AI-Agenten und MCP

Baust du einen KI‑Agenten, der echte astrologische Berechnungen statt Halluzinationen durchführen soll? AstroWay verbindet sich mit Claude (Anthropic), ChatGPT-4 (OpenAI), Llama 3.3 (Groq), DeepSeek, Google Gemini, Mistral – über MCP, llms.txt oder direkte HTTP‑Aufrufe. Drei Integrationsmöglichkeiten – wähle je nach Agententyp:

• llms.txt: Discovery‑Dateien für Agenten, die Dokumentation lesen (Cursor IDE, Windsurf, Claude im Browser, benutzerdefinierte RAG‑Pipelines auf LangChain/LlamaIndex).
• MCP‑Server: Zero‑Code für Claude Desktop, Cursor IDE, Windsurf, VS Code (llm CLI) und jeden MCP‑kompatiblen Client (einschließlich GPT mit MCP über die OpenAI Realtime API).
• HTTP API: Direkter Aufruf von deinem eigenen Agenten oder Framework (LangChain, LlamaIndex, AutoGen, CrewAI).

llms.txt: Discovery für KI‑Agenten

Die Seite stellt zwei maschinenlesbare Dateien im Format llms.txt bereit:

• /llms.txt: Index aller Dokumentationsseiten, gruppiert nach Abschnitten (API Reference, Use Cases, Examples, Products). Klein, passt in jedes Context‑Window.
• /llms-full.txt: Der gesamte Dokumentationsinhalt als eine Plain‑Text‑Datei. Geeignet für Offline‑Indexierung in einer Vektor‑DB oder einmaliges Einbringen in den Context.

Wann verwenden

Szenario	Datei
Cursor/Windsurf “lies die Astroway‑Docs und hilf bei der Integration”	/llms.txt (Agent holt selbst die benötigten Abschnitte)
Eigene RAG‑Pipeline / Vektor‑DB für FAQ‑Bot	/llms-full.txt (ein fetch – der gesamte Korpus)
Claude/ChatGPT im Browser: “hier ist unser API, baue einen Client”	/llms-full.txt in den Prompt einfügen
Produktions‑Agent mit Aufrufen	MCP‑Server oder HTTP API (siehe unten)

Beispiel: Pull in den eigenen Agenten

const docs = await fetch('https://api.astroway.info/llms-full.txt').then(r => r.text());

const systemPrompt = `You are an integration assistant for AstroWay API.
Documentation:
${docs}

When the user asks how to do X, return a working code snippet using their API key.`;

Hinweis

Dateien werden bei jedem Site‑Release automatisch neu generiert. Frische ist garantiert: Die API‑Version am Ende von /llms.txt stimmt mit dem aktuellen Production‑Deploy überein.

MCP‑Server (empfohlen für Claude Desktop)

Model Context Protocol (MCP) – offener Standard zum Anschließen von Werkzeugen an KI‑Modelle. Der MCP‑Server von AstroWay stellt 783 Werkzeuge bereit, je eins für jede API‑Operation, sowie 12 Prompts und 14 Ressourcen.

Konfiguration für Claude Desktop

Füge in claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "astroway": {
      "command": "npx",
      "args": ["@astroway/mcp"],
      "env": {
        "ASTROWAY_API_KEY": "aw_live_your_key_here"
      }
    }
  }
}

Nach dem Neustart von Claude Desktop werden alle 783 Werkzeuge angezeigt. Um die Liste zu verkleinern, setze ASTROWAY_TOOL_GROUPS oder schließe einen Domain‑Server an, siehe MCP‑Einstellungen.

Was der MCP‑Server kann

Werkzeug	Was es macht
astroway_western_chart	Berechnung der Geburtshoroskopkarte
astroway_relational_synastry	Synastrie zweier Personen
astroway_horoscope_daily	Tägliches Horoskop
astroway_ai_interpret_natal	KI‑Interpretation der Geburtshoroskopkarte
astroway_hd_human_design	Vollständige HD‑Karte
astroway_prognostics_transits	Aktuelle Transite

Vollständige Liste: 783 Werkzeuge, die gesamte API, jedes mit einem typisierten Antwort‑Schema.

