Lodapi für KI-Coding-Agenten

Wenn du Lodapi mit einem KI-Coding-Agent (Cursor, Claude Code, Aider, ChatGPT mit Tool-Use, OpenAI Codex) anbinden willst, sind drei Roh-Artefakte deine Eingangstür — kein HTML-Crawling nötig.

1. llms.txt — Index für Discovery

https://lodapi.de/llms.txt

Sektionierter Index nach llmstxt.org. Enthält alle Endpoints gruppiert nach Tag, plus Links zu Guides und Reference-Material. Klein genug, um permanent im LLM-System-Prompt zu liegen.

Verwendung in Claude Code:

# Lade Lodapi-Kontext in eine neue Session
curl -s https://lodapi.de/llms.txt | claude --append-system

2. llms-full.txt — Volle Doku im Context-Window

https://lodapi.de/llms-full.txt

Maschinell konkatenierte Doku aller Endpoints + Guides. Drop diese Datei in den LLM-Context — der Agent hat vollen API-Kontext für einen Roundtrip.

# Beispiel: ChatGPT/Claude mit vollständigem Lodapi-Kontext
import httpx, anthropic

docs = httpx.get("https://lodapi.de/llms-full.txt").text
client = anthropic.Anthropic()
msg = client.messages.create(
    model="claude-opus-4-7",
    max_tokens=2048,
    system=f"Du kennst die Lodapi-API. Doku:\n\n{docs}",
    messages=[{"role": "user", "content": "Wie hole ich Gebäude für Frankfurt-Innenstadt?"}],
)

3. .well-known/lodapi.json — Discovery-Manifest

https://lodapi.de/.well-known/lodapi.json

Maschinenlesbares JSON mit:

• api.openapi_url — Live-OpenAPI-3.1
• api.openapi_snapshot_url — committed Snapshot
• docs.url — Doku-Site
• llms.index + llms.full — die zwei Files oben
• data_products[] — alle 6 Datenprodukte mit Status (live / beta / planned)
• auth — Modell + Headers + Status

Das ist das Format, das AI-Tool-Use-Discovery erwartet (name, description, homepage Felder sind Standard-kompatibel).

4. Markdown-Roh-Konsum pro Endpoint

Jede Endpoint-Page hat einen .md-Suffix für Roh-Markdown:

Content-Type: text/markdown; charset=utf-8. Frontmatter + Body verbatim.

5. OpenAPI 3.1 für SDK-Generierung

https://lodapi.de/openapi.json                 (committed Snapshot)
https://api.lodapi.de/openapi.json             (live)
https://api.lodapi.de/docs                     (Swagger-UI)
https://api.lodapi.de/redoc                    (ReDoc)

Standard-OpenAPI-3.1 — funktioniert mit jedem Generator (openapi-typescript, openapi-python-client, swagger-codegen).

6. MCP-Server (geplant Phase 2)

Ein Model-Context-Protocol-Server unter mcp.lodapi.de ist für Q3 2026 in Planung. Dann werden alle Lodapi-Endpoints direkt als MCP-Tools nutzbar — Claude Desktop, Cursor und MCP-fähige IDEs binden Lodapi ohne Custom-Integration an.

Status-Update: data_products[].mcp_server in .well-known/lodapi.json wird gesetzt, sobald live.

Stolperdrähte für KI-Agenten

• Cursor-Pagination ist opak — der lodapi.next-String darf nicht aufgebrochen werden. Der Agent sollte ihn als Token behandeln.
• features[].properties.bundesland ist der unprefixte 2-Buchstaben-Code ("he", "nrw"). Manche LLMs raten “Hessen” — kommunizieren Sie den Code-Stil explizit.
• bbox-Reihenfolge ist minLon,minLat,maxLon,maxLat (West, Süd, Ost, Nord), nicht GeoJSON-Bbox-Konvention.
• /v1/terrain/elevation liefert 404 für Wasserflächen, nicht 0.0. Das ist Absicht — siehe Endpoint-Doku.
• Lizenz-Attribution ist kein optional Step — bei DL-DE BY 2.0 oder CC BY 4.0 muss der Quell-String sichtbar bleiben. Der lodapi.attribution[]-Block der Response gibt den exakten Text.