Коротко AIHubMix теперь предлагает набор точек доступа, которые читаются агентами: ваш агент для программирования может самостоятельно находить модели, генерировать вызовы и проверять их, а затем передать вам готовую сессию Playground. Чтобы начать, достаточно одного предложения агенту: Fetch https://aihubmix.com/agents.md and follow it. Полный список точек входа находится в документации Agent Access.
Все больше разработчиков запускают свои агентные рабочие процессы через агентов для программирования, таких как Claude Code, Codex и Cursor: выбор моделей, написание вызовов и настройка параметров делегируются им. AI-шлюз AIHubMix предоставляет 800+ моделей за одним API-ключом по четырем протоколам, включая совместимые с OpenAI эндпоинты, и этот релиз позволяет вашему агенту читать все это напрямую.
Что вышло?
- agents.md: руководство по подключению, написанное для выполнения агентами; оно охватывает проверку ключей, живое обнаружение моделей, вызовы для каждого протокола, сквозную проверку и устранение неполадок.
- llms.txt для каждой модели: 850+ моделей, у каждой есть машиночитаемое руководство по интеграции по фиксированному адресу (
https://aihubmix.com/model/{model_id}/llms.txt); чипllms.txtна странице каждой модели ведет прямо к нему. - Skill для Playground и ссылки для передачи: Skill передает агенту пробные запуски, настройку, сравнение и генерацию медиа; глубокие ссылки позволяют агенту передать готовую сессию в ваш браузер, а параметр
?models=открывает до 6 готовых к работе вкладок с моделями по одной ссылке.
Зачем агентам машиночитаемый доступ?
Когда агент угадывает ID моделей, цены и параметры по своей памяти обучения, создаваемые им вызовы часто падают: устаревшее написание ID, неподдерживаемые параметры, неактуальные цены. Машиночитаемые источники дают агенту эту информацию в актуальном и структурированном виде. Возьмем llms.txt для gemini-3.7-flash: один запрос дает агенту все факты, нужные для составления корректного вызова:
- 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
Этот файл доступен прямо сейчас: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt позволяет его проверить. Правило проверки в agents.md также требует, чтобы агенты анализировали тело ответа и указанную в нем модель; одного HTTP 200 недостаточно для признания успеха.
Полный пример: выбор модели, сравнение A и B и передача сессии
Допустим, вам нужна недорогая чат-модель для бота поддержки клиентов. Сначала передайте агенту Skill:
Run curl -fsSL https://aihubmix.com/skills/playground and follow it.
Шаг 1: живое обнаружение моделей. Агент читает общедоступный каталог моделей без авторизации, отбирает кандидатов по цене и возможностям, затем запрашивает llms.txt каждого кандидата, чтобы подтвердить поддержку вызова инструментов и структурированных ответов.
Шаг 2: сравнение по одному и тому же промпту. Агент запускает один и тот же промпт для каждого кандидата и сообщает фактические ответы, измеренную задержку и цены из каталога для каждой модели. В Skill встроено раскрытие стоимости: перед пакетными вызовами агент называет цену и запрашивает ваше подтверждение.
Шаг 3: передача вам. Агент генерирует глубокую ссылку на Playground. Откройте ее в браузере, и сессия уже настроена: модель, параметры и системный промпт на месте, а черновик заполнен в поле ввода, но не отправлен. Отправлять его или нет, решаете вы.

Две реальные ссылки, которые можно открыть прямо сейчас:
- Откройте две готовые к работе вкладки с моделями по одной ссылке (параметр
?models=, до 6; переключение между вкладками) - Нужно сравнить характеристики и цены рядом? Агент также может передать ссылку на сравнение на основном сайте, например Gemini 3.7 Flash vs Claude Opus 4.1 (шаблон
compare/{a}/{b}, также указан в каждом llms.txt) - Глубокая ссылка, созданная на Шаге 3 этого примера (сценарий поддержки клиентов: системный промпт, параметры и черновик в поле ввода на месте; скриншот выше показывает открытую эту ссылку)
С точки зрения агента весь процесс состоит из четырех команд, каждую из которых можно проверить копированием и вставкой:
# 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}'
В этом процессе вам нужно сделать ровно два действия: отправить агенту одно предложение и принять результат в браузере. Попробуйте прямо сейчас:
Fetch https://aihubmix.com/agents.md and follow it.

Какая точка входа для какой задачи?
| Вы хотите | Используйте |
|---|---|
| Интегрировать AIHubMix в проект | agents.md |
| Научить агента работе с конкретной моделью | that model's llms.txt (the chip on its page, or the fixed address) |
| Пробовать, настраивать, сравнивать, генерировать медиа | Skill для Playground |
| Передать человеку настроенную сессию или набор моделей | Глубокие ссылки Playground (?config= для готовой сессии, ?models= для открытия нескольких вкладок) |
| Показать человеку характеристики и цены двух моделей рядом | страница сравнения aihubmix.com/compare/{a}/{b} (например, GLM 5.3 vs GLM 5.2) |
На каких принципах построены эти решения?
- Публикуется только проверенная информация. llms.txt модели содержит утверждения о возможностях и эндпоинтах только после проверки; непроверенные модели показывают короткое уведомление со ссылкой на актуальный каталог и схемы параметров, без непроверенных 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 ключ.
- Стоимость раскрывается до того, как тратятся деньги. Skill требует от агента называть цены из каталога и запрашивать согласие перед пакетными вызовами и генерацией медиа.
Что дальше?
MCP-эндпоинт сейчас обслуживает генерацию изображений, расширение охвата возможностей продолжается; проверка моделей постоянно расширяется, а llms.txt вновь проверенной модели автоматически переходит к полному руководству. Если вы заметили что-то странное, сообщите нам через Feedback.
Часто задаваемые вопросы
Требуют ли эти точки входа учетных данных?
Все машиночитаемые источники (agents.md, llms.txt, llms.txt для каждой модели, файл Skill, каталог моделей) доступны для чтения без какой-либо авторизации. Ключ AIHubMix нужен только для реальных вызовов моделей: передавайте его через переменную окружения, ключ создается в консоли.
Какие агенты поддерживаются?
Любой ассистент для программирования, который может выполнять shell-команды или запрашивать URL, включая Claude Code, Codex, Cursor, Cline, Gemini CLI и OpenCode. Файл Skill соответствует открытой спецификации Agent Skills и также может быть установлен командой npx skills add AIhubmix/skills.
Где находится полный список точек входа?
См. Agent Access в документации: agents.md, сайт и llms.txt для каждой модели, оба адреса Skill для Playground, форматы параметров глубоких ссылок и пакеты для генерации кода, каждый с командой для копирования и вставки.
Отправьте агенту это предложение и начните прямо сейчас:
Fetch https://aihubmix.com/agents.md and follow it.



