Скажите своему агенту одно предложение, получите 500+ моделей

Кратко AIHubMix теперь предоставляет набор интерфейсов для доступа, читаемых агентами: ваш кодирующий агент может находить модели, генерировать вызовы и проверять их самостоятельно, а затем возвращать вам предварительно настроенную сессию Playground. Начать можно с одного предложения вашему агенту: Fetch https://aihubmix.com/agents.md and follow it. Полный список точек доступа находится в документации Agent Access.

Все больше разработчиков используют свои агентные рабочие процессы через кодирующие агенты, такие как Claude Code, Codex и Cursor: выбор моделей, написание вызовов и настройка параметров делегируются. AIHubMix AI шлюз ставит более 500 моделей за одним API-ключом через четыре протокола передачи данных, включая совместимые с OpenAI конечные точки, и этот релиз позволяет вашему агенту читать все это напрямую.

Что было выпущено?

• agents.md: руководство по внедрению, написанное для выполнения агентами, охватывающее ключевые проверки, живое обнаружение моделей, вызовы по протоколам, полную проверку и устранение неполадок.
• Per-model llms.txt: 850+ моделей, каждая с машинно-читаемым руководством по интеграции по фиксированному адресу (https://aihubmix.com/model/{model_id}/llms.txt); чип llms.txt на каждой странице модели ссылается прямо на него.
• Навык Playground и ссылки на передачу: Навык передает вашему агенту пробный, настройку, сравнение и генерацию медиа; глубокие ссылки позволяют агенту вернуть предварительно настроенную сессию обратно в ваш браузер, а параметр ?models= открывает до 6 готовых к запуску вкладок моделей из одной ссылки.

Почему агентам нужен доступ, читаемый машиной?

Когда агент угадывает идентификаторы моделей, цены и параметры из своей обучающей памяти, вызовы, которые он производит, как правило, терпят неудачу: устаревшие написания идентификаторов, неподдерживаемые параметры, устаревшие цены. Машинно-читаемые интерфейсы предоставляют агенту эту информацию в реальном времени и структурированно. Возьмите llms.txt для gemini-3.7-flash: один запрос дает агенту все факты, необходимые для генерации правильного вызова:

- Разработчик: Google
- Контекстное окно: 1,048,576 токенов
- Входные модальности: текст, изображение, аудио, видео
- Возможности: Мышление, Потоковая передача, Вызов инструментов, Поиск в интернете, Контекст URL,
  Интерпретатор кода, Использование компьютера, Поиск файлов, Структурированные выходные данные, Кэширование подсказок
- Цены: $0.75/M входных токенов, $3.75/M выходных токенов, $0.075/M кэшированного ввода

Этот файл доступен прямо сейчас: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt подтверждает это. Правило проверки в agents.md также требует от агентов проверки тела ответа и эхо модели; HTTP 200 сам по себе не считается успехом.

Полное руководство: выбор модели, сравнение A против B и передача

Предположим, вам нужна недорогая модель чата для бота поддержки клиентов. Сначала передайте Навык вашему агенту:

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

Шаг 1: живое обнаружение моделей. Агент читает каталог моделей без авторизации, фильтрует кандидатов по цене и возможностям, затем запрашивает llms.txt каждого кандидата, чтобы подтвердить поддержку вызова инструментов и структурированных выходных данных.

Шаг 2: сравнение с одинаковыми подсказками. Агент запускает одну и ту же подсказку для каждого кандидата и сообщает фактические выходные данные, измеренную задержку и цены в каталоге для каждой модели. Навык имеет встроенное раскрытие стоимости: перед пакетными вызовами агент сообщает цену и запрашивает ваше согласие.

Шаг 3: вернуть это вам. Агент генерирует глубокую ссылку на Playground. Откройте ее в вашем браузере, и сессия уже настроена: модель, параметры и системная подсказка на месте, с черновиком, предварительно заполненным в композере, но не отправленным. Запустится ли она — ваше решение.

Две реальные ссылки, которые вы можете открыть прямо сейчас:

• Откройте две готовые к запуску вкладки моделей из одной ссылки (параметр ?models=, до 6; переключайтесь между вкладками)
• Нужны спецификации и цены рядом? Агент также может передать ссылку на сравнение на главном сайте, такую как Gemini 3.7 Flash против Claude Opus 4.1 (шаблон compare/{a}/{b}, также указанный в каждом llms.txt)
• Глубокая ссылка, созданная на Шаге 3 этого руководства (сценарий поддержки клиентов: системная подсказка, параметры и черновик композера уже на месте; скриншот выше — это открытая ссылка)

С точки зрения агента весь процесс состоит из четырех команд, каждая из которых можно проверить копированием и вставкой:

# 1. Прочитать руководство по внедрению
curl -s https://aihubmix.com/agents.md
# 2. Прочитать живой каталог для выбора кандидатов
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Прочитать машинно-читаемое руководство кандидата
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Минимальный реальный вызов для проверки подключения (тело должно содержать точно запрашиваемый ответ)
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}'

Вы делаете ровно две вещи в этом процессе: отправляете одно предложение своему агенту и берете результат в своем браузере. Попробуйте сейчас:

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

Какую точку доступа использовать для какой задачи?

Какие принципы дизайна они следуют?

• Публикуется только проверенная информация. llms.txt модели содержит утверждения о возможностях и конечных точках только после проверки; модели, которые еще не проверены, служат коротким уведомлением, указывающим на живой каталог и схемы параметров, без неподтвержденных утверждений.
• Глубокие ссылки не содержат учетных данных и работают ровно один раз. Параметры ссылки очищаются из адресной строки при загрузке, а полезная нагрузка никогда не содержит ключа.
• Расходы раскрываются до того, как деньги будут потрачены. Навык требует от агента сообщить цены из каталога и запросить согласие перед пакетными вызовами и генерацией медиа.

Что дальше?

Конечная точка MCP в настоящее время обслуживает генерацию изображений, с более широким охватом возможностей в процессе; проверка моделей продолжает расширяться, и llms.txt новой проверенной модели автоматически обновляется до полного руководства. Если вы столкнетесь с чем-то странным, сообщите нам через Обратная связь.

Часто задаваемые вопросы

Требуются ли учетные данные для этих точек доступа?

Каждый машинно-читаемый интерфейс (agents.md, llms.txt, llms.txt для каждой модели, файл Навыка, каталог моделей) доступен без авторизации. API-ключ AIHubMix нужен только для реальных вызовов моделей: передайте его через переменную окружения, созданную в консоли.

Какие агенты поддерживаются?

Любой кодирующий помощник, который может выполнять команды оболочки или получать URL, включая Claude Code, Codex, Cursor, Cline, Gemini CLI и OpenCode. Файл Навыка следует открытой спецификации Навыков Агентов и также может быть установлен с помощью npx skills add AIhubmix/skills.

Где находится полный список точек доступа?

Смотрите Agent Access в документации: agents.md, сайт и llms.txt для каждой модели, оба адреса Навыка Playground, форматы параметров глубоких ссылок и пакеты генерации кода, каждый с командой для копирования и вставки.

Отправьте это предложение своему агенту и начните сейчас:

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