Powiedz swojemu agentowi jedno zdanie, a otrzymasz ponad 800 modeli"

Dostęp czytelny dla agentów w bramce AI AIHubMix: agents.md, llms.txt dla ponad 850 modeli, Agent Skill, MCP oraz linki głębokie dla Claude Code, Codex i Cursor.

AIHubMix5 min czytania
Powiedz swojemu agentowi jedno zdanie, a otrzymasz ponad 800 modeli"

Tl;dr AIHubMix udostępnia teraz zestaw punktów dostępu czytelnych dla agentów: Twój agent do kodowania może samodzielnie odkrywać modele, generować wywołania i je weryfikować, a następnie przekazać Ci gotową, wstępnie skonfigurowaną sesję Playground. Aby zacząć, wystarczy jedno zdanie dla agenta: Fetch https://aihubmix.com/agents.md and follow it. Pełna lista punktów wejścia znajduje się w dokumentacji Agent Access.

Coraz więcej deweloperów uruchamia swoje przepływy agentowe za pośrednictwem agentów do kodowania, takich jak Claude Code, Codex i Cursor: wybór modeli, pisanie wywołań i dostrajanie parametrów są delegowane. Bramka AI AIHubMix udostępnia ponad 800 modeli za jednym kluczem API w czterech protokołach sieciowych, w tym w punktach zgodnych z OpenAI, a ta wersja pozwala Twojemu agentowi odczytać je wszystkie bezpośrednio.

Co zostało wdrożone?

  • agents.md: przewodnik wdrożeniowy napisany z myślą o tym, by agent mógł go wykonać, obejmujący sprawdzanie kluczy, bieżące odkrywanie modeli, wywołania dla poszczególnych protokołów, weryfikację end-to-end oraz rozwiązywanie problemów.
  • llms.txt dla każdego modelu: ponad 850 modeli, z których każdy ma czytelny maszynowo przewodnik integracji pod stałym adresem (https://aihubmix.com/model/{model_id}/llms.txt); znacznik llms.txt na każdej stronie modelu prowadzi bezpośrednio do tego pliku.
  • Skill dla Playground i linki przekazania: Skill przekazuje agentowi testowanie, dostrajanie, porównywanie i generowanie mediów; linki głębokie pozwalają agentowi przekazać gotową, wstępnie 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 maszynowo?

Gdy agent zgaduje identyfikatory modeli, ceny i parametry na podstawie swojej pamięci z treningu, wywołania, które generuje, zwykle kończą się błędem: nieaktualna pisownia identyfikatorów, nieobsługiwane parametry, przestarzałe ceny. Powierzchnie czytelne maszynowo dostarczają agentowi te informacje na żywo i w ustrukturyzowanej formie. Weźmy llms.txt dla gemini-3.7-flash: jedno pobranie daje agentowi wszystkie informacje potrzebne do wygenerowania poprawnego wywołania:

- 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

Ten plik jest już dostępny: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt go weryfikuje. Reguła weryfikacji w agents.md wymaga również, by agenci sprawdzali treść odpowiedzi oraz zwrócony identyfikator modelu; sama odpowiedź HTTP 200 nie oznacza sukcesu.

Pełne omówienie: wybór modelu, porównanie A kontra B i przekazanie

Załóżmy, że potrzebujesz taniego modelu czatu dla bota obsługi klienta. Najpierw przekaż Skill swojemu agentowi:

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

Krok 1: bieżące odkrywanie modeli. Agent odczytuje katalog modeli dostępny bez uwierzytelnienia, filtruje kandydatów według ceny i możliwości, a następnie pobiera llms.txt każdego kandydata, aby potwierdzić obsługę wywoływania narzędzi i ustrukturyzowanych wyników.

Krok 2: porównanie z tym samym promptem. Agent uruchamia ten sam prompt na każdym kandydacie i raportuje rzeczywiste wyniki, zmierzone opóźnienie oraz ceny z katalogu dla każdego modelu. Skill ma wbudowane ujawnianie kosztów: przed wywołaniami wsadowymi agent podaje cenę i prosi Cię o zgodę.

Krok 3: przekazanie z powrotem do Ciebie. Agent generuje link głęboki do Playground. Otwierasz go w przeglądarce i sesja jest już skonfigurowana: model, parametry i prompt systemowy na miejscu, a szkic jest wpisany w pole wiadomości, ale nie wysłany. To, czy zostanie wysłany, zależy od Ciebie.

Dwa prawdziwe linki, które możesz otworzyć od razu:

Z punktu widzenia agenta cały przepływ składa się z czterech poleceń, każde możliwe do zweryfikowania przez skopiowanie:

# 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}'

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

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

Który punkt wejścia do jakiego zadania?

Chcesz Użyj
Zintegrować AIHubMix z projektem agents.md
Nauczyć agenta jednego konkretnego modelu dla tego modelu llms.txt (przycisk na jego stronie lub stały adres)
Testować, dostrajać, porównywać, generować media Skill dla Playground
Przekazać skonfigurowaną sesję lub zestaw modeli człowiekowi Linki głębokie Playground (?config= dla wstępnie skonfigurowanej sesji, ?models= do otwarcia wielu kart)
Pokazać człowiekowi specyfikacje i ceny dwóch modeli obok siebie strona porównania, aihubmix.com/compare/{a}/{b} (na przykład GLM 5.3 vs GLM 5.2)

Jakie zasady projektowe za tym stoją?

  • Publikowane są wyłącznie zweryfikowane informacje. Plik llms.txt modelu zawiera twierdzenia o możliwościach i punktach końcowych dopiero po weryfikacji; modele jeszcze niezweryfikowane wyświetlają krótką informację kierującą do aktualnego katalogu i schematów parametrów, bez niezweryfikowanych twierdzeń.
  • Linki głębokie 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. Skill wymaga, aby agent podał ceny z katalogu i poprosił o zgodę przed wywołaniami wsadowymi oraz generowaniem mediów.

Co dalej?

Punkt końcowy MCP obecnie obsługuje generowanie obrazów, a szersze pokrycie możliwości jest w toku; weryfikacja modeli stale się rozszerza, a llms.txt nowo zweryfikowanego modelu automatycznie przechodzi na pełny przewodnik. Jeśli napotkasz coś dziwnego, daj nam znać przez Feedback.

FAQ

Czy te punkty wejścia wymagają danych uwierzytelniających?

Każda powierzchnia czytelna maszynowo (agents.md, llms.txt, llms.txt dla poszczególnych modeli, plik Skill, katalog modeli) jest dostępna do odczytu bez żadnego uwierzytelnienia. Klucz API AIHubMix jest potrzebny wyłącznie do rzeczywistych wywołań modeli: przekazuj go przez zmienną środowiskową, utworzoną w konsoli.

Jakie agenty są obsługiwane?

Każdy asystent do kodowania, który potrafi uruchamiać polecenia powłoki lub pobierać adresy URL, w tym Claude Code, Codex, Cursor, Cline, Gemini CLI i OpenCode. Plik Skill jest zgodny z otwartą specyfikacją Agent Skills i można go zainstalować poleceniem npx skills add AIhubmix/skills.

Gdzie znajduje się pełna lista punktów wejścia?

Zobacz Agent Access w dokumentacji: agents.md, llms.txt strony i poszczególnych modeli, oba adresy Skill dla Playground, formaty parametrów linków głębokich oraz pakiety do generowania kodu, każdy z gotowym poleceniem do skopiowania.


Wyślij to zdanie swojemu agentowi i zacznij teraz:

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

Jedna brama do wielu dostawców AI. Stworzona z myślą o produkcji.

Odwiedź AIHubMix