Tl;dr AIHubMix levert nu een reeks agent-leesbare toegangspunten: je coding-agent kan zelfstandig modellen ontdekken, aanroepen genereren en verifiëren, en daarna een vooraf geconfigureerde Playground-sessie teruggeven aan jou. Aan de slag gaan is één zin voor je agent: Fetch https://aihubmix.com/agents.md and follow it. De volledige lijst met toegangspunten staat in de documentatie Agent Access.
Steeds meer ontwikkelaars draaien hun agentische workflows via coding-agents zoals Claude Code, Codex en Cursor: het kiezen van modellen, het schrijven van aanroepen en het afstellen van parameters wordt allemaal gedelegeerd. De AIHubMix AI-gateway zet 800+ modellen achter één API-sleutel, verspreid over vier wire-protocollen, inclusief OpenAI-compatibele endpoints, en met deze release kan je agent al die informatie direct lezen.
Wat is er uitgebracht?
- agents.md: een onboardinggids die bedoeld is om door agents uitgevoerd te worden. Ze behandelt sleutelcontroles, live modelontdekking, aanroepen per protocol, verificatie van begin tot eind en probleemoplossing.
- Llms.txt per model: 850+ modellen, elk met een machineleesbare integratiegids op een vast adres (
https://aihubmix.com/model/{model_id}/llms.txt); dellms.txt-chip op elke modelpagina linkt rechtstreeks ernaartoe. - Playground Skill en overdrachtslinks: de Skill geeft het testen, afstellen, vergelijken en genereren van media aan je agent; deep links laten de agent een vooraf geconfigureerde sessie terugbezorgen aan je browser, en de parameter
?models=opent via één link tot 6 kant-en-klare modeltabbladen.
Waarom hebben agents machineleesbare toegang nodig?
Wanneer een agent modelID's, prijzen en parameters uit zijn trainingsgeheugen raadt, falen de aanroepen die hij maakt vaak: verouderde ID-spellingen, niet-ondersteunde parameters, verouderde prijzen. Machineleesbare toegangspunten geven de agent deze informatie live en gestructureerd. Neem de llms.txt voor gemini-3.7-flash: één fetch geeft een agent alle feiten die hij nodig heeft om een correcte aanroep te genereren:
- Developer: Google
- Context window: 1,048,576 tokens
- Input modalities: text, image, audio, video
- Capabilities: Thinking, Streaming, Tool calling, Web search, URL context,
Code interpreter, Computer use, File search, Structured outputs, Prompt caching
- Pricing: $0.75/M input tokens, $3.75/M output tokens, $0.075/M cached input
Dit bestand is nu live: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt verifieert het. De verificatieregel in agents.md vereist ook dat agents de responsbody en het teruggegeven model controleren; een HTTP 200 alleen telt niet als succes.
Een volledige doorloop: modelkeuze, A-versus-B-vergelijking en overdracht
Stel dat je een goedkoop chatmodel nodig hebt voor een klantenservice-bot. Geef eerst de Skill aan je agent:
Run curl -fsSL https://aihubmix.com/skills/playground and follow it.
Stap 1: live modelontdekking. De agent leest de catalogus van modellen zonder authenticatie, filtert kandidaten op prijs en mogelijkheden en haalt vervolgens de llms.txt van elke kandidaat op om ondersteuning voor tool calling en gestructureerde outputs te bevestigen.
Stap 2: vergelijking met dezelfde prompt. De agent voert dezelfde prompt uit op elke kandidaat en rapporteert de daadwerkelijke outputs, de gemeten latentie en de catalogusprijs per model. De Skill heeft kostenvermelding ingebouwd: voordat batchaanroepen worden gedaan, geeft de agent de prijs op en vraagt hij om je goedkeuring.
Stap 3: terug naar jou. De agent genereert een Playground-deep link. Open die in je browser en de sessie is al geconfigureerd: model, parameters en systeemprompt staan goed, met een concept vooraf ingevuld in de composer maar niet verzonden. Of het wordt verzonden, beslis jij.

