
acceptmarkdown.com: Content Negotiation für AI-Agents via Markdown-Header
acceptmarkdown.com adressiert ein konkretes Effizienzproblem bei KI-gestützten Anwendungen: Wenn AI-Agents oder RAG-Pipelines Webseiten abrufen, erhalten sie standardmäßig HTML – inklusive Navigation, Skripte, Werbung und Layout-Wrapper, die für das Sprachmodell keinerlei inhaltlichen Wert haben. Der Ansatz nutzt das bereits in HTTP eingebaute Content-Negotiation-Protokoll: Ein Agent sendet den Request-Header `Accept: text/markdown`, und ein korrekt konfigurierter Server liefert statt HTML eine Markdown-Version derselben Seite. Die zugrundeliegenden Standards sind RFC 9110 (HTTP-Semantik) und RFC 7763 (der MIME-Typ `text/markdown`), die beide bereits etabliert sind. Die Plattform bietet ein Live-Tool, mit dem beliebige URLs auf ihre „AI-Readiness" geprüft werden können – gemessen an drei Kriterien: Ob der Server Markdown ausliefert, den `Vary: Accept`-Header setzt und nicht-unterstützte Typen mit HTTP 406 ablehnt. Für Entwickler gibt es fertige Copy-paste-Konfigurationen für vierzehn Plattformen und Frameworks, darunter Nginx, Caddy, Next.js, Astro, SvelteKit, Django, Rails und Cloudflare Workers. Zusätzlich dokumentiert die Seite eine „AI Agent Support Matrix", die festhält, welche AI-Agents den `Accept: text/markdown`-Header beim Abrufen von URLs tatsächlich bereits mitsenden. Der praktische Nutzen liegt in drei Dimensionen: Token-Ersparnis (weniger Bytes im Kontext), höherer Signal-Dichte für Embeddings und niedrigerer Latenz bis zum ersten generierten Token.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHvercel.com2w
Vercel nutzt design.md als universelle Design-Referenz für Coding-Agents
- MEINUNGreddit.com3w
Agent.md-Konfiguration zur Verbesserung der LLM-gestützten Codequalität
- LAUNCHsimonwillison.net0mo
Simon Willisons markdown-svg-renderer bekommt MP4-Export via ffmpeg.wasm
- FORSCHUNGarxiv.org2w
Chunking vs. Embedding in türkischen RAG-Systemen: Layout-aware gewinnt

acceptmarkdown.com: Content Negotiation für AI-Agents via Markdown-Header
acceptmarkdown.com adressiert ein konkretes Effizienzproblem bei KI-gestützten Anwendungen: Wenn AI-Agents oder RAG-Pipelines Webseiten abrufen, erhalten sie standardmäßig HTML – inklusive Navigation, Skripte, Werbung und Layout-Wrapper, die für das Sprachmodell keinerlei inhaltlichen Wert haben. Der Ansatz nutzt das bereits in HTTP eingebaute Content-Negotiation-Protokoll: Ein Agent sendet den Request-Header `Accept: text/markdown`, und ein korrekt konfigurierter Server liefert statt HTML eine Markdown-Version derselben Seite. Die zugrundeliegenden Standards sind RFC 9110 (HTTP-Semantik) und RFC 7763 (der MIME-Typ `text/markdown`), die beide bereits etabliert sind. Die Plattform bietet ein Live-Tool, mit dem beliebige URLs auf ihre „AI-Readiness" geprüft werden können – gemessen an drei Kriterien: Ob der Server Markdown ausliefert, den `Vary: Accept`-Header setzt und nicht-unterstützte Typen mit HTTP 406 ablehnt. Für Entwickler gibt es fertige Copy-paste-Konfigurationen für vierzehn Plattformen und Frameworks, darunter Nginx, Caddy, Next.js, Astro, SvelteKit, Django, Rails und Cloudflare Workers. Zusätzlich dokumentiert die Seite eine „AI Agent Support Matrix", die festhält, welche AI-Agents den `Accept: text/markdown`-Header beim Abrufen von URLs tatsächlich bereits mitsenden. Der praktische Nutzen liegt in drei Dimensionen: Token-Ersparnis (weniger Bytes im Kontext), höherer Signal-Dichte für Embeddings und niedrigerer Latenz bis zum ersten generierten Token.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- LAUNCHvercel.com2w
Vercel nutzt design.md als universelle Design-Referenz für Coding-Agents
- MEINUNGreddit.com3w
Agent.md-Konfiguration zur Verbesserung der LLM-gestützten Codequalität
- LAUNCHsimonwillison.net0mo
Simon Willisons markdown-svg-renderer bekommt MP4-Export via ffmpeg.wasm
- FORSCHUNGarxiv.org2w
Chunking vs. Embedding in türkischen RAG-Systemen: Layout-aware gewinnt