如何用約 30 行 TypeScript，以 NestJS 和 Mistral 管理 AI 智能體

Gouverner un agent IA, c'est maîtriser deux choses : le modèle qu'il utilise, et ce qu'il fait dans votre application. Ce tutoriel couvre les deux en une trentaine de lignes de TypeScript, de nest new à un endpoint POST /ask : un modèle Mistral, européen et open source, et un agent déclaré comme un module NestJS avec nestjs-langchain.

Le modèle n'est pas déterministe, mais tout ce qui l'entoure peut l'être : l'agent est configuré en un seul endroit, vérifié au démarrage, et chaque exécution dit ce qu'il a fait.

Testé avec NestJS 12, LangChain 1.x, nestjs-langchain 2.0, @langchain/mistralai 1.2 et Node 22.

Comment ajouter LangChain et Mistral à un projet NestJS ?

Créez l'application, puis installez la bibliothèque et l'intégration Mistral de LangChain :

npx @nestjs/cli new my-app --package-manager npm
cd my-app
npm install nestjs-langchain @langchain/mistralai

npm installe aussi langchain, @langchain/core et zod, les dépendances pairs de la bibliothèque. @langchain/mistralai est le fournisseur : @langchain/openai, @langchain/anthropic ou toute autre intégration de chat LangChain s'utilise de la même façon.

Le fournisseur lit sa clé dans l'environnement. Créez-la dans la console de Mistral AI, puis :

export MISTRAL_API_KEY=...

Comment déclarer l'agent avec un modèle Mistral ?

Importez LangChainModule dans app.module.ts :

import { Module } from '@nestjs/common';
import { LangChainModule } from 'nestjs-langchain';
import { AppController } from './app.controller.js';
import { AppService } from './app.service.js';
import { AskController } from './ask.controller.js';

@Module({
  imports: [
    LangChainModule.register({
      // `fournisseur:modèle` ; le fournisseur lit MISTRAL_API_KEY.
      model: { model: 'mistralai:mistral-small-latest' },
      systemPrompt: 'Tu es un assistant utile. Réponds en un paragraphe.',
    }),
  ],
  controllers: [AppController, AskController],
  providers: [AppService],
})
export class AppModule {}

model nomme le fournisseur et le modèle. mistral-small-latest suffit pour commencer et sait appeler des outils, ce qui servira plus loin ; mistralai:mistral-large-latest donne le plus grand modèle de Mistral. Passer à OpenAI, c'est openai:gpt-5-mini avec @langchain/openai installé.

Pourquoi Mistral pour gouverner le modèle ?

Parce que vous choisissez où il tourne, et sous quelle licence :

• Un éditeur européen. Mistral AI est une société française, et par défaut les données envoyées à son API sont hébergées dans l'Union européenne.
• Des poids ouverts. Mistral Small est publié sous licence Apache 2.0 : vous pouvez l'exécuter sur vos propres serveurs.

Avec Ollama, seule la ligne model change : plus de clé d'API, et vos données restent sur votre infrastructure.

npm install @langchain/ollama
ollama pull mistral-small3.2

model: { model: 'ollama:mistral-small3.2' },

Le reste de la chaîne est open source aussi : NestJS, LangChain et nestjs-langchain sont sous licence MIT.

Comment appeler l'agent depuis un contrôleur ?

Injectez Agent comme n'importe quel provider, dans un nouveau ask.controller.ts :

import { Body, Controller, Post } from '@nestjs/common';
import { Agent } from 'nestjs-langchain';

@Controller('ask')
export class AskController {
  constructor(private readonly agent: Agent) {}

  @Post()
  async ask(@Body('question') question: string): Promise<string> {
    const { output } = await this.agent.run(question);
    return output;
  }
}

En plus de output, la réponse, run() renvoie les outils appelés par le modèle, les tokens utilisés et la durée de l'exécution.

Démarrez l'application et posez une question :

npm run start:dev

curl -X POST http://localhost:3000/ask \
  -H 'Content-Type: application/json' \
  -d '{"question": "À quoi sert un module NestJS ?"}'

La réponse est celle de Mistral, en texte brut.

Comment gouverner ce que fait l'agent ?

En le traitant comme le reste du backend : nestjs-langchain le range dans un module Nest, avec les mêmes règles.

• Une configuration, vérifiée au démarrage. Fournisseur, modèle et prompt sont dans le module, et registerAsync les lit dans ConfigService. Une clé manquante bloque le démarrage, comme plus haut.
• Un agent par usage. Chaque agent a son nom, son prompt et ses outils, et s'injecte avec @InjectAgent() : le chatbot public et l'agent du back-office restent séparés.
• Seulement les outils que vous déclarez. L'agent n'appelle que les méthodes @Tool() des modules listés dans tools, et vérifie leurs arguments avant chaque appel.
• Chaque exécution se lit. run() renvoie les outils appelés, les tokens et la durée ; un observer les envoie dans vos logs.
• Des tests sans clé Mistral. Le fakeModel() de LangChain remplace le modèle en CI.

Pour un simple appel à un modèle, LangChain seul suffit. Le module sert dès que l'agent touche votre application et que vous devez savoir ce qu'il fait.

Ensuite : donner des outils à l'agent

Un agent devient utile quand il agit sur votre application. Avec @Tool(), une méthode de service devient un outil que Mistral peut appeler :

@Injectable()
export class MathService {
  @Tool({ description: 'Additionne deux nombres.' })
  add(
    @ToolParam({ name: 'a' }) a: number,
    @ToolParam({ name: 'b' }) b: number,
  ): number {
    return a + b;
  }
}

Puis tools: [MathModule] dans register() le donne à l'agent. Les détails se trouvent dans la série complète : AI agents with NestJS.

• Le code de cet article : nestjs-ai-agent-example, tag part-1, avec OpenAI ; pour Mistral, installez @langchain/mistralai et changez la ligne model
• Paquet : nestjs-langchain sur npm
• Code source, issues et étoiles : GitHub