llms.txt:六个月的回顾和与模型上下文协议(MCP)的比较
六个月前,LLMS.TXT文件格式彻底改变了大型语言模型(LLMS)的网站文档可访问性。开发人员和内容创建者的采用非常重要,并且围绕模型上下文协议(MCP)的讨论不断扩大。本文探讨了llms.txt的演变,结构,优势,技术集成(包括python模块和命令行接口),并与新兴的MCP标准进行了详细比较。
目录
- llms.txt的兴起
- 社区反馈
- 了解llms.txt文件
- llms.txt的优点
- 将llms.txt与AI系统集成
- llms.txt创建工具
- 现实世界的应用和灵活性
- python模块和llms.txt的CLI
- Python代码示例
- llms.txt与MCP:详细比较
- 结论
llms.txt的兴起
llms.txt解决了传统Web文件(robots.txt,stitemap.xml)的限制,这些限制未针对需要简洁,精心策划的信息的AI模型进行优化。它提供了简化的网站文档概述,使LLMS能够有效地处理基本数据。
关键亮点:
- 目的:以AI优化格式提供网站内容。
- 采用: Mintlify,Anthropic和Cursor等平台的大量采用证明了其有效性。
- 当前的趋势: MCP燃料的兴起,以增强LLM功能的两种方法之间的比较。
社区反馈
Twitter对话展示了LLMS.TXT的快速采用和潜力,以及正在进行的MCP辩论:
- 杰里米·霍华德(Jeremy Howard)(@jeremyphoward):强调了LLMS.TXT标准获得的重要势头,感谢社区和Stripe的支持(Stripe现在使用docs.stripe.com上的llms.txt)。
- Stripe开发人员(@Stripedev):宣布将LLMS.TXT和Markdown集成到其文档中。
- 开发人员讨论:开发人员称赞了LLMS.TXT,并开始了将其与MCP进行比较的讨论,并指出尽管LLMS.TXT改善了内容的摄入,但MCP的目标是更可行的LLMS。
了解llms.txt文件
llms.txt是一个为LLM可访问性设计的结构化标记文件。存在两个版本:
/llms.txt:提供网站文档的高级概述,帮助LLM迅速了解网站的结构和关键资源。它需要H1项目标题,一个blockquote摘要以及可选的降价部分以及带有Markdown超链接的H2删除文件列表。
/llms-full.txt:包含完整的文档,提供详细的上下文。对于技术API参考和综合文档有用。
示例片段:
<code># Project Name > Brief project summary ## Core Documentation - [Quick Start](url): A concise introduction - [API Reference](url): Detailed API documentation ## Optional - [Additional Resources](url): Supplementary information</code>
llms.txt的优点
llms.txt具有与传统标准相比的重要优势:
- LLM优化:消除不必要的元素(导航,JavaScript,CSS),重点是LLMS的内容。
- 有效的上下文:其简洁格式可确保仅处理相关信息,从而解决LLM上下文窗口限制。
- 双重可读性: Markdown格式使其可读取,并容易被工具解析。
- 互补性:它通过提供以AI为中心的观点来补充现有标准等现有标准。
将llms.txt与AI系统集成
llms.txt内容需要对AI系统的手动输入:
- CHATGPT:用户复制URL或 /llms-full.txt内容,丰富上下文以改善响应。
- Claude:用户粘贴内容或上传文件,提供全面的上下文。
- 光标:光标的@Docs功能允许通过llms.txt链接集成。
llms.txt创建工具
几种工具简化了llms.txt创建:
- mintlify:自动生成 /llms.txt和 /llms-full.txt,以供托管文档。
- LLMSTXT(DOTENV):将SiteMap.xml转换为llms.txt。
- LLMSTXT(FireCrawl):使用Web刮擦来创建llms.txt文件。
现实世界的应用和灵活性
llms.txt的多功能性在诸如Fasthtml之类的项目中很明显,该项目使用LLMS.TXT,并将其扩展到llms-ctx.txt
(无URL)和llms-ctx-full.txt
(带有URL的上下文)中,使用XML基于XML的结构和llms_txt2ctx
COMMANS-COMMANIN-LINE应用程序。它的应用程序将技术文档超出了各种用途,包括个人网站(CVS)和法律文件摘要。
python模块和llms.txt的CLI
Python模块和CLI( llms_txt2ctx
)可用于解析llms.txt文件,并为Claude等系统创建XML上下文文档。
-
安装:
pip install llms-txt
- CLI用法:
llms_txt2ctx llms.txt > llms.md
(添加了可选部分,带有–optional True
)
Python代码示例
简洁的Python Parser(20行)演示了解析llms.txt文件的简单性:
从pathlib导入路径 导入,Itertools #...(如原始输入中的其余代码)
llms.txt与MCP:详细比较
LLMS.TXT和MCP都旨在改善LLM,但以不同的方式:LLMS.TXT增强内容摄入,而MCP扩展了LLM功能以执行任务。
llms.txt:静态,精选的内容标准,重点介绍令牌效率和简单性。它提高了LLM的理解和响应质量。
MCP:一种动态,增强动作的协议,充当LLMS实时与各种数据源交互的通用连接器。它将LLMS转换为主动任务表演者。
易于实施: LLMS.TXT比MCP更容易实施,MCP需要更重要的工程工作。
结论
llms.txt迅速成为AI-Fir-First文档的宝贵工具,从而提高了LLM的准确性和可靠性。 MCP代表下一步,启用动态交互和任务执行。他们共同提供了强大的协同作用,增强了LLM的理解力和动作能力。随着最佳实践和工具的持续发展,AI驱动的文档和自动化的未来是有希望的。
以上是llms.txt vs. MCP:Web&#039;新的LLM就绪内容标准的详细内容。更多信息请关注PHP中文网其他相关文章!

