Ir al contenido
Tutorial

Agregue llms.txt a su API para que la IA pueda descubrirlo

| 8 min read

llms.txt les dice a los LLM lo que hace su API en 6 veces menos tokens que HTML. Tutorial paso a paso con formato de especificaciones, enfoque de dos niveles y un ejemplo del mundo real.

Digital matrix code representing machine-readable text
Photo by Markus Spiske on Unsplash

Publica documentos API en HTML. Un desarrollador los lee, copia un comando curl e integra su API. Ese flujo de trabajo todavía funciona. Pero una proporción cada vez mayor de sus "lectores" son LLM y procesan su Documentos HTML con un coste: una página de documentación típica quema 12.000 tokens antes de que el modelo extraiga un URL de punto final único. Las etiquetas HTML, Chrome de navegación y JavaScript que incluye su sitio no agregan valor para un LLM.

llms.txt resuelve esto. Es un archivo Markdown simple en la raíz de su dominio que describe qué hace su API, enumera sus puntos finales y enlaces a documentos detallados. Los LLM lo analizan en 6 veces menos tokens que el HTML equivalente. Más de 849 sitios lo han adoptado, incluidos Anthropic, Cloudflare, Stripe y Mintlify.

Qué es (y qué no es) llms.txt

La llms.txt La especificación, propuesta por Jeremy Howard, define un archivo estándar en /llms.txt en cualquier sitio web. Utiliza encabezados Markdown, citas en bloque y listas de enlaces para describir un producto a modelos de lenguaje.

Piénselo de esta manera: robots.txt indica a los rastreadores de búsqueda qué páginas indexar. llms.txt Le dice a los modelos de lenguaje qué hace su producto y dónde encontrar los detalles. 

# robots.txt - tells crawlers what to index
User-agent: *
Allow: /

# llms.txt - tells LLMs what your product does
# Served at /llms.txt as structured Markdown

llms.txt no reemplaza su sitio de documentación. Es un índice conciso, Formateado para consumo en máquina. Los humanos también pueden leerlo, pero la audiencia principal es cualquier LLM. que necesita comprender su API antes de generar código o responder preguntas al respecto.

El formato de especificación

El formato es intencional en cada línea. Aquí está la estructura: 

# Product Name

> One-line product description with key capabilities.

## Section Name

- [Link Title](https://example.com/page): Brief description
- [Another Link](https://example.com/other): Brief description

## Optional: Additional sections

More structured content as needed.
  • Título H1: El nombre de tu producto o proyecto. Uno por archivo.
  • Cita en bloque: Una descripción de una sola línea de lo que hace el producto.
  • Secciones H2: Agrupe sus enlaces por categoría (Documentación, Endpoints, Herramientas).
  • Listas de enlaces: Cada línea tiene un enlace Markdown seguido de dos puntos y una descripción.

Sin HTML. Sin frontales. Sin sintaxis personalizada. Cualquier analizador de Markdown puede leerlo y cualquier LLM puede extraer información estructurada de él sin herramientas especiales.

Por qué son importantes los tokens: Markdown frente a HTML

Cada LLM tiene una ventana de contexto. Tokens gastados analizando <div class="nav-wrapper"> y <script src="analytics.js"> Son tokens que el modelo no puede gastar en entender. su esquema API. Aquí están las matemáticas: 

HTML documentation page:     ~12,000 tokens
Same content as Markdown:     ~2,000 tokens
Savings:                      ~83% fewer tokens

Una página de documentación HTML incluye barras de navegación, pies de página, barras laterales, metaetiquetas y elementos incrustados. guiones. Elimine todo eso y conviértalo a Markdown, y obtendrá la misma información en aproximadamente una sexta parte de las fichas. Para los LLM que operan cerca de su límite de contexto, esa diferencia determina si su referencia API completa cabe en un solo mensaje.

