Powiedz swojemu agentowi jedno zdanie, uzyskaj 500+ modeli

Krótko mówiąc AIHubMix teraz dostarcza zestaw powierzchni dostępu czytelnych dla agentów: twój agent kodujący może odkrywać modele, generować wywołania i weryfikować je samodzielnie, a następnie przekazać ci skonfigurowaną sesję Playground. Aby rozpocząć, wystarczy jedno zdanie do twojego agenta: Fetch https://aihubmix.com/agents.md and follow it. Pełna lista punktów dostępu znajduje się w dokumentacji Agent Access.

Coraz więcej deweloperów prowadzi swoje agentowe przepływy pracy za pomocą agentów kodujących, takich jak Claude Code, Codex i Cursor: wybieranie modeli, pisanie wywołań i dostosowywanie parametrów są delegowane. Bramki AIHubMix AI umieszczają 500+ modeli za jednym kluczem API w czterech protokołach, w tym punktach końcowych zgodnych z OpenAI, a ta wersja pozwala twojemu agentowi czytać to wszystko bezpośrednio.

Co zostało wydane?

• agents.md: przewodnik wprowadzający napisany dla agentów do wykonania, obejmujący kluczowe kontrole, odkrywanie modeli na żywo, wywołania per protokół, weryfikację end-to-end i rozwiązywanie problemów.
• Per-model llms.txt: 850+ modeli, każdy z przewodnikiem integracyjnym w formacie maszynowym pod stałym adresem (https://aihubmix.com/model/{model_id}/llms.txt); chip llms.txt na każdej stronie modelu prowadzi bezpośrednio do niego.
• Umiejętność Playground i linki przekazania: Umiejętność przekazuje próbę, dostosowywanie, porównanie i generowanie mediów twojemu agentowi; głębokie linki pozwalają agentowi przekazać skonfigurowaną sesję z powrotem do twojej przeglądarki, a parametr ?models= otwiera do 6 gotowych do uruchomienia kart modeli z jednego linku.

Dlaczego agenci potrzebują dostępu czytelnego dla maszyn?

Kiedy agent zgaduje identyfikatory modeli, ceny i parametry z pamięci treningowej, wywołania, które produkuje, mają tendencję do niepowodzenia: przestarzałe pisownie identyfikatorów, nieobsługiwane parametry, nieaktualne ceny. Powierzchnie czytelne dla maszyn dostarczają agentowi te informacje na żywo i w ustrukturyzowanej formie. Weź llms.txt dla gemini-3.7-flash: jedno pobranie daje agentowi wszystkie fakty, których potrzebuje, aby wygenerować poprawne wywołanie:

- Deweloper: Google
- Okno kontekstowe: 1,048,576 tokenów
- Modalności wejściowe: tekst, obraz, dźwięk, wideo
- Możliwości: Myślenie, Streaming, Wywoływanie narzędzi, Wyszukiwanie w sieci, Kontekst URL,
  Interpreter kodu, Użycie komputera, Wyszukiwanie plików, Ustrukturyzowane wyjścia, Pamięć podręczna podpowiedzi
- Ceny: $0.75/M tokenów wejściowych, $3.75/M tokenów wyjściowych, $0.075/M pamięci podręcznej wejściowej

Ten plik jest dostępny na żywo teraz: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt weryfikuje to. Zasada weryfikacji w agents.md wymaga również, aby agenci sprawdzali ciało odpowiedzi i powtórzony model; sam HTTP 200 nie liczy się jako sukces.

Pełne przejście: wybór modelu, porównanie A vs B i przekazanie

Powiedz, że potrzebujesz modelu czatu o niskim koszcie dla bota wsparcia klienta. Najpierw przekaż umiejętność swojemu agentowi:

Run curl -fsSL https://aihubmix.com/skills/playground and follow it.

Krok 1: odkrywanie modeli na żywo. Agent przegląda katalog modeli bez autoryzacji, filtruje kandydatów według ceny i możliwości, a następnie pobiera llms.txt każdego kandydata, aby potwierdzić wsparcie dla wywoływania narzędzi i ustrukturyzowanych wyjść.

Krok 2: porównanie z tymi samymi podpowiedziami. Agent uruchamia tę samą podpowiedź dla każdego kandydata i raportuje rzeczywiste wyjścia, zmierzoną latencję i ceny katalogowe dla każdego modelu. Umiejętność ma wbudowane ujawnienie kosztów: przed wywołaniami zbiorczymi agent podaje cenę i pyta o twoją zgodę.

