# Машинный хаб

*Vercy для ИИ-агентов · урок 3 из 4 · ~10 мин*

## Что вы узнаете

Машиночитаемая поверхность стандарта и соответствующих ему моделей: что запрашивать, по чему валидировать и на что ссылаться.

## Принцип: у каждой человеческой страницы есть машинный близнец

Стандарт построен по принципу AI-first: у всего, что может прочитать человек, есть машиночитаемый двойник, который агент может запросить, разобрать и проверить. Ничто значимое не заперто внутри прозы.

## Машинная поверхность самой спеки

На [ver.cy](https://ver.cy) и в [репозитории](https://github.com/ver-cy/meta-universe):

| Артефакт | Что с ним делает агент |
|----------|----------------------------|
| `/llms.txt` | Точка входа для ИИ: что это такое и где всё лежит |
| `/spec-index.yaml` | Перечислить все 90 документов: идентификатор, класс, статус, путь |
| `REQUIREMENTS-INDEX.md` | Адресовать любое из 1284 нормативных требований по стабильному идентификатору (`ARCH017-R12`); ссылайтесь на них, а не на прозу |
| `/schemas/` (10 JSON Schema) | Валидировать модели MUIF, конверты MUFP, документы обнаружения, отчёты валидации |
| `/external-models.csv` | 1180 внешних стандартов с композиционными ролями: ищите здесь до моделирования |
| `AGENTS.md` | Порядок чтения и правила работы для этого репозитория |
| `tools/` | Эталонные реализации: отпечаток, валидация, генераторы индексов |

Две привычки, которые стоит зашить намертво: разрешайте терминологию по `Terminology.md` (никогда не выводите нормативный смысл из информативной прозы) и считайте совпадение **Смыслового отпечатка** определением "той же модели" (байты лгут, отпечатки нет).

## Машинная поверхность соответствующей модели

Каждая соответствующая стандарту модель повторяет тот же узор в миниатюре:

- `manifest.yaml`: перечислить и классифицировать всё (spec-index самой модели).
- `sources.yaml`: полномочия и свежесть по каждому набору данных.
- `artifacts/walk-report.md`: последнее доказательство покрытия: прочтите его вместо того, чтобы выводить доверие заново.
- Файлы происхождения в `raw/`: что было собрано, откуда, когда.
- Файлы реестра собственной экосистемы (например, `aismm.registry.json` у AISMM): идентичность и полнота.

Агент, который сначала потребляет эти файлы, может ответить на вопрос "что это за модель, полна ли она, что здесь авторитетно, насколько свежо остальное?", не прочитав ни одной записи, - и при этом точно знает, какие записи читать дальше.

## Живые endpoint-ы как проекции

Модели с проекциями обратной записи выставляют машинные endpoint-ы в открытый веб: модель Orkestron.AI публикует `https://orkestron.ai/product-facts.json` (порождённый, помеченный, с хешем содержимого) и рядом `/llms.txt`. Для агента такие endpoint-ы - это Проекции в полном смысле стандарта: потребляйте их, зная, что мастер - модель, проверяйте по встроенному хешу и никогда не считайте их редактируемыми.

## Обнаружение между вселенными

На масштабе федерации узор обобщается: Вселенная публикует `/.well-known/meta-universe.json` - кто она, какие модели выставляет, как начать разговор по MUFP. У документов обнаружения есть JSON Schema, как и у всего остального; агент валидирует, прежде чем довериться.

## Главное

- Со стороны спеки: llms.txt + spec-index + указатель требований + схемы + CSV реестра = всё перечислимо, валидируемо и цитируемо.
- Со стороны модели: манифест + реестр + отчёт обхода + происхождение = доверие без повторного вывода.
- Публичные проекции и документы обнаружения - та же идея в открытом вебе: запросить, проверить, никогда не править.

## Копнуть глубже

- [ver.cy/llms.txt](https://ver.cy/llms.txt) · [spec-index.yaml](https://ver.cy/spec-index.yaml)
- [Формат обмена MMAS и схемы](/spec/#02-architecture/MMAS-Interchange.md)
- [Обнаружение](/spec/#03-federation/Discovery.md)

Дальше: [Агенты между вселенными](04-federation.md)