El enfoque de dos niveles: llms.txt + llms-full.txt

La especificación define dos archivos con funciones distintas:

  • llms.txt es el resumen. Nombre del producto, descripción de una línea, y una lista de enlaces con breves descripciones. Tamaño objetivo: menos de 10 KB. Un LLM lee esto para comprenda lo que ofrece su API y decida qué enlaces seguir para obtener más detalles.
  • llms-full.txt es la referencia completa. Incorpora el contenido esos enlaces apuntan a un solo archivo. Solicitar esquemas, ejemplos de respuesta, autenticación. flujos, códigos de error. Tamaño objetivo: menos de 100 KB. Un LLM lee esto cuando necesita generar código de trabajo contra su API.

Empezar con llms.txt. Agregar llms-full.txt una vez que desee que se generen LLM código de integración sin seguir enlaces externos.

Paso a paso: escribe tu propia llms.txt

1. Comience con la identidad del producto

Abra con un H1 que contenga el nombre de su producto, seguido de una cita en bloque que describa su producto. en una frase. Sea específico. Incluya la cantidad de puntos finales, capacidades clave y cualquier diferenciador. 

# Acme API

&gt; REST API for payment processing. 12 endpoints covering charges, refunds, subscriptions, and webhooks.

## Documentation

- [API Reference](https://docs.acme.com/api): Full endpoint reference with request/response schemas
- [Authentication](https://docs.acme.com/auth): API key setup, OAuth 2.0 flows, and webhook signing
- [Quickstart](https://docs.acme.com/quickstart): Send your first charge in 5 minutes

## Endpoints

- Create charge: POST https://api.acme.com/v1/charges
- Get charge: GET https://api.acme.com/v1/charges/:id
- Create refund: POST https://api.acme.com/v1/refunds
- List subscriptions: GET https://api.acme.com/v1/subscriptions
- Create webhook: POST https://api.acme.com/v1/webhooks

Ese archivo requiere menos de 800 tokens para analizarse. Un LLM ahora sabe que Acme API maneja pagos, tiene 12 puntos finales y puede seguir tres enlaces para obtener información más detallada.

2. Enumere sus puntos finales con métodos y URL

Para productos API, enumere cada punto final con su método HTTP y URL completa. Este es el mas valioso sección para la generación de código. Un LLM que sabe POST https://api.acme.com/v1/charges puede generar un comando curl funcional o una llamada al SDK sin leer sus documentos completos.

3. Enlace a especificaciones legibles por máquina

Si publica una especificación OpenAPI, vincúlela en su llms.txt. Los LLM pueden analizar OpenAPI JSON y extraer esquemas de parámetros, campos obligatorios y tipos de respuesta. Lo mismo para los manifiestos de la herramienta MCP o Puntos finales de introspección GraphQL.

4. Cree llms-full.txt para un contexto profundo

Tome cada punto final de su resumen y amplíelo con ejemplos de solicitud/respuesta: 

# Botoi API - Full Documentation

&gt; Complete endpoint reference for all 150+ developer utility endpoints.

## IP Geolocation

POST https://api.botoi.com/v1/ip/lookup

Returns city, region, country, ISP, coordinates, and timezone for any IP address.

**Request:**
\`\`\`json
{ "ip": "8.8.8.8" }
\`\`\`

**Response:**
\`\`\`json
{
  "success": true,
  "data": {
    "ip": "8.8.8.8",
    "city": "Mountain View",
    "region": "California",
    "country": "US",
    "isp": "Google LLC",
    "lat": 37.386,
    "lon": -122.0838
  }
}
\`\`\`

## Email Validation

POST https://api.botoi.com/v1/email/validate
...full documentation for every endpoint

Incluya cargas útiles realistas, no datos de marcador de posición. Un código de integración que genera un LLM debe ver los nombres de campo exactos, los tipos y el anidamiento de los resultados de su API.

