# Shvydko для AI-агентів

Дайте агенту актуальний контракт, перевірте запит локально й підключіть типізоване рішення до свого серверного коду.

Source: https://shvydko.ai/docs/integrations/coding-agents

## Документація, яку агент може прочитати

llms.txt містить індекс тем і посилання на Markdown. llms-full.txt містить повний текст тих самих сторінок. OpenAPI описує тільки публічні GET /v1/models і POST /v1/systemone, які працюють з API-ключем. Ці файли доступні без входу; самі запити до моделі потребують ключа.

Режим, тариф і квоти можуть змінюватися. Читайте /api/config, а контекст моделі — через GET /v1/models. Опублікований тариф не означає, що платний режим увімкнений: у preview вартість запиту дорівнює нулю.

- [Індекс для агентів](https://shvydko.ai/llms.txt)
- [Повний текст документації](https://shvydko.ai/llms-full.txt)
- [OpenAPI 3.1 JSON](https://shvydko.ai/openapi.json)

## Завдання для вашого coding-агента

### Скопіюйте завдання в робочий простір агента

```text
Підключи Shvydko до мого серверного застосунку.

1. Прочитай https://shvydko.ai/llms.txt і https://shvydko.ai/openapi.json.
2. Використай HTTP API /v1/systemone. Не встановлюй вигаданий SDK
   і не використовуй chat/completions.
3. Ключ SHVYDKO_API_KEY бери лише із серверного середовища.
   Не показуй його в коді, логах, URL, браузері чи повідомленнях.
4. Підготуй запит: state — факти задачі, questions — Choice, Score
   або Noul із чіткими критеріями й ручним маршрутом для невизначеності.
5. Перевір HTTP-статус, структуру відповіді, request_id та usage.
   Оброби 401, 402, 403, 409, 413, 422, 429, 502 і 503.
   Не повторюй POST автоматично після мережевого тайм-ауту.
6. Додай локальні перевірки для коректної відповіді, помилки
   і невідомої категорії. Модель лише пропонує рішення; зовнішню
   дію виконує мій застосунок після власної перевірки.
7. Перед реальним викликом покажи payload без секретів.
   За моїм запитом виконай один контрольний виклик і звір usage.
```

> Це інструкція для вашого coding-агента, а не окремий MCP-сервер чи опублікований SDK. Доступ до документації не надає доступу до вашого кабінету.

## Перетворіть рішення на інструмент

У реєстрі інструментів вашого агента створіть серверну функцію evaluate_decision з параметрами state і questions за схемою DecisionRequest з OpenAPI. Ім’я моделі можна не передавати: сервіс вибере поточну публічну модель.

Функція має повернути перевірені answers, request_id і usage. Не дозволяйте відповіді моделі самостійно обирати адресу HTTP-запиту, отримувача платежу чи іншу зовнішню дію. Якщо один крок залежить від попереднього, спершу перевірте першу відповідь, а потім побудуйте наступний запит у коді.

- [Серверна функція через fetch](https://shvydko.ai/docs/integrations/javascript#code)
- [HTTP-клієнт на Python](https://shvydko.ai/docs/integrations/python#code)
- [Рішення з ручним маршрутом](https://shvydko.ai/docs/patterns/routing#decision)

## Що перевірити перед запуском

- Форма request відповідає OpenAPI, питання має стабільний ID, а критерії охоплюють ваші допустимі результати.
- Невірний ключ, ліміт запитів і недоступність сервісу не запускають зовнішню дію.
- Мок-відповідь перевіряє тільки ваш код; якість рішення оцінюйте на власних розмічених прикладах.
- Після дозволеного реального запуску request_id, токени й cost_usd узгоджуються з Usage у кабінеті.

## Related documentation

- [Перший запит](https://shvydko.ai/docs-markdown/quickstart.md)
- [POST /v1/systemone](https://shvydko.ai/docs-markdown/api/systemone.md)
- [Помилки та повтори](https://shvydko.ai/docs-markdown/api/errors.md)
- [JavaScript через HTTP](https://shvydko.ai/docs-markdown/integrations/javascript.md)