აიგეთ Sugra API-თ.

პირველი ზარი წუთზე ნაკლებში.

დარეგისტრირდით, აიღეთ API გასაღები Settings გვერდიდან და გააკეთეთ პირველი მოთხოვნა. ყოველი პასუხი LLM-ready-ია მოყოლებული.

# GET US CPI - last 3 observations
curl -H "x-api-key: sugra_ao1_..." \
     "https://sugra.ai/api/fred/us/cpi?mode=last_n&n=3"

import httpx

r = httpx.get(
    "https://sugra.ai/api/fred/us/cpi",
    params={"mode": "last_n", "n": 3},
    headers={"x-api-key": "sugra_ao1_..."},
)
payload = r.json()
print(payload["data"], payload["meta"]["data_time"])

const res = await fetch(
  "https://sugra.ai/api/fred/us/cpi?mode=last_n&n=3",
  { headers: { "x-api-key": "sugra_ao1_..." } }
);
const { data, meta } = await res.json();
console.log(data, meta.data_time);

{ "data": [ ... ], "meta": { "source", "data_time", "unit_type", "cached", "fallback_used" } }

მიეცით აგენტს სპეციფიკაცია. ეს არის ინტეგრაცია.

გადააქციეთ AI აგენტი sugra.ai/openapi.json-ზე, მიეცით თქვენი API გასაღები და მან იცის ყველაფერი, რისი გაკეთებაც Sugra-ს შეუძლია. ყოველი დაბრუნების წერტილი, ყოველი პარამეტრი, ყოველი პასუხის სქემა - აღწერილი ტიპიზებულ OpenAPI 3.1 სპეციფიკაციაში თანმიმდევრული Envelope ჯენერიკებით და სემანტიკური meta ველებით. პერსონალიზებული ინტეგრაცია არ არის. tool-ების წერა არ არის. დოკუმენტაციის პარსინგი არ არის.

როცა მომხმარებელი დასვამს კითხვას, რომელიც დომენებს კვეთს - "რა არის CPI ტენდენცია და როგორ მოქმედებს ამინდი აშშ-ის მარცვლეულის ქამარში მარცვლის ფასებზე?" - სპეციფიკაციის წამკითხავი აგენტი ირჩევს სწორ დაბრუნების წერტილებს 1476 ხელმისაწვდომიდან, იძახებს მათ პარალელურად და აერთიანებს ერთ დასაბუთებულ პასუხს პირველადი წყაროებიდან. ცენტრალური ბანკის მონაცემები, ამინდის დაკვირვებები, საქონლის ფასები - ყველაფერი იმავე LLM-ready კონვერტში.

ვებში ძებნა არ არის. ბლოგ-პოსტებისა და ფორუმის ნაკადების ფილტრაცია არ არის. ხმაურის გამოწურვა არ არის. გამოგონილი რიცხვები არ არის. მხოლოდ წყარო, დროის მონიშვნა, მნიშვნელობა - და სუფთა გზა კითხვიდან პასუხამდე.

# Give an agent everything it needs to know:
export SUGRA_SPEC="https://sugra.ai/openapi.json"
export SUGRA_KEY="sugra_ao1_..."

# Ask a cross-domain question:
agent.ask("How is US inflation trending, and what is
           the weather doing to Midwest grain prices?")

# Agent picks endpoints automatically from 1476:
GET /api/fred/us/cpi                -> CPI series + data_time
GET /api/weather/forecast           -> Iowa, Illinois, Nebraska
GET /api/commodities/grains/corn    -> prices + source

# One grounded answer. Primary sources. Clean path
# from question to answer.

მშობლიური MCP სერვერი Anthropic Claude-ისთვის, OpenAI GPT-სთვის, Google Gemini-სთვის, xAI-სთვის და ნებისმიერი MCP-ჩართული IDE-სთვის. დააყენეთ pip install sugra-api-mcp-ით ან დაუკავშირდით https://app.sugra.ai/mcp-ს - იგივე სერვერი, ორი ტრანსპორტი. არა-MCP აგენტებისთვის: OpenAI function-calling და Actions OpenAPI 3.1-ის გავლით.

სპეციფიკაცია არის წარმოებაზე გამდიდრებული: ტიპიზებული Envelope[T] ჯენერიკები 1476 დაბრუნების წერტილზე, Markdown აღწერები, გლობალური შეცდომის სქემები, APIKeyHeader უსაფრთხოება, externalDocs ბმულები.

Continue to topic.

Six platform topics and the seven-direction product family. The current section is highlighted - pick where to go next.