Tl;dr AIHubMix levert nu een set van agent-leesbare toegangspunten: je coderingsagent kan modellen ontdekken, oproepen genereren en deze zelf verifiëren, en vervolgens een vooraf geconfigureerde Playground-sessie aan jou teruggeven. Beginnen is één zin naar je agent: Fetch https://aihubmix.com/agents.md and follow it. De volledige lijst van toegangspunten staat in de Agent Access documentatie.
Steeds meer ontwikkelaars voeren hun agentische workflows uit via coderingsagenten zoals Claude Code, Codex en Cursor: het kiezen van modellen, het schrijven van oproepen en het afstemmen van parameters worden allemaal gedelegeerd. De AIHubMix AI-gateway plaatst 500+ modellen achter één API-sleutel via vier draadprotocollen, inclusief OpenAI-compatibele eindpunten, en deze release stelt je agent in staat om alles direct te lezen.
Wat is er geleverd?
- agents.md: een onboardinggids geschreven voor agenten om uit te voeren, die belangrijke controles, live modelontdekking, oproepen per protocol, end-to-end verificatie en probleemoplossing behandelt.
- Per-model llms.txt: 850+ modellen, elk met een machine-leesbare integratiehandleiding op een vast adres (
https://aihubmix.com/model/{model_id}/llms.txt); dellms.txtchip op elke modelpagina linkt er rechtstreeks naartoe. - Playground Skill en overdrachtlinks: de Skill geeft proef, afstemming, vergelijking en media-generatie aan je agent; diepe links stellen de agent in staat om een vooraf geconfigureerde sessie terug te geven aan je browser, en de
?models=parameter opent tot 6 klaar-om-te-run modeltabs vanuit één link.
Waarom hebben agenten machine-leesbare toegang nodig?
Wanneer een agent model-ID's, prijzen en parameters uit zijn trainingsgeheugen raadt, hebben de oproepen die het produceert de neiging om te falen: verouderde ID-spellings, niet-ondersteunde parameters, verouderde prijzen. Machine-leesbare oppervlakken geven de agent deze informatie live en gestructureerd. Neem de llms.txt voor gemini-3.7-flash: één fetch geeft een agent elk feit dat het nodig heeft om een correcte oproep te genereren:
- Ontwikkelaar: Google
- Contextvenster: 1.048.576 tokens
- Invoermodaliteiten: tekst, afbeelding, audio, video
- Capaciteiten: Denken, Streamen, Tool-aanroep, Webzoektocht, URL-context,
Code-interpreter, Computergebruik, Bestandszoektocht, Gestructureerde outputs, Prompt-caching
- Prijzen: $0.75/M invoertokens, $3.75/M uitvoertokens, $0.075/M gecachte invoer
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 agenten de response body en het weergegeven model inspecteren; een HTTP 200 alleen telt niet als succes.
Een volledige walkthrough: model kiezen, A vs B vergelijking en overdracht
Run curl -fsSL https://aihubmix.com/skills/playground and follow it.
Stap 1: live modelontdekking. De agent leest de no-auth modelcatalogus, filtert kandidaten op prijs en capaciteit, en haalt vervolgens de llms.txt van elke kandidaat op om ondersteuning voor tool-aanroepen en gestructureerde outputs te bevestigen.
Stap 2: vergelijking met dezelfde prompt. De agent voert dezelfde prompt uit tegen elke kandidaat en rapporteert de werkelijke outputs, gemeten latentie en catalogusprijzen per model. De Skill heeft kosten openbaarmaking ingebouwd: voordat batchoproepen worden gedaan, geeft de agent de prijs op en vraagt om jouw goedkeuring.
Stap 3: geef het terug aan jou. De agent genereert een Playground diepe link. Open het in je browser en de sessie is al geconfigureerd: model, parameters en systeemprompt zijn ingesteld, met een concept dat is ingevuld in de composer maar nog niet is verzonden. Of het wordt verzonden is jouw keuze.
