AI-integratie
Integreer 2328.io binnen enkele minuten in je applicatie met behulp van AI-assistenten zoals Claude, ChatGPT, Cursor en GitHub Copilot.
De 2328.io-documentatie is gebouwd om LLM-vriendelijk te zijn. Je kunt de volledige API-referentie aan elke moderne AI-assistent geven en deze laten genereren een werkende integratie in de taal van jouw keuze — PHP, Node.js, Python, Go, Rust — in minuten in plaats van uren.
Op deze pagina lees je hoe je dat efficiënt doet.
Waarom AI gebruiken om te integreren
- Sneller onboarden — sla boilerplate over, ga direct naar de business logic
- Correct ondertekenen — AI reproduceert HMAC-SHA256-ondertekening betrouwbaar in elke taal
- Webhook-handlers — genereer kant-en-klaar handtekeningverificatie en idempotente handlers
- Up-to-date — onze
llms-full.txtwordt bij elke documentatie-update opnieuw gegenereerd, zodat je altijd actuele schema's krijgt
Machine-leesbare documentatie
We publiceren drie endpoints volgens de llmstxt.org-standaard:
| Endpoint | Doel |
|---|---|
/llms.txt | Korte index van alle docs met links |
/llms-full.txt | Volledige documentatie als één bestand — plak dit in je AI-chat |
/md/{locale}/{slug} | Elke pagina als ruwe Markdown |
Elke HTML-pagina toont ook een <link rel="alternate" type="text/markdown"> die naar de Markdown-versie wijst, zodat AI-crawlers deze automatisch ontdekken.
Snelle start met Claude of ChatGPT
Stap 1 — Lever de docs aan
Open een nieuwe chat en plak de inhoud van llms-full.txt als je eerste bericht, of deel gewoon de link als het model deze kan ophalen.
Stap 2 — Beschrijf je stack
Vertel de assistent wat je aan het bouwen bent:
I'm building a Laravel 11 application. I need to:
1. Create a payment for an order (amount in USD, user pays in USDT TRC20)
2. Handle the webhook and credit the user's balance
3. Store payment records in a `payments` table
Use the 2328.io API above. Include HMAC signing, webhook signature
verification, and idempotency.Stap 3 — Beoordeel en test
De assistent produceert een controller, een serviceklasse en een webhook-handler. Vóór je live gaat:
- Verifieer dat
apiSign()de body als base64 codeert vóór HMAC-SHA256 - Controleer of webhook-handlers
hash_equals()aanroepen (niet===) om handtekeningen te vergelijken - Zorg dat de handler idempotent is — controleer
order_id/txidvoordat je bijboekt - Test eerst met een kleine echte betaling op een dev-omgeving
Stuur AI-gegenereerde betalingscode nooit live zonder de logica voor ondertekening en webhook-verificatie te beoordelen. Dat zijn de kritieke beveiligingsgrenzen.
IDE-integraties
Cursor
Voeg de docs toe als aangepaste docs-bron in de Cursor-instellingen:
Settings → Features → Docs → Add new doc
URL: https://doc.2328.ioVoeg vervolgens in chat @2328.io als prefix aan je vraag toe:
@2328.io generate a webhook handler in Next.js App Router
with signature verification and idempotent credit logicGitHub Copilot
Copilot Chat kan llms-full.txt direct lezen:
#fetch https://doc.2328.io/llms-full.txt
Using the 2328.io API docs above, implement a payout endpoint
in Express that withdraws USDT BEP20 to a user-supplied address.Windsurf / Continue / andere assistenten
Elke assistent die een URL-context of bestandsbijlage ondersteunt, werkt op dezelfde manier — voeg llms-full.txt toe en beschrijf je doel.
Claude API (Agent SDK)
Als je je eigen agent of chatbot bouwt die met 2328.io moet werken, injecteer je de docs één keer in de system prompt:
from anthropic import Anthropic
import urllib.request
docs = urllib.request.urlopen(
"https://doc.2328.io/llms-full.txt"
).read().decode()
client = Anthropic()
response = client.messages.create(
model="claude-opus-4-7",
max_tokens=4096,
system=f"""You are an integration assistant for 2328.io.
Use the API reference below to answer questions and generate code.
<docs>
{docs}
</docs>""",
messages=[
{"role": "user", "content": "Write a Python function that creates a USDT payment"}
],
)
print(response.content[0].text)Het volledige documentatiebestand is ~15 KB — ruim onder de contextlimiet van elk modern model. Je kunt het aan jouw kant cachen en eens per dag verversen.
Voorbeelden van prompts die goed werken
Kopieer deze in Claude, ChatGPT of je AI-IDE nadat je llms-full.txt hebt gedeeld:
Volledige backend-integratie:
Build a Node.js + Express service that exposes two routes:
- POST /checkout → creates a 2328.io payment and returns the payment URL
- POST /webhook/2328 → verifies the signature and marks the order as paid
Use TypeScript, Zod for validation, and a simple in-memory store.Uitbetalingstool:
Write a CLI in Go that takes a currency, network, amount, and address
and creates a payout via the 2328.io Payout API. Use a separate payout
API key from env. Poll the status endpoint until the payout is completed.Statische wallet voor stortingen door gebruikers:
I have a Django app where users deposit USDT TRC20 to top up their balance.
Each user should have a permanent deposit address. Implement this using
2328.io static wallets, including the webhook handler that credits their
balance when a deposit arrives.Best practices voor AI-ondersteunde integratie
- Begin met
llms-full.txt— ontworpen voor LLM-context, geen boilerplate - Wees specifiek over je stack — framework, taalversie, ORM
- Vraag om tests — AI is goed in het genereren van unit tests voor ondertekeningslogica
- Controleer de foutafhandeling extra — AI slaat soms foutpaden over
- Beoordeel ondertekeningscode handmatig — dit is het enige deel dat exact goed moet zijn
- Ververs periodiek — als onze API verandert, haal
llms-full.txtopnieuw op en voer een nieuwe prompt uit