Diga uma frase ao seu agente e tenha acesso a mais de 800 modelos

Acesso legível por agentes no gateway de IA da AIHubMix: agents.md, llms.txt para mais de 850 modelos, uma Agent Skill, MCP e deep links para Claude Code, Codex e Cursor.

AIHubMix5 min de leitura
Diga uma frase ao seu agente e tenha acesso a mais de 800 modelos

Resumo A AIHubMix agora oferece um conjunto de pontos de acesso legíveis por agentes: o seu agente de programação pode descobrir modelos, gerar chamadas e verificá-las por conta própria, e depois devolver a você uma sessão do Playground já pré-configurada. Para começar, basta uma frase ao seu agente: Fetch https://aihubmix.com/agents.md and follow it. A lista completa de pontos de entrada está nos documentos de Agent Access.

Cada vez mais desenvolvedores executam seus fluxos de trabalho agênticos por meio de agentes de programação como Claude Code, Codex e Cursor: escolher modelos, escrever chamadas e ajustar parâmetros são tarefas delegadas. O gateway de IA da AIHubMix disponibiliza mais de 800 modelos com uma única chave de API, em quatro protocolos de comunicação, incluindo endpoints compatíveis com OpenAI, e esta versão permite que seu agente leia tudo isso diretamente.

O que foi lançado?

  • agents.md: um guia de integração escrito para ser executado por agentes, cobrindo verificação de chaves, descoberta de modelos em tempo real, chamadas por protocolo, verificação de ponta a ponta e solução de problemas.
  • llms.txt por modelo: mais de 850 modelos, cada um com um guia de integração legível por máquina em um endereço fixo (https://aihubmix.com/model/{model_id}/llms.txt); o botão llms.txt em cada página de modelo leva diretamente a ele.
  • Skill do Playground e links de transferência: a Skill entrega ao seu agente testes, ajustes, comparações e geração de mídia; os deep links permitem que o agente devolva uma sessão pré-configurada ao seu navegador, e o parâmetro ?models= abre até 6 abas de modelos prontas para uso a partir de um único link.

Por que os agentes precisam de acesso legível por máquina?

Quando um agente adivinha IDs de modelos, preços e parâmetros a partir da memória de treinamento, as chamadas que ele produz tendem a falhar: grafias de ID desatualizadas, parâmetros não suportados, preços obsoletos. Interfaces legíveis por máquina fornecem essas informações ao agente em tempo real e de forma estruturada. Tome como exemplo o llms.txt do gemini-3.7-flash: uma única requisição dá ao agente todos os dados necessários para gerar uma chamada correta:

- 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

Este arquivo já está disponível: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt permite verificá-lo. A regra de verificação em agents.md também exige que os agentes inspecionem o corpo da resposta e o modelo retornado; um HTTP 200 sozinho não conta como sucesso.

Um passo a passo completo: escolha de modelo, comparação A vs B e transferência

Suponha que você precise de um modelo de chat de baixo custo para um bot de atendimento ao cliente. Primeiro, entregue a Skill ao seu agente:

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

Passo 1: descoberta de modelos em tempo real. O agente lê o catálogo de modelos sem autenticação, filtra os candidatos por preço e capacidade e, em seguida, busca o llms.txt de cada candidato para confirmar o suporte a chamadas de ferramentas e saídas estruturadas.

Passo 2: comparação com o mesmo prompt. O agente executa o mesmo prompt em cada candidato e informa as saídas reais, a latência medida e o preço de catálogo de cada modelo. A Skill tem divulgação de custos embutida: antes de chamadas em lote, o agente informa o preço e pede a sua autorização.

Passo 3: devolver a você. O agente gera um deep link do Playground. Ao abri-lo no navegador, a sessão já está configurada: modelo, parâmetros e prompt de sistema definidos, com um rascunho preenchido no campo de mensagem, mas não enviado. Enviar ou não fica a seu critério.

Dois links reais que você pode abrir agora:

Do ponto de vista do agente, todo o fluxo consiste em quatro comandos, cada um verificável por copiar e colar:

# 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}'

Neste fluxo, você faz exatamente duas coisas: envia uma frase ao seu agente e assume o resultado no seu navegador. Experimente agora:

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

Qual ponto de entrada para cada tarefa?

Você quer Use
Integrar a AIHubMix a um projeto agents.md
Ensinar ao seu agente um modelo específico o llms.txt desse modelo (o botão na página dele, ou o endereço fixo)
Testar, ajustar, comparar, gerar mídia a Skill do Playground
Devolver uma sessão configurada ou um conjunto de modelos a uma pessoa Deep links do Playground (?config= para uma sessão pré-configurada, ?models= para abrir várias abas)
Mostrar a uma pessoa as especificações e os preços de dois modelos lado a lado a página de comparação, aihubmix.com/compare/{a}/{b} (por exemplo GLM 5.3 vs GLM 5.2)

Quais princípios de design eles seguem?

  • Somente informações verificadas são publicadas. O llms.txt de um modelo traz afirmações sobre capacidades e endpoints apenas após verificação; modelos ainda não verificados exibem um breve aviso apontando para o catálogo em tempo real e os esquemas de parâmetros, sem nenhuma afirmação não verificada.
  • Deep links não carregam credenciais e funcionam exatamente uma vez. Os parâmetros do link são removidos da barra de endereço ao carregar, e o payload nunca contém uma chave.
  • Os custos são divulgados antes de qualquer gasto. A Skill exige que o agente informe os preços de catálogo e peça consentimento antes de chamadas em lote e de geração de mídia.

O que vem a seguir?

O endpoint MCP atualmente oferece geração de imagens, com cobertura de capacidades mais ampla em andamento; a verificação de modelos continua se expandindo, e o llms.txt de um modelo recém-verificado é atualizado automaticamente para um guia completo. Se você encontrar algo estranho, informe-nos por meio de Feedback.

Perguntas frequentes

Esses pontos de entrada exigem credenciais?

Todas as interfaces legíveis por máquina (agents.md, llms.txt, llms.txt por modelo, o arquivo da Skill e o catálogo de modelos) podem ser lidas sem qualquer autenticação. Uma chave de API da AIHubMix só é necessária para chamadas reais de modelos: passe-a por meio de uma variável de ambiente, criada no console.

Quais agentes são suportados?

Qualquer assistente de programação capaz de executar comandos de shell ou buscar URLs, incluindo Claude Code, Codex, Cursor, Cline, Gemini CLI e OpenCode. O arquivo da Skill segue a especificação aberta Agent Skills e também pode ser instalado com npx skills add AIhubmix/skills.

Onde está a lista completa de pontos de entrada?

Veja Agent Access na documentação: agents.md, llms.txt do site e por modelo, os dois endereços da Skill do Playground, o formato dos parâmetros dos deep links e os pacotes de geração de código, cada um com um comando para copiar e colar.


Envie esta frase ao seu agente e comece agora:

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

Um só gateway para vários provedores de IA. Feito para produção.

Acessar AIHubMix