Twee echte links die je nu kunt openen:
- Open twee klaar-om-te-run modeltabs vanuit één link (de
?models=parameter, tot 6; wissel tussen tabs) - Heb je specificaties en prijzen naast elkaar nodig? De agent kan ook een hoofdsite vergelijklink overhandigen, zoals Gemini 3.7 Flash vs Claude Opus 4.1 (de
compare/{a}/{b}patroon, ook vermeld in elke llms.txt) - De diepe link geproduceerd door Stap 3 van deze walkthrough (de klantenservice-scenario: systeemprompt, parameters en composerconcept allemaal ingesteld; de screenshot hierboven is deze link geopend)
Vanuit het perspectief van de agent is de hele flow vier commando's, elk copy-paste verifieerbaar:
# 1. Lees de onboardinggids
curl -s https://aihubmix.com/agents.md
# 2. Lees de live catalogus om kandidaten te kiezen
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Lees de machine-leesbare gids van een kandidaat
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Minimale echte oproep om de connectiviteit te verifiëren (de body moet de exact gevraagde reactie bevatten)
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}'
Je doet precies twee dingen in deze flow: 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 integreren in een project | agents.md |
| Je agent één specifiek model leren | de llms.txt van dat model (de chip op zijn pagina, of het vaste adres) |
| Proberen, afstemmen, vergelijken, media genereren | de Playground Skill |
| Een geconfigureerde sessie of een set modellen teruggeven aan een mens | Playground diepe links (?config= voor een vooraf geconfigureerde sessie, ?models= om meerdere tabs te openen) |
| Twee modellen specificaties en prijzen naast elkaar tonen | de vergelijkpagina, aihubmix.com/compare/{a}/{b} (bijvoorbeeld GLM 5.3 vs GLM 5.2) |
Welke ontwerpprincipes volgen deze?
- Alleen geverifieerde informatie wordt gepubliceerd. Een model's llms.txt bevat capaciteits- en eindpuntclaims alleen na verificatie; modellen die nog niet zijn geverifieerd tonen een korte melding die naar de live catalogus en parameterschema's wijst, zonder ongeverifieerde claims.
- Diepe links bevatten geen inloggegevens en werken precies één keer. Linkparameters worden gewist uit de adresbalk bij het laden, en de payload bevat nooit een sleutel.
- Kosten worden openbaar gemaakt voordat er geld wordt uitgegeven. De Skill vereist dat de agent catalogusprijzen opgeven en om toestemming vraagt voordat batchoproepen en media-generatie plaatsvinden.
Wat is de volgende stap?
De MCP-eindpunt biedt momenteel afbeeldingsgeneratie, met bredere capaciteitsdekking in uitvoering; modelverificatie blijft uitbreiden, en de llms.txt van een nieuw geverifieerd model wordt automatisch geüpgraded naar een volledige gids. Als je iets vreemds tegenkomt, laat het ons weten via Feedback.
FAQ
Vereisen deze toegangspunten inloggegevens?
Elke machine-leesbare oppervlakte (agents.md, llms.txt, per-model llms.txt, het Skill-bestand, de modelcatalogus) is leesbaar zonder enige authenticatie. Een AIHubMix API-sleutel is alleen nodig voor echte modeloproepen: geef deze door via een omgevingsvariabele, aangemaakt in de console.
Welke agenten worden ondersteund?
Elke coderingsassistent die shell-opdrachten kan uitvoeren of URL's kan ophalen, inclusief 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 is de volledige lijst van toegangspunten?
Zie Agent Access in de documentatie: agents.md, site- en per-model llms.txt, beide Playground Skill-adressen, diepe linkparameterformaten, en de codegeneratiepakketten, elk met een copy-paste commando.
Stuur deze zin naar je agent en begin nu:
Fetch https://aihubmix.com/agents.md and follow it.