5. Sirva con los encabezados adecuados

Sirve ambos archivos con text/markdown o text/plain Tipo de contenido. si tu utilizar Nginx: 

# Serve llms.txt with correct Content-Type
location = /llms.txt {
    default_type text/markdown;
    add_header X-Robots-Tag "noindex";
}

location = /llms-full.txt {
    default_type text/markdown;
    add_header X-Robots-Tag "noindex";
}

En Cloudflare Pages, Vercel o Netlify, suelte los archivos en su public/ directorio. La plataforma de alojamiento les proporciona el tipo MIME correcto de la extensión del archivo.

Ejemplo real: llms.txt de botoi

botoi sirve llms.txt en botoi.com/llms.txt y llms-full.txt en botoi.com/llms-full.txt. Aquí hay una vista condensada del archivo de resumen: 

# Botoi - Developer Utility API &amp; MCP Server

&gt; One API key, 150+ developer utility endpoints, and a 49-tool
&gt; MCP server for AI agents. IP geolocation, email validation,
&gt; DNS, hashing, JWT, QR codes, PDF generation, and more.
&gt; Sub-50ms from Cloudflare's edge. Free tier included.

## Free Online Tools

- [JSON Formatter](https://botoi.com/tools/json-formatter): Format, beautify, minify, and validate JSON data
- [Base64 Encoder/Decoder](https://botoi.com/tools/base64-encoder-decoder): Encode and decode Base64 strings
- [Hash Generator](https://botoi.com/tools/hash-generator): Generate SHA-1, SHA-256, SHA-384, SHA-512 hashes

## Botoi API

- [API Documentation](https://api.botoi.com/docs): Full API reference with interactive playground
- [OpenAPI Spec](https://api.botoi.com/openapi.json): Machine-readable OpenAPI 3.1 specification
- [MCP Tool Manifest](https://api.botoi.com/v1/mcp/tools.json): MCP tool definitions for AI agents

## API Endpoints

- IP geolocation: POST https://api.botoi.com/v1/ip/lookup
- Email validation: POST https://api.botoi.com/v1/email/validate
- DNS lookup: POST https://api.botoi.com/v1/dns/lookup
- Hash generation: POST https://api.botoi.com/v1/hash
...150+ more endpoints listed with method and URL

El archivo completo enumera todas las herramientas, los más de 150 puntos finales API con métodos y URL, el servidor MCP configuración para cinco editores AI y el comando de instalación del SDK de TypeScript. Un LLM leyendo esto El archivo puede responder "¿Cómo valido un correo electrónico con botoi?" sin visitar una sola página web.

Consíguelo tú mismo: 

curl -s https://botoi.com/llms.txt | head -20

Optimización generativa de motores: más allá del SEO tradicional

El SEO tradicional se optimiza para el rastreador de Google. La optimización generativa del motor (GEO) optimiza para Modelos de IA que sintetizan respuestas de múltiples fuentes. Cuando un desarrollador pregunta a ChatGPT "¿Qué API ¿Puedo utilizarlo para la validación del correo electrónico?", el modelo se basa en fuentes que ha analizado o que puede recuperar.

llms.txt es una parte de una estrategia GEO. La imagen completa incluye:

  • llms.txt y llms-full.txt para consumo directo LLM.
  • Especificaciones de OpenAPI en una URL pública para que los LLM puedan analizar sus esquemas de puntos finales.
  • Descubrimiento del servidor MCP a través de /.well-known/mcp/server-card.json entonces IA Los asistentes pueden encontrar y conectarse a sus herramientas.
  • Datos estructurados (JSON-LD) en sus páginas para una extracción más rica.
  • robots.txt configurado para permitir rastreadores de IA (GPTBot, ClaudeBot, PerplejidadBot).

Cada capa tiene como objetivo una forma diferente en que los LLM descubren y consumen su API. llms.txt es el punto de partida de menor esfuerzo y mayor impacto.