Twee echte links die je nu kunt openen:
- Open twee kant-en-klare modeltabbladen via één link (de parameter
?models=, tot 6; schakel tussen tabbladen) - Specificaties en prijzen naast elkaar nodig? De agent kan ook een vergelijkingslink op de hoofdsite geven, zoals Gemini 3.7 Flash vs Claude Opus 4.1 (het patroon
compare/{a}/{b}, ook vermeld in elke llms.txt) - De deep link die is gemaakt in stap 3 van deze doorloop (het klantenservicescenario: systeemprompt, parameters en het concept in de composer staan er allemaal in; de screenshot hierboven is deze link geopend)
Vanuit het perspectief van de agent bestaat de hele flow uit vier commando's, die elk met kopiëren en plakken te verifiëren zijn:
# 1. Read the onboarding guide
curl -s https://aihubmix.com/agents.md
# 2. Read the live catalog to pick candidates
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Read a candidate's machine-readable guide
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Minimal real call to verify connectivity (the body must contain the exact requested reply)
curl -s https://aihubmix.com/v1/chat/completions \
-H "Authorization: Bearer $AIHUBMIX_API_KEY" -H "Content-Type: application/json" \
-d '{"model":"gemini-3.7-flash","messages":[{"role":"user","content":"Reply with exactly: AIHubMix is connected"}],"max_tokens":64}'
In deze flow doe je precies twee dingen: stuur één zin naar je agent en neem het resultaat over in je browser. Probeer het nu:
Fetch https://aihubmix.com/agents.md and follow it.

Welk toegangspunt voor welke taak?
| Je wilt | Gebruik |
|---|---|
| AIHubMix in een project integreren | agents.md |
| Je agent één specifiek model leren | het llms.txt-bestand van dat model (de chip op de pagina, of het vaste adres) |
| Uitproberen, afstellen, vergelijken, media genereren | de Playground Skill |
| Een geconfigureerde sessie of een set modellen teruggeven aan een mens | Playground deep links (?config= voor een vooraf geconfigureerde sessie, ?models= om meerdere tabbladen te openen) |
| Een mens de specificaties en prijzen van twee modellen naast elkaar laten zien | de vergelijkingspagina, aihubmix.com/compare/{a}/{b} (bijvoorbeeld GLM 5.3 vs GLM 5.2) |
Welke ontwerpprincipes liggen hieraan ten grondslag?
- Alleen geverifieerde informatie wordt gepubliceerd. De llms.txt van een model bevat pas claims over mogelijkheden en endpoints na verificatie; modellen die nog niet zijn geverifieerd tonen een korte melding die naar de live catalogus en parameterschema's verwijst, zonder ongeverifieerde claims.
- Deep links bevatten geen inloggegevens en werken precies één keer. Linkparameters worden bij het laden uit de adresbalk gewist, en de payload bevat nooit een sleutel.
- Kosten worden vermeld voordat er geld wordt uitgegeven. De Skill vereist dat de agent catalogusprijzen opgeeft en toestemming vraagt voordat batchaanroepen en mediagenerktóre worden uitgevoerd.
Wat is de volgende stap?
Het MCP-eindpunt biedt momenteel beeldgeneratie; bredere dekking van mogelijkheden is in ontwikkeling. Modelverificatie breidt steeds verder uit, en de llms.txt van een nieuw geverifieerd model wordt automatisch een volledige gids. Als je iets vreemds tegenkomt, laat het ons weten via Feedback.
Veelgestelde vragen
Vereisen deze toegangspunten inloggegevens?
Elk machineleesbaar toegangspunt (agents.md, llms.txt, llms.txt per model, het Skill-bestand, de modelcatalogus) is zonder enige authenticatie leesbaar. Een AIHubMix-API-sleutel is alleen nodig voor echte modelaanroepen: geef die door via een omgevingsvariabele, aangemaakt in de console.
Welke agents worden ondersteund?
Elke coding-assistent die shellcommando's kan uitvoeren of URL's kan ophalen, waaronder Claude Code, Codex, Cursor, Cline, Gemini CLI en OpenCode. Het Skill-bestand volgt de open Agent Skills-specificatie en kan ook worden geïnstalleerd met npx skills add AIhubmix/skills.
Waar vind ik de volledige lijst met toegangspunten?
Zie Agent Access in de documentatie: agents.md, de site- en llms.txt-bestanden per model, beide adressen van de Playground Skill, de parameterformaten van deep links en de pakketten voor codegeneratie, elk met een kopieer-en-plakcommando.
Stuur deze zin naar je agent en begin nu:
Fetch https://aihubmix.com/agents.md and follow it.



