Коротко AIHubMix тепер пропонує низку точок доступу, які можуть читати агенти: ваш агент для програмування може самостійно знаходити моделі, генерувати виклики та перевіряти їх, а потім передати вам готову сесію Playground. Щоб почати, достатньо одного речення вашому агенту: Fetch https://aihubmix.com/agents.md and follow it. Повний перелік точок входу міститься в документації Agent Access.
Дедалі більше розробників виконують агентні робочі процеси через агенти для програмування, такі як Claude Code, Codex і Cursor: вибір моделей, написання викликів і налаштування параметрів делегуються їм. AI-шлюз AIHubMix надає понад 800 моделей за одним API-ключем у чотирьох протоколах, включно з OpenAI-сумісними ендпоінтами, і цей випуск дозволяє вашому агенту читати все це напряму.
Що з'явилося?
- agents.md: посібник з початку роботи, написаний для виконання агентами, що охоплює перевірку ключів, пошук моделей у реальному часі, виклики для кожного протоколу, наскрізну перевірку та усунення несправностей.
- llms.txt для кожної моделі: понад 850 моделей, кожна з машиночитним посібником з інтеграції за фіксованою адресою (
https://aihubmix.com/model/{model_id}/llms.txt); кнопкаllms.txtна сторінці кожної моделі веде прямо до нього. - Playground Skill і посилання для передачі: Skill передає агенту пробне використання, налаштування, порівняння та генерацію медіа; глибокі посилання дозволяють агенту передати готову сесію назад у ваш браузер, а параметр
?models=відкриває до 6 готових до роботи вкладок моделей за одним посиланням.
Навіщо агентам machine-readable доступ?
Коли агент вгадує ідентифікатори моделей, ціни та параметри зі своєї пам'яті навчання, виклики, які він формує, часто завершуються помилкою: застарілі написання ідентифікаторів, непідтримувані параметри, застарілі ціни. Машиночитні точки доступу надають цю інформацію агенту в актуальному та структурованому вигляді. Візьмімо llms.txt для gemini-3.7-flash: один запит дає агенту всі відомості, потрібні для формування коректного виклику:
- 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
Цей файл уже доступний: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt перевіряє його. Правило перевірки в agents.md також вимагає, щоб агенти перевіряли тіло відповіді та повернуту назву моделі; одного HTTP 200 недостатньо для визнання успіху.
Повний приклад: вибір моделі, порівняння A і B та передача
Припустімо, вам потрібна недорога чат-модель для бота служби підтримки клієнтів. Спершу передайте Skill своєму агенту:
Run curl -fsSL https://aihubmix.com/skills/playground and follow it.
Крок 1: пошук моделей у реальному часі. Агент читає загальнодоступний каталог моделей без автентифікації, відбирає кандидатів за ціною та можливостями, а потім отримує llms.txt кожного кандидата, щоб підтвердити підтримку викликів інструментів і структурованих виходів.
Крок 2: порівняння з однаковим промптом. Агент виконує один і той самий промпт для кожного кандидата та звітує про фактичні відповіді, виміряну затримку й ціни з каталогу для кожної моделі. Skill має вбудоване розкриття вартості: перед пакетними викликами агент називає ціну та запитує ваш дозвіл.
Крок 3: передача вам. Агент генерує глибоке посилання на Playground. Відкрийте його у браузері, і сесія вже налаштована: модель, параметри та системний промпт на місці, а чернетка вже заповнена в полі введення, але не надіслана. Запускати її чи ні, вирішуєте ви.

Два справжні посилання, які можна відкрити просто зараз:
- Відкрийте дві готові до роботи вкладки моделей за одним посиланням (параметр
?models=, до 6; перемикайтеся між вкладками) - Потрібні характеристики та ціни поруч? Агент також може передати посилання на порівняння на головному сайті, наприклад Gemini 3.7 Flash vs Claude Opus 4.1 (шаблон
compare/{a}/{b}, також зазначений у кожному llms.txt) - Глибоке посилання, створене на кроці 3 цього прикладу (сценарій служби підтримки: системний промпт, параметри й чернетка в полі введення на місці; скріншот вище є відкритим цим посиланням)
З погляду агента весь процес складається з чотирьох команд, кожну з яких можна скопіювати та перевірити:
# 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}'
У цьому процесі ви виконуєте лише дві дії: надсилаєте агенту одне речення і приймаєте результат у своєму браузері. Спробуйте зараз:
Fetch https://aihubmix.com/agents.md and follow it.

Яка точка входу для якого завдання?
| Ви хочете | Використовуйте |
|---|---|
| Інтегрувати AIHubMix у проєкт | agents.md |
| Навчити свого агента одній конкретній моделі | that model's llms.txt (the chip on its page, or the fixed address) |
| Випробувати, налаштувати, порівняти, згенерувати медіа | Playground Skill |
| Передати людині налаштовану сесію або набір моделей | Глибокі посилання Playground (?config= для готової сесії, ?models= для відкриття кількох вкладок) |
| Показати людині характеристики та ціни двох моделей поруч | сторінка порівняння, aihubmix.com/compare/{a}/{b} (наприклад, GLM 5.3 vs GLM 5.2) |
Які принципи дизайну лежать в основі цього?
- Публікується лише перевірена інформація. llms.txt моделі містить твердження про можливості та ендпоінти лише після перевірки; неперевірені моделі показують коротке повідомлення з посиланням на актуальний каталог і схеми параметрів, без неперевірених тверджень.
- Глибокі посилання не містять облікових даних і працюють рівно один раз. Параметри посилання очищуються з адресного рядка під час завантаження, а вміст ніколи не містить ключа.
- Вартість розкривається до того, як витрачаються гроші. Skill вимагає від агента назвати ціни з каталогу та запитати згоду перед пакетними викликами й генерацією медіа.
Що далі?
Кінцева точка MCP наразі обслуговує генерацію зображень, а ширше покриття можливостей у розробці; перевірка моделей постійно розширюється, а llms.txt щойно перевіреної моделі автоматично оновлюється до повного посібника. Якщо ви помітите щось дивне, повідомте нам через Feedback.
Часті запитання
Чи потрібні облікові дані для цих точок входу?
Кожна machine-readable точка доступу (agents.md, llms.txt, llms.txt для окремої моделі, файл Skill, каталог моделей) доступна для читання без будь-якої автентифікації. API-ключ AIHubMix потрібен лише для реальних викликів моделей: передавайте його через змінну середовища, створену в консолі.
Які агенти підтримуються?
Будь-який помічник для програмування, який може виконувати команди оболонки або завантажувати URL-адреси, зокрема Claude Code, Codex, Cursor, Cline, Gemini CLI та OpenCode. Файл Skill відповідає відкритій специфікації Agent Skills і також може бути встановлений командою npx skills add AIhubmix/skills.
Де повний перелік точок входу?
Див. Agent Access у документації: agents.md, llms.txt сайту та для окремих моделей, обидві адреси Playground Skill, формати параметрів глибоких посилань і пакети генерації коду, кожен із командою для копіювання.
Надішліть це речення своєму агенту та почніть зараз:
Fetch https://aihubmix.com/agents.md and follow it.



