एकत्रीकरण
FTIR.fun MCP सर्व्हर आणि REST API
FTIR.fun तुमच्या AI सहायक किंवा ऑटोमेशन पाइपलाइनशी कनेक्ट करा. Claude/Cursor/Codex साठी MCP सर्व्हर. सानुकूल एकीकरणासाठी REST API. सर्व पद्धतींमध्ये समान 130,000+ संदर्भ स्पेक्ट्रा आणि साहित्य-समर्थित AI व्याख्या.
MCP सर्व्हर — Claude, Cursor, Codex
FTIR.fun चे MCP (Model Context Protocol) सर्व्हर पुनरावलोकन केले गेले आहे आणि अधिकृतपणे Anthropic MCP Registry, Smithery, आणि MCP.so वर सूचीबद्ध केले आहे. हे कोणत्याही MCP-संगत क्लायंटसाठी FTIR वर्णक्रमीय शोध, DOI-उद्धृत साहित्यासह शिखर स्पष्टीकरण, आणि सामग्री ओळख कॉल करण्यायोग्य साधने म्हणून उघड करते.
द्रुत कनेक्ट
# Claude Desktop / Claude Code
claude mcp add ftirfun https://ftir.fun/mcp
# Cursor
# Add to ~/.cursor/mcp.json:
{"mcpServers": {"ftirfun": {"url": "https://ftir.fun/mcp"}}}
# OpenAI Codex
codex mcp add ftirfun https://ftir.fun/mcp
उपलब्ध साधने
| साधन | वर्णन |
|---|---|
search_ftir_library | शिखरे किंवा अपलोड केलेल्या फाइलद्वारे 130K+ संदर्भ स्पेक्ट्रा शोधा. CAS क्रमांक आणि समानता स्कोअरसह क्रमवारी केलेले जुळणारे परत करते. |
search_public_ftir_results | कीवर्डद्वारे समुदाय-सामायिक विश्लेषण परिणाम शोधा. |
fetch_public_ftir_result | तपशीलवार पुनरावलोकनासाठी ID द्वारे विशिष्ट सार्वजनिक FTIR विश्लेषण परिणाम प्राप्त करा. |
सर्व्हर कार्ड आणि नोंदणी दुवे
- Server Card (JSON) — मानक MCP सर्व्हर शोध एंडपॉइंट
- Anthropic MCP Registry — अधिकृतपणे सूचीबद्ध
- Smithery — पुनरावलोकन केले आणि प्रकाशित केले
- MCP.so — सूचीबद्ध
- PyPI (ftirfun-mcp) — Python पॅकेज
Coze Plugin — Doubao मध्ये वापरा
Open Doubao → Plugin Store → search "FTIR" or "红外分析" → tap Add. No configuration needed. Doubao will automatically route infrared-related queries to our spectral search engine.
शोध कीवर्ड्स: 红外分析, FTIR, infrared, 光谱检索, 物质识别
REST API
ग्रंथालय शोध API
POST /v1/search
स्पेक्ट्रल लायब्ररी शोध. फाइल (पूर्ण-स्पेक्ट्रम जुळणी) किंवा पीक यादी (पीक-स्थान जुळणी) स्वीकारते. दोन्ही प्रदान केल्यास, फाइल शोध प्राधान्य घेते.
प्रमाणीकरण
X-API-Key: your-api-key
विनंती बॉडी
| क्षेत्र | प्रकार | आवश्यक | वर्णन |
|---|---|---|---|
| file_base64 | string | एक | Base64-एन्कोड केलेली उपकरण फाइल (CSV, SPA, OPUS, SPC, JCAMP-DX, आणि 15+ इतर स्वरूपनांना समर्थन) |
| filename | string | file_base64 सह | विस्तारासह मूळ फाइलनाव (उदा. sample.spa) |
| peaks | number[] | एक | cm⁻¹ मध्ये पीक वेव्हनंबरची यादी (उदा. [3026, 1601, 1493, 755]) |
| top_k | integer | नाही (डीफॉल्ट 10) | परत करण्यासाठी निकालांची संख्या, कमाल 50 |
| tolerance | integer | नाही (डीफॉल्ट 8) | cm⁻¹ मध्ये पीक जुळणी सहनशीलता, श्रेणी 1–30 |
प्रतिसाद
{
"success": true,
"search_mode": "full_spectrum",
"n_matches": 10,
"matches": [
{
"rank": 1,
"name": "Polystyrene",
"cas": "25086-18-4",
"num": 326,
"similarity": 0.9586
}
],
"file_format": "Thermo SPA",
"n_points": 3601,
"error": null
}
उदाहरण — फाइल अपलोड
import base64, requests
with open("sample.spa", "rb") as f:
b64 = base64.b64encode(f.read()).decode()
resp = requests.post(
"https://api.ftir.fun/v1/search",
headers={"X-API-Key": "your-key", "Content-Type": "application/json"},
json={"file_base64": b64, "filename": "sample.spa", "top_k": 5},
)
print(resp.json())
उदाहरण — शिखर यादी
import requests
resp = requests.post(
"https://api.ftir.fun/v1/search",
headers={"X-API-Key": "your-key", "Content-Type": "application/json"},
json={"peaks": [3082, 3026, 2923, 1601, 1493, 1451, 1028, 906, 755, 699], "top_k": 5},
)
print(resp.json())
विद्यमान परिणामांसाठी AI-केवळ विश्लेषण
शोध परिणाम आधीच अस्तित्वात असल्यानंतरच हे एंडपॉइंट वापरा. FTIR.fun प्रथम पुरवलेला अहवाल वाचते किंवा OCR करते, अहवालित उमेदवार आणि नमुना शिखर सारणी काढते, नंतर डाउनस्ट्रीम KG आणि साहित्य-समर्थित विश्लेषण चालवते.
POST /ftir/analyze_existing_results
अहवालात अहवालित शोध परिणाम यादी आणि नमुना शिखर सारणी दोन्ही समाविष्ट असणे आवश्यक आहे. हे एंडपॉइंट स्वतः स्पेक्ट्रल-ग्रंथालय शोध करत नाही.
प्रमाणीकरण
X-API-Key: your-api-key
विनंती बॉडी
| क्षेत्र | प्रकार | आवश्यक | वर्णन |
|---|---|---|---|
| report_text | string | एक | विद्यमान उपकरण किंवा ग्रंथालय अहवालातून कॉपी केलेला साधा मजकूर. मजकुरात अहवालित परिणाम आणि नमुना शिखर