Für KI-Agenten & LLMs

Maschinenlesbare Spezifikationen und Kontextdateien zur Integration von RaxyProxy in Claude, Cursor, ChatGPT und andere KI-Tools.

RaxyProxy veröffentlicht einen Claude Code Skill und maschinenlesbare Dokumentation zur Verwendung mit Claude, Cursor, ChatGPT und automatisierten Tools.

Claude Code Skill

Installieren Sie den raxyproxy skill into Claude Code, Cursor, Gemini CLI, or any agent that supports the Agent Skills -Standard unterstützt:

terminal

npx skills add raxyproxy/skills

Dann setzen Sie Ihren API-Schlüssel (erhältlich über API Keys):

terminal

export RAXYPROXY_API_KEY="raxy_..."

Der Skill bringt Ihrem Agenten bei, Proxy-Strings zu generieren, Ihre Pakete aufzulisten, Geo-Targeting anzuwenden und Sticky Sessions zu verwenden — alles durch Aufruf der RaxyProxy API mit Ihrem Schlüssel. Rufen Sie ihn mit /raxyproxy auf oder lassen Sie den Agenten ihn automatisch aus Ihrer Eingabe erkennen.

Beispiel-Eingabe

“Using RaxyProxy rotating IPs from the US, UK, and Germany, scrape these 100 product pages, extract prices, retry any 429s with a fresh IP, and output a CSV.”

Maschinenlesbare Spezifikationen

Datei	Format	Geeignet für
`/llms.txt`	Klartext	Vollständiger Produktkontext — Preise, Proxy-Typen, Verbindungsformat
`/llms-api.md`	Markdown	REST-API-Referenz — Claude-Projekte, Cursor-Regeln, System-Prompts
`/llms-api.txt`	Klartext	Gleicher Inhalt, Klartext-Fallback
`/openapi.json`	OpenAPI 3.0 JSON	Postman, Swagger UI, SDK-Generatoren

llms.txt

https://raxyproxy.com/llms.txt

Ein Klartextdokument gemäß der llms.txt-Web-Konvention (analog zu robots.txt — der Name ist durch den Standard festgelegt). Fügen Sie es als Claude-Projektanweisung oder IDE-Workspace-Kontext ein, um dem Modell vollständiges Wissen über RaxyProxy-Proxy-Typen, Preise, Geo-Targeting-Syntax und Verbindungsformat zu geben.

llms-api.md / llms-api.txt

https://raxyproxy.com/llms-api.md

Eine Markdown-formatierte Referenz, die jeden REST-API-Endpunkt abdeckt — Parameter, Antwortformen, Proxy-Format-Strings, Fehlercodes und Geo-Targeting-Regeln. Für Token-Effizienz optimiert. Verwenden Sie es als Claude-Projektdokument, eine Cursor-Regel oder fügen Sie es direkt in eine Konversation ein.

.cursorrules

# RaxyProxy API reference — fetched from llms-api.md
@https://raxyproxy.com/llms-api.md

Claude-Projekte

In Claude.ai → Projects, add https://raxyproxy.com/llms-api.md als Projektdokument hinzu. Claude hat die vollständige API-Referenz in jeder Konversation in diesem Projekt verfügbar, ohne dass Sie sie jedes Mal einfügen müssen.

openapi.json

https://raxyproxy.com/openapi.json

Vollständige OpenAPI 3.0-Spezifikation. Importieren Sie sie in:

Postman / Insomnia — URL direkt importieren, um eine Sammlung zu generieren
Swagger UI — URL einfügen, um interaktive Dokumentation zu erhalten
openapi-generator-cli — typisierte Clients in jeder Sprache generieren
Claude / ChatGPT custom actions — als API-Schema referenzieren

Mit Claude & Cursor verwenden

fetch-specs.sh

# Download for local use
curl -o llms-api.md  https://raxyproxy.com/llms-api.md
curl -o openapi.json https://raxyproxy.com/openapi.json

Für KI-Agenten-Pipelines, die zur Laufzeit Proxy-Anmeldedaten benötigen, rufen Sie /llms.txt einmal beim Start ab — es enthält das vollständige Verbindungsformat, die Geo-Targeting-Syntax und Abrechnungsregeln, damit der Agent Proxy-Strings ohne zusätzliche Lookups erstellen kann. Anmeldedaten sind auf Ihrer API-Schlüssel-Seite verfügbar.

← Zurück

Fehlerbehebung