Diga ao seu Agente Uma Frase, Obtenha 500+ Modelos

Resumo O AIHubMix agora oferece um conjunto de superfícies de acesso legíveis por agentes: seu agente de codificação pode descobrir modelos, gerar chamadas e verificá-las por conta própria, e então devolver uma sessão de Playground pré-configurada para você. Para começar, é uma frase para o seu agente: Fetch https://aihubmix.com/agents.md and follow it. A lista completa de pontos de entrada está nos documentos de Acesso do Agente.

Cada vez mais desenvolvedores executam seus fluxos de trabalho de agente através de agentes de codificação como Claude Code, Codex e Cursor: escolher modelos, escrever chamadas e ajustar parâmetros são todas delegadas. O gateway AIHubMix AI coloca mais de 500 modelos atrás de uma chave de API em quatro protocolos de comunicação, incluindo endpoints compatíveis com OpenAI, e este lançamento permite que seu agente leia tudo isso diretamente.

O que foi lançado?

• agents.md: um guia de integração escrito para agentes executarem, cobrindo verificações chave, descoberta de modelos ao vivo, chamadas por protocolo, verificação de ponta a ponta e solução de problemas.
• llms.txt por modelo: 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 chip llms.txt em cada página de modelo se conecta diretamente a ele.
• Habilidade de Playground e links de transferência: a Habilidade entrega teste, ajuste, comparação e geração de mídia para seu agente; links diretos permitem que o agente devolva uma sessão pré-configurada para seu navegador, e o parâmetro ?models= abre até 6 abas de modelos prontos para rodar a partir de um link.

Por que os agentes precisam de acesso legível por máquina?

Quando um agente adivinha IDs de modelos, preços e parâmetros a partir de sua memória de treinamento, as chamadas que ele produz tendem a falhar: grafias de ID desatualizadas, parâmetros não suportados, preços desatualizados. Superfícies legíveis por máquina fornecem ao agente essas informações ao vivo e estruturadas. Pegue o llms.txt para gemini-3.7-flash: uma busca fornece ao agente todos os fatos que ele precisa para gerar uma chamada correta:

- Desenvolvedor: Google
- Janela de contexto: 1.048.576 tokens
- Modalidades de entrada: texto, imagem, áudio, vídeo
- Capacidades: Pensamento, Streaming, Chamada de ferramenta, Pesquisa na web, Contexto de URL,
  Intérprete de código, Uso de computador, Pesquisa de arquivos, Saídas estruturadas, Cache de prompt
- Preços: $0.75/M tokens de entrada, $3.75/M tokens de saída, $0.075/M entrada em cache

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

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

Diga que você precisa de um modelo de chat de baixo custo para um bot de suporte ao cliente. Entregue a Habilidade ao seu agente primeiro:

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

Passo 1: descoberta de modelo ao vivo. O agente lê o catálogo de modelos sem autenticação, filtra candidatos por preço e capacidade, e então busca o llms.txt de cada candidato para confirmar suporte para chamada de ferramenta e saídas estruturadas.

Passo 2: comparação de mesmo prompt. O agente executa o mesmo prompt contra cada candidato e relata saídas reais, latência medida e preços do catálogo por modelo. A Habilidade tem divulgação de custos embutida: antes de chamadas em lote, o agente cita o preço e pede sua aprovação.

Passo 3: devolvê-lo a você. O agente gera um link direto do Playground. Abra-o em seu navegador e a sessão já está configurada: modelo, parâmetros e prompt do sistema em vigor, com um rascunho preenchido no compositor, mas não enviado. Se será enviado, é sua decisão.

Dois links reais que você pode abrir agora:

• Abra duas abas de modelos prontos para rodar a partir de um link (o parâmetro ?models=, até 6; troque entre as abas)
• Precisa de especificações e preços lado a lado? O agente também pode entregar um link de comparação do site principal, como Gemini 3.7 Flash vs Claude Opus 4.1 (o padrão compare/{a}/{b}, também listado em cada llms.txt)
• O link direto produzido pelo Passo 3 deste guia (o cenário de suporte ao cliente: prompt do sistema, parâmetros e rascunho do compositor todos em vigor; a captura de tela acima é este link aberto)

Do ponto de vista do agente, todo o fluxo é quatro comandos, cada um verificável por cópia e colagem:

# 1. Leia o guia de integração
curl -s https://aihubmix.com/agents.md
# 2. Leia o catálogo ao vivo para escolher candidatos
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Leia o guia legível por máquina de um candidato
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Chamada real mínima para verificar conectividade (o corpo deve conter a resposta exata solicitada)
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}'

Você faz exatamente duas coisas neste fluxo: envia uma frase para seu agente e assume o resultado em seu navegador. Experimente agora:

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

Qual ponto de entrada para qual trabalho?

Quais princípios de design estes seguem?

• Apenas informações verificadas são publicadas. O llms.txt de um modelo carrega reivindicações de capacidade e endpoint apenas após verificação; modelos ainda não verificados servem um aviso curto apontando para o catálogo ao vivo e esquemas de parâmetros, sem reivindicações não verificadas.
• Links diretos não carregam credenciais e funcionam exatamente uma vez. Os parâmetros do link são limpos da barra de endereços ao carregar, e a carga nunca contém uma chave.
• Os custos são divulgados antes que o dinheiro seja gasto. A Habilidade exige que o agente cite os preços do catálogo e peça consentimento antes de chamadas em lote e geração de mídia.

O que vem a seguir?

O endpoint MCP atualmente serve geração de imagens, com cobertura de capacidade 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, nos avise através de Feedback.

FAQ

Esses pontos de entrada requerem credenciais?

Cada superfície legível por máquina (agents.md, llms.txt, llms.txt por modelo, o arquivo da Habilidade, o catálogo de modelos) é legível sem autenticação alguma. Uma chave de API do AIHubMix é necessária apenas para chamadas reais de modelo: passe-a através de uma variável de ambiente, criada no console.

Quais agentes são suportados?

Qualquer assistente de codificação que possa executar comandos de shell ou buscar URLs, incluindo Claude Code, Codex, Cursor, Cline, Gemini CLI e OpenCode. O arquivo da Habilidade segue a especificação aberta de Habilidades de Agente e também pode ser instalado com npx skills add AIhubmix/skills.

Onde está a lista completa de pontos de entrada?

Veja Acesso do Agente na documentação: agents.md, llms.txt do site e por modelo, ambos os endereços da Habilidade de Playground, formatos de parâmetros de links diretos e os pacotes de geração de código, cada um com um comando para copiar e colar.

Envie esta frase para seu agente e comece agora:

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