Krok 3: przekaż to z powrotem do ciebie. Agent generuje głęboki link do Playground. Otwórz go w swojej przeglądarce, a sesja jest już skonfigurowana: model, parametry i systemowa podpowiedź są na miejscu, z roboczym szkicem wypełnionym w kompozytorze, ale nie wysłanym. To, czy zostanie uruchomiona, zależy od ciebie.

Dwa prawdziwe linki, które możesz otworzyć teraz:

• Otwórz dwie gotowe do uruchomienia karty modeli z jednego linku (parametr ?models=, do 6; przełączaj między kartami)
• Potrzebujesz specyfikacji i cen obok siebie? Agent może również przekazać link porównawczy z głównej strony, taki jak Gemini 3.7 Flash vs Claude Opus 4.1 (wzór compare/{a}/{b}, również wymieniony w każdym llms.txt)
• Głęboki link wygenerowany w Kroku 3 tego przewodnika (scenariusz wsparcia klienta: systemowa podpowiedź, parametry i szkic kompozytora są już na miejscu; zrzut ekranu powyżej to ten link otwarty)

Z punktu widzenia agenta cały przepływ to cztery polecenia, każde możliwe do zweryfikowania przez kopiowanie i wklejanie:

# 1. Przeczytaj przewodnik wprowadzający
curl -s https://aihubmix.com/agents.md
# 2. Przeczytaj katalog na żywo, aby wybrać kandydatów
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Przeczytaj przewodnik maszyny kandydata
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Minimalne rzeczywiste wywołanie w celu weryfikacji łączności (ciało musi zawierać dokładnie żądaną odpowiedź)
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}'

W tym przepływie robisz dokładnie dwie rzeczy: wysyłasz jedno zdanie do swojego agenta i przejmujesz wynik w swojej przeglądarce. Spróbuj teraz:

Fetch https://aihubmix.com/agents.md and follow it.

Który punkt dostępu do jakiej pracy?

Jakie zasady projektowania są stosowane?

• Publikowane są tylko zweryfikowane informacje. llms.txt modelu zawiera informacje o możliwościach i punktach końcowych tylko po weryfikacji; modele, które nie zostały jeszcze zweryfikowane, mają krótką notatkę wskazującą na katalog na żywo i schematy parametrów, bez niezweryfikowanych twierdzeń.
• Głębokie linki nie zawierają danych uwierzytelniających i działają dokładnie raz. Parametry linku są usuwane z paska adresu po załadowaniu, a ładunek nigdy nie zawiera klucza.
• Koszty są ujawniane przed wydaniem pieniędzy. Umiejętność wymaga od agenta podania cen katalogowych i zapytania o zgodę przed wywołaniami zbiorczymi i generowaniem mediów.

Co dalej?

Punkt końcowy MCP obecnie obsługuje generację obrazów, a szerszy zakres możliwości jest w trakcie realizacji; weryfikacja modeli nadal się rozwija, a llms.txt nowo zweryfikowanego modelu automatycznie aktualizuje się do pełnego przewodnika. Jeśli napotkasz coś dziwnego, powiedz nam przez Opinie.

FAQ

Czy te punkty dostępu wymagają danych uwierzytelniających?

Każda powierzchnia czytelna dla maszyn (agents.md, llms.txt, llms.txt per model, plik umiejętności, katalog modeli) jest czytelna bez autoryzacji. Klucz API AIHubMix jest potrzebny tylko do rzeczywistych wywołań modeli: przekaż go przez zmienną środowiskową, utworzoną w konsoli.

Które agenty są obsługiwane?

Każdy asystent kodowania, który może uruchamiać polecenia powłoki lub pobierać adresy URL, w tym Claude Code, Codex, Cursor, Cline, Gemini CLI i OpenCode. Plik umiejętności podąża za otwartą specyfikacją umiejętności agentów i może być również zainstalowany za pomocą npx skills add AIhubmix/skills.

Gdzie jest pełna lista punktów dostępu?

Zobacz Agent Access w dokumentacji: agents.md, strona i llms.txt per model, obie adresy umiejętności Playground, formaty parametrów głębokich linków oraz pakiety generacji kodu, każdy z poleceniem do kopiowania i wklejania.

Wyślij to zdanie do swojego agenta i zacznij teraz:

Fetch https://aihubmix.com/agents.md and follow it.