Lista de verificación de implementación

1. Create /llms.txt with product name, description, and key links
2. Create /llms-full.txt with full endpoint documentation
3. Add both files to your robots.txt sitemap (optional)
4. Set Content-Type to text/markdown or text/plain
5. Keep llms.txt under 10KB and llms-full.txt under 100KB
6. Update both files whenever you ship new endpoints
7. Test: curl -s https://yourdomain.com/llms.txt | wc -c

Mantén tu llms.txt en el control de versiones junto con el código fuente de su API. Actualizarlo en la misma solicitud de extracción donde agrega un nuevo punto final. Documentación obsoleta, ya sea para humanos. o máquinas, erosiona la confianza.

Puntos clave

  • Los LLM leen sus documentos antes que los humanos. Agentes de IA, asistentes de codificación y chat Las interfaces analizan la documentación API para generar código y responder preguntas. Dales un formato limpio.
  • Markdown cuesta 6 veces menos tokens que HTML. Elimina la navegación, los scripts y el estilo. Ofrezca el contenido que los LLM necesitan en el formato que procesan de manera más eficiente.
  • Dos archivos cubren ambos casos de uso. llms.txt es el índice resumido. llms-full.txt es la referencia completa. Comience con el resumen; agrega la versión completa cuando desee que los LLM generen un código de integración funcional.
  • Más de 849 sitios han adoptado el formato. Antrópico, Cloudflare, Stripe y Mintlify todos sirven llms.txt. El formato está ganando terreno como estándar GEO.
  • Véalo en acción. Buscar botoi.com/llms.txt para ver más de 150 API de endpoints descritas en un único archivo Markdown.

FAQ

¿Qué es llms.txt y cómo funciona?
llms.txt es un archivo Markdown servido en /llms.txt en su dominio. Describe su producto, puntos finales de API y enlaces de documentación en un formato estructurado que los LLM pueden analizar con tokens mínimos. Piense en ello como robots.txt para IA: robots.txt les dice a los rastreadores qué indexar, llms.txt les dice a los modelos de lenguaje qué ofrece su sitio.
¿Cuántos tokens guarda llms.txt en comparación con los documentos HTML?
Markdown utiliza aproximadamente 6 veces menos tokens que el contenido HTML equivalente. Una página de documentación que cuesta 12.000 tokens en HTML se puede comprimir a menos de 2.000 tokens en Markdown. Esto es importante porque los LLM tienen ventanas de contexto finitas y cada token gastado en formatear es un token que no se gasta en comprender su API.
¿Necesito tanto llms.txt como llms-full.txt?
llms.txt es el resumen: nombre del producto, descripción y una lista de enlaces. llms-full.txt contiene el contenido completo de la documentación a la que apuntan los enlaces, incrustado en un solo archivo. Comience con llms.txt. Agregue llms-full.txt cuando desee que los LLM tengan un contexto profundo sin seguir múltiples enlaces.
¿Qué herramientas de inteligencia artificial leen llms.txt hoy?
Claude, ChatGPT, Perplexity y Cursor leen llms.txt cuando navegan o hacen referencia a documentación. Los agentes basados ​​en MCP y los asistentes de codificación también lo recuperan para descubrir herramientas. Más de 849 sitios han adoptado el formato a principios de 2026, incluidos Anthropic, Cloudflare, Mintlify y Stripe.
¿Dónde debería alojar el archivo llms.txt?
Sírvelo en la raíz de tu dominio: https://tudominio.com/llms.txt. Utilice texto/rebaja o texto/sin formato como tipo de contenido. Si tiene un subdominio API, considere ofrecerlo tanto en el dominio principal como en el subdominio API. Mantenga el archivo por debajo de 10 KB para la versión resumida.

Empieza a construir con botoi

150+ endpoints de API para consultas, procesamiento de texto, generacion de imagenes y utilidades para desarrolladores. Plan gratuito, sin tarjeta de credito.

Ver documentacion de la API Ver todas las herramientas