随着AI应用的爆炸式增长,企业正从传统的搜索引擎优化(SEO)转向生成式引擎优化(GEO)。 谷歌正引领这一转变。其“AI概述”功能已服务于超过十亿用户,在用户点击链接之前提供完整的答案。[^2] 其他参与者也在迅速崛起。ChatGPT、微软Copilot和Perplexity正在创造一种全新的“答案引擎”类别,完全绕过了传统的搜索结果。 如果您的企业没有出现在这些AI生成的答案中,潜在客户可能永远不会发现您——即使您在传统的搜索结果中排名靠前。 从SEO到GEO——这究竟意味着什么? 几十年来

让我们探索人工通用智能(AGI)的潜在途径。 该分析是我正在进行的《福布斯》列的AI进步的一部分,并深入研究了实现AGI和人工超智慧(ASI)的复杂性。 (请参阅相关艺术

人机互动:一场互适应的微妙舞蹈 与AI聊天机器人互动,如同参与一场微妙的相互影响的舞蹈。你的提问、回应和偏好逐渐塑造着系统,使其更好地满足你的需求。现代语言模型通过显式反馈机制和隐式模式识别来适应用户的偏好。它们学习你的沟通风格,记住你的偏好,并逐渐调整其回应以符合你的预期。 然而,在我们训练数字伙伴的同时,同样重要的事情也在反向发生。我们与这些系统的互动正在微妙地重塑我们自身的沟通模式、思维过程,甚至对人际对话的期望。 我们与AI系统的互动已经开始重塑我们对人际互动的期望。我们适应了即时回应、

AI简化了野火恢复允许 澳大利亚科技公司Archistar的AI软件利用机器学习和计算机视觉,可以自动评估建筑计划,以遵守当地法规。这种验证前具有重要意义

爱沙尼亚的数字政府:美国的典范? 美国在官僚主义的效率低下方面挣扎,但爱沙尼亚提供了令人信服的选择。 这个小国拥有由AI支持的近100%数字化的,以公民为中心的政府。 这不是

计划婚礼是一项艰巨的任务,即使是最有条理的夫妇,也常常压倒了婚礼。 本文是关于AI影响的持续福布斯系列的一部分(请参阅此处的链接),探讨了生成AI如何彻底改变婚礼计划。 婚礼上

企业越来越多地利用AI代理商进行销售,而政府则将其用于各种既定任务。 但是,消费者倡导强调个人需要拥有自己的AI代理人作为对经常定位的辩护的必要性

Google正在领导这一转变。它的“ AI概述”功能已经为10亿用户提供服务,在任何人单击链接之前提供完整的答案。[^2] 其他球员也正在迅速获得地面。 Chatgpt,Microsoft Copilot和PE


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

Atom编辑器mac版下载
最流行的的开源编辑器

记事本++7.3.1
好用且免费的代码编辑器

SecLists
SecLists是最终安全测试人员的伙伴。它是一个包含各种类型列表的集合,这些列表在安全评估过程中经常使用,都在一个地方。SecLists通过方便地提供安全测试人员可能需要的所有列表,帮助提高安全测试的效率和生产力。列表类型包括用户名、密码、URL、模糊测试有效载荷、敏感数据模式、Web shell等等。测试人员只需将此存储库拉到新的测试机上,他就可以访问到所需的每种类型的列表。

SublimeText3汉化版
中文版,非常好用

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),