只要對你的 Agent 說一句話,就能取得 800+ 個模型

透過 AIHubMix AI 閘道提供 Agent 可讀的存取方式:agents.md、涵蓋 850+ 個模型的 llms.txt、Agent Skill、MCP,以及適用於 Claude Code、Codex、Cursor 的深層連結。

推理時代閱讀約 5 分鐘
只要對你的 Agent 說一句話,就能取得 800+ 個模型

簡而言之 AIHubMix 現已推出一系列 Agent 可讀的存取介面:你的程式碼 Agent 可以自行探索模型、產生呼叫並驗證結果,接著將預先設定好的 Playground 工作階段交給你。開始使用只要對 Agent 說一句話:Fetch https://aihubmix.com/agents.md and follow it. 所有入口的完整清單都列在Agent 存取文件中。

越來越多開發者透過 Claude Code、Codex 和 Cursor 等程式碼 Agent 執行 Agent 工作流程,把挑選模型、撰寫呼叫和調整參數都交由 Agent 處理。AIHubMix AI 閘道透過一組 API 金鑰,使用四種線路通訊協定提供 800+ 個模型,也包含 OpenAI 相容端點;這次推出的功能讓你的 Agent 可以直接讀取所有資訊。

推出了哪些功能?

  • agents.md:專為 Agent 執行而撰寫的入門指南,涵蓋金鑰檢查、即時模型探索、各通訊協定的呼叫方式、端對端驗證及疑難排解。
  • 各模型專屬的 llms.txt:涵蓋 850+ 個模型,每個模型都有固定網址的機器可讀整合指南(https://aihubmix.com/model/{model_id}/llms.txt);每個模型頁面上的 llms.txt 標籤都會直接連到該指南。
  • Playground Skill 與交接連結:Skill 會將試用、調整、比較和媒體生成交由 Agent 處理;深層連結讓 Agent 能將預先設定好的工作階段交回你的瀏覽器,而 ?models= 參數則可透過一個連結開啟最多 6 個可立即執行的模型分頁。

為什麼 Agent 需要機器可讀的存取方式?

當 Agent 根據訓練資料中的記憶猜測模型 ID、價格和參數時,產生的呼叫往往會失敗:ID 拼法過時、不支援的參數、過期的定價。機器可讀介面能即時以結構化方式提供這些資訊。以 gemini-3.7-flash 的 llms.txt 為例:只要擷取一次,Agent 就能取得產生正確呼叫所需的所有資訊:

- 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

這個檔案目前可即時存取:執行 curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt 即可驗證。agents.md 中的驗證規則也要求 Agent 檢查回應本文和回傳的模型名稱;只有 HTTP 200 並不算成功。

完整操作流程:挑選模型、比較 A 與 B,並交接工作階段

假設你需要一個低成本的聊天模型來建置客服機器人。先將 Skill 交給 Agent:

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

步驟 1:即時探索模型。 Agent 讀取無需驗證的模型目錄,依價格和能力篩選候選模型,接著擷取各候選模型的 llms.txt,確認是否支援工具呼叫和結構化輸出。

步驟 2:使用相同提示詞進行比較。 Agent 對每個候選模型執行相同提示詞,並回報實際輸出、測得的延遲,以及目錄列出的各模型價格。Skill 內建費用揭露機制:批次呼叫前,Agent 會先報價並徵求你的同意。

步驟 3:將結果交還給你。 Agent 產生 Playground 深層連結。你在瀏覽器中開啟後,工作階段就已完成設定:模型、參數和系統提示詞都已就位,輸入框中也預先填好草稿,但不會自動送出。是否送出由你決定。

現在就能開啟的兩個實際連結:

從 Agent 的角度來看,整個流程只需四個指令,而且每個指令都能透過複製貼上驗證:

# 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}'

整個流程中,你只需做兩件事:對 Agent 說一句話,再透過瀏覽器接手結果。現在就試試:

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

不同用途該使用哪個入口?

你的目標是 使用
將 AIHubMix 整合至專案 agents.md
教你的 Agent 使用某個特定模型 該模型的 llms.txt(模型頁面上的標籤,或固定網址)
試用、調整、比較、生成媒體 Playground Skill
將已設定好的工作階段或一組模型交還給使用者 Playground 深層連結(使用 ?config= 預先設定工作階段,使用 ?models= 開啟多個分頁)
向使用者並排展示兩個模型的規格和價格 比較頁面 aihubmix.com/compare/{a}/{b}(例如 GLM 5.3 與 GLM 5.2)

這些功能遵循哪些設計原則?

  • 只發布經過驗證的資訊。只有在驗證後,模型的 llms.txt 才會列出能力和端點資訊;尚未驗證的模型則會顯示簡短通知,指向即時模型目錄和參數結構描述,不會包含未經驗證的宣稱。
  • 深層連結不含任何憑證,且只會生效一次。連結參數會在載入時從網址列中清除,傳遞內容也絕不包含金鑰。
  • 消費費用前會先揭露成本。Skill 會要求 Agent 在批次呼叫和媒體生成前報出目錄價格,並徵求同意。

接下來會推出什麼?

MCP 端點目前提供圖像生成服務,更多功能仍在開發中;模型驗證作業也持續擴展,新驗證的模型會自動將 llms.txt 更新為完整指南。如果遇到任何異常,請透過意見回饋告訴我們。

常見問題

使用這些入口需要憑證嗎?

所有機器可讀介面(agents.md、llms.txt、各模型專屬的 llms.txt、Skill 檔案、模型目錄)都可在完全無需驗證的情況下讀取。只有實際呼叫模型時才需要 AIHubMix API 金鑰:請透過環境變數傳入,並在控制台建立金鑰。

支援哪些 Agent?

任何能執行 Shell 指令或擷取網址的程式碼助理都適用,包括 Claude Code、Codex、Cursor、Cline、Gemini CLI 和 OpenCode。Skill 檔案遵循開放的 Agent Skills 規格,也可使用 npx skills add AIhubmix/skills 安裝。

入口的完整清單在哪裡?

請參閱文件中的Agent 存取:agents.md、網站與各模型的 llms.txt、兩個 Playground Skill 網址、深層連結參數格式,以及程式碼產生套件;每一項都附有可複製貼上的指令。


把這句話傳給你的 Agent,立即開始:

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

一個閘道接入多家 AI 服務商, 為正式環境而生。

前往推理時代官網