Beispiel eines Dialogs mit Claude

Benutzer: Erstelle ein Geburtshoroskop für eine Person, geboren am 14. Juli 1990 um 14:30 in Kiew. Was bedeutet die Sonne im Krebs im 10. Haus?

Claude: Verwendet astroway_western_chart zur Berechnung, dann astroway_ai_interpret_placement zur Interpretation. Gibt die Planetenpositionen mit realen Daten und eine sinnvolle Interpretation zurück.

HTTP API

Für KI‑Agenten ohne MCP‑Unterstützung – nutze die HTTP API direkt.

Für die Inhaltserzeugung

TypeScript

// The AI agent calls /interpret/natal for an interpretation
const r = await fetch('https://api.astroway.info/v1/interpret/natal', {
  method: 'POST',
  headers: {
    'X-Api-Key': process.env.ASTROWAY_API_KEY!,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    date: '1990-07-14',
    time: '14:30:00',
    timezoneOffset: 3,
    latitude: 50.4501,
    longitude: 30.5234,
  }),
});

const { data: result } = await r.json();
// result.interpretation - ready AI interpretation
// result.disclaimer - disclaimer to display

Python

import os, requests

r = requests.post(
    'https://api.astroway.info/v1/interpret/natal',
    headers={'X-Api-Key': os.environ['ASTROWAY_API_KEY']},
    json={
        'date': '1990-07-14',
        'time': '14:30:00',
        'timezoneOffset': 3,
        'latitude': 50.4501,
        'longitude': 30.5234,
    },
)
result = r.json()['data']
# result['interpretation'] - ready AI interpretation
# result['disclaimer']     - disclaimer to display

cURL

curl -X POST https://api.astroway.info/v1/interpret/natal \
  -H "X-Api-Key: $ASTROWAY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "date": "1990-07-14",
    "time": "14:30:00",
    "timezoneOffset": 3,
    "latitude": 50.4501,
    "longitude": 30.5234
  }'

PHP

<?php
use GuzzleHttp\Client;

$aw = new Client(['base_uri' => 'https://api.astroway.info/v1/']);
$r = $aw->post('interpret/natal', [
    'headers' => ['X-Api-Key' => getenv('ASTROWAY_API_KEY')],
    'json' => [
        'date' => '1990-07-14',
        'time' => '14:30:00',
        'timezoneOffset' => 3,
        'latitude' => 50.4501,
        'longitude' => 30.5234,
    ],
]);

$result = json_decode($r->getBody(), true)['data'];
// $result['interpretation'] - ready AI interpretation
// $result['disclaimer']     - disclaimer to display

Für Berechnungen + eigenes LLM

// 1. Get raw data from /chart (cheaper - 20 credits)
const chart = await fetch('https://api.astroway.info/v1/chart', { ... });
const { data } = await chart.json();

// 2. Pass the data to your own LLM
const prompt = `Interpret this natal chart: ${JSON.stringify(data.planets)}`;
const llmResponse = await myLLM.generate(prompt);

Tipp

Wenn du nur eine Interpretation brauchst – verwende /interpret/* (50 Credits, fertiger Text). Wenn du den Prompt kontrollieren willst – nutze /chart (20 Credits) und übergebe die Daten an dein LLM.

Szenarien

Persönlicher astrologischer Assistent

MCP‑Server + Claude/ChatGPT. Der Benutzer fragt – der Agent berechnet und interpretiert. Budget: Free‑Tarif für den persönlichen Gebrauch.

Content‑Bot für soziale Medien

Tägliche Generierung von Horoskopen für 12 Zeichen über /horoscope/daily. 12 Anfragen pro Tag = 240 Credits. Free‑Tarif mit großem Puffer.

KI‑Coaching‑Plattform

/interpret/natal + /interpret/transits für jeden Kunden. 100 Kunden/Tag = 10 000 Credits/Tag. Pro‑Tarif.

Schnellstart → Erste Anfrage in 5 Minuten

Horoscope API KI‑Interpretationen und Horoskope

Tarife Von kostenlos bis Enterprise