Wissensdatenbank
Verständliche Leitfäden zu den Protokollen, die KI-Agenten nutzen — MCP, llms.txt, x402-Zahlungen, A2A, robots.txt und mehr — und wie AgentGrade jedes davon prüft.
Erste Schritte — Mach deine Website agent-ready
Vier Dateien, die deine Website in Minuten für KI-Agenten sichtbar machen — llms.txt, OpenAPI, robots.txt und ein Health-Endpoint.
Deinen Score verstehen
Wie AgentGrade deinen Score berechnet: 10 Capabilities, verifizierte vs. deklarierte Checks und die schnellsten Wege zu mehr Punkten.
Cloudflare & Agent-Zugriff
Warum Cloudflares Bot-Schutz KI-Agenten blockiert und wie du agentenrelevante Endpoints per WAF-Regel freigibst.
Über das Scannen
Was AgentGrade beim Scannen deiner Website prüft, welche Daten wir speichern und wie du dich abmelden kannst.
Zahlungsprotokolle im Vergleich
x402, MPP und L402 im direkten Vergleich — Netzwerke, Währungen, Geschwindigkeit und Gebühren — plus die Commerce-Schicht aus UCP, ACP und AP2.
x402 — HTTP-Zahlungsprotokoll
x402 macht aus dem HTTP-Statuscode 402 ein echtes Zahlungsprotokoll: Agenten lesen den Preis, zahlen on-chain in USDC und erhalten die Antwort.
MPP — Machine Payment Protocol
MPP ist ein Mikrozahlungssystem für KI-Agenten auf der Tempo-Blockchain — pathUSD, Finalität unter einer Sekunde und Bezahlung pro API-Aufruf via mppx.
SPT — Stripe Shared Payment Tokens
SPT lässt KI-Agenten API-Aufrufe per Stripe mit echten Kartenzahlungen bezahlen — über vorab autorisierte Tokens mit nutzerdefinierten Ausgabelimits.
L402 — Lightning-Zahlungen
L402 nutzt Bitcoins Lightning Network für sofortige API-Zahlungen: Der Server koppelt ein Macaroon an eine Lightning-Invoice als Zahlungsnachweis.
x-payment-info — Payment-Discovery in OpenAPI
Die OpenAPI-Erweiterung x-payment-info verrät Agenten vor dem Request, welche Endpoints kostenpflichtig sind, welche Protokolle gelten und was sie kosten.
Bazaar — Service-Discovery
Bazaar ist die Discovery-Schicht für x402: ein strukturierter Katalog kostenpflichtiger Services, Preise und Schemas unter /.well-known/x402.json.
Was ist ein KI-Agent?
Was ein KI-Agent ist, wie er sich von Bot und Crawler unterscheidet und was er von deiner Website braucht, um wirklich zu funktionieren.
Wie KI-Agenten wirklich im Web browsen
Wie ChatGPT, Perplexity und Gemini Webinhalte abrufen und verarbeiten — und was das für deine Website bedeutet.
Funktioniert llms.txt wirklich?
Was llms.txt 2026 leistet und was nicht — die gemessenen Abrufraten, Googles Position und warum wir es trotzdem prüfen.
Infrastruktur — Cache, Fehler, Redirects
HTTPS-Redirects, Sitemaps, Cache-Header und JSON-Fehler: die HTTP-Grundlagen, die Agenten zuverlässigen Zugriff auf deine Website geben.
JavaScript-gerenderte Websites und Agent-Sichtbarkeit
Warum JS-gerenderte Websites für KI-Crawler leer aussehen und welche Fixes helfen — von Prerendering über SSR bis zum noscript-Fallback.
MCP — Model Context Protocol
MCP ist der offene Standard, der KI-Assistenten mit externen Tools verbindet: ein Server, jeder kompatible Client — Discovery und Aufrufe zur Laufzeit.
OpenAPI — API-Spezifikation
OpenAPI beschreibt REST-APIs maschinenlesbar: Agenten finden damit Endpoints, Parameter, Auth und Preise, statt deine API-Oberfläche zu erraten.
llms.txt — LLM-Kontextdatei
Eine Klartextdatei, die deinen Service großen Sprachmodellen erklärt — was er tut, welche Endpunkte zählen und wie Agenten ihn nutzen.
llms-full.txt — Vollständiger Inhalt für LLMs
Begleiter zu llms.txt: der gesamte Website-Text in einer Datei, damit nicht-browsende LLMs deinen Inhalt mit einem einzigen Abruf einlesen können.
agents.txt — Zugriffsrichtlinien für Agenten
Definiert, was KI-Agenten auf deinem Service tun dürfen — erlaubte Aktionen, Rate-Limits und Regeln pro Agent.
Organization JSON-LD — Entity-Graph für Agenten
Mit Organization JSON-LD und sameAs erkennen KI-Assistenten, wer hinter deiner Domain steht, und konsolidieren deine Identitätssignale.
AGENTS.md vs. llms.txt
Zwei Root-Dateien für Agenten mit verschiedenen Jobs: llms.txt ist ein Inhaltsindex, AGENTS.md sind Verhaltensanweisungen — wann du welche brauchst.
robots.txt für Agenten
Wie robots.txt KI-Crawler steuert: das Drei-Ebenen-Modell (Training, Suche, User-Fetch), aktuelle Tokens von OpenAI, Anthropic, Perplexity, Google und Meta sowie Allow-/Block-Muster.
llms.txt für Shopify
Shopify liefert llms.txt für deinen Store bereits aus — was der Default enthält, wann du ihn ersetzen solltest und wie du ihn mit Liquid-Templates anpasst.
llms.txt für WordPress
WordPress-Core generiert kein llms.txt — dein SEO-Plugin wahrscheinlich schon: die aktuellen Optionen (Yoast, Rank Math, AIOSEO) und was in die Datei gehört.
llms.txt für Next.js
Next.js hat (noch) keine llms.txt-Dateikonvention — die zwei Muster, die heute funktionieren: eine statische Datei in public/ oder ein App-Router-Route-Handler.
Skill-Datei (SKILL.md)
SKILL.md erklärt Agenten in einer einzigen Markdown-Datei, wie sie deinen Dienst nutzen — Spezifikation, Validierung und Adoption.
Content Negotiation für KI-Agenten
Wie du per Content Negotiation Markdown an Agenten und HTML an Browser auslieferst — inklusive Accept-Header-Fallen, q-Werten und typischen Bugs.
Web Bot Auth (RFC 9421)
Web Bot Auth lässt KI-Agenten ihre Identität per HTTP Message Signatures (RFC 9421) nachweisen — was AgentGrade prüft und wie du es implementierst.
A2A — Agent-to-Agent-Protokoll
A2A lässt KI-Agenten einander über eine Agent Card unter /.well-known/agent-card.json entdecken, authentifizieren und direkt miteinander kommunizieren.
WebMCP — Agent-Interaktion im Browser
WebMCP ist ein W3C-Draft, der HTML-Formulare per Attribut zu Agent-Tools macht — aufrufbar im Browser des Nutzers über document.modelContext.