai)
2. "Sign Up" veya "Log In" ile hesap açın (create or login account)
3. Sol menüden "API Keys" bölümüne gelin
4. "Create API Key" butonuna tıklayın
5. Key'i kopyalayın ve güvenli yerde saklayın — bir daha gösterilmeyecek! (copy and save it — won't be shown again!)

Environment Variable Olarak Kaydet / Save as Environment Variable

# Linux/macOS
export MISTRAL_API_KEY="your_api_key_here"

# Windows (PowerShell)
$env:MISTRAL_API_KEY = "your_api_key_here"

# .env dosyasına kaydet (ya da .env file)
MISTRAL_API_KEY=your_api_key_here
# .gitignore'a .env ekleyin! (add .env to .gitignore!)

mistralai Paketi Kurulumu / Install mistralai Package

# Önce sanal ortam oluşturun (best practice)
# First create a virtual environment
python -m venv mistral-env
source mistral-env/bin/activate  # Linux/macOS
# mistral-env\Scripts\activate  # Windows

# mistralai SDK'yı kurun / Install mistralai SDK
pip install mistralai

# Versiyon kontrolü / Check version
pip show mistralai

# python-dotenv ile .env desteği (optional)
pip install python-dotenv

Temel Kullanım / Basic Usage

import os
from mistralai import Mistral

# Client başlat / Initialize client
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Chat completion isteği / Chat completion request
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": "Sen Alesta Web'in yapay zeka asistanısın. "
                       "Teknik soruları Türkçe ve İngilizce olarak yanıtlıyorsun."
        },
        {
            "role": "user",
            "content": "Python'da liste comprehension nasıl kullanılır?"
        }
    ]
)

# Yanıtı al / Get response
print(response.choices[0].message.content)
print(f"Kullanılan token / Tokens used: {response.usage.total_tokens}")

Çok Turlu Sohbet / Multi-Turn Conversation

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Konuşma geçmişi tut / Keep conversation history
conversation_history = [
    {"role": "system", "content": "Sen yardımcı bir asistansın."}
]

def chat(user_message: str) -> str:
    conversation_history.append({
        "role": "user",
        "content": user_message
    })

    response = client.chat.complete(
        model="mistral-small-latest",  # Düşük maliyetli (low cost)
        messages=conversation_history
    )

    assistant_msg = response.choices[0].message.content
    conversation_history.append({
        "role": "assistant",
        "content": assistant_msg
    })

    return assistant_msg

# Kullanım / Usage
print(chat("Merhaba! Python öğrenmek istiyorum."))
print(chat("Değişkenlerden başlayalım mı?"))

Streaming ile Chat / Chat with Streaming

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Streaming response
with client.chat.stream(
    model="mistral-large-latest",
    messages=[{"role": "user", "content": "Kubernetes nedir? Detaylı anlat."}]
) as stream:
    for event in stream:
        if event.data.choices:
            delta = event.data.choices[0].delta
            if delta.content:
                print(delta.content, end="", flush=True)

print()  # Yeni satır / New line

Async Streaming (Üretim için Önerilen) / Async Streaming (Recommended for Production)

import asyncio
import os
from mistralai import Mistral

async def stream_response(prompt: str):
    client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

    async with client.chat.stream_async(
        model="mistral-large-latest",
        messages=[{"role": "user", "content": prompt}]
    ) as stream:
        async for event in stream:
            if event.data.choices:
                delta = event.data.choices[0].delta
                if delta.content:
                    print(delta.content, end="", flush=True)

asyncio.run(stream_response("Docker Compose nasıl kullanılır?"))

Embeddings Örneği / Embeddings Example

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Metinleri vektöre dönüştür / Convert texts to vectors
texts = [
    "Alesta Web yazılım geliştirme hizmetleri sunar.",
    "Python programlama dili veri biliminde kullanılır.",
    "Docker container yönetimi için kullanılan bir araçtır."
]

response = client.embeddings.create(
    model="mistral-embed",
    inputs=texts  # Dikkat: 'input' değil 'inputs' (Note: 'inputs' not 'input')
)

# Her metnin vektörü 1024 boyutlu
for i, embedding in enumerate(response.data):
    print(f"Metin {i+1} vektör boyutu / Vector dimension: {len(embedding.embedding)}")
    # Çıktı: 1024

# Benzerlik hesaplama / Similarity calculation
import numpy as np

def cosine_similarity(a, b):
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

vec1 = response.data[0].embedding
vec2 = response.data[1].embedding
similarity = cosine_similarity(vec1, vec2)
print(f"Benzerlik skoru / Similarity score: {similarity:.4f}")

Codestral ile Kod Üretimi / Code Generation with Codestral

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Python fonksiyon üretimi / Generate Python function
response = client.chat.complete(
    model="codestral-latest",
    messages=[
        {
            "role": "user",
            "content": """
            Python'da aşağıdaki fonksiyonu yaz:
            - Input: Liste ve hedef sayı
            - Output: Listede hedef sayının indeksini döndür
            - Eğer yoksa -1 döndür
            - Type hints kullan
            """
        }
    ],
    temperature=0.1  # Düşük: daha deterministik kod (Low: more deterministic code)
)

print(response.choices[0].message.content)

Fill-in-the-Middle (FIM) ile Kod Tamamlama

from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Kodun başını ve sonunu verin, ortasını Codestral tamamlasın
# Provide start and end, Codestral fills the middle
response = client.fim.complete(
    model="codestral-latest",
    prompt="def calculate_fibonacci(n: int) -> int:\n    ",
    suffix="\n    return result"
)

print(response.choices[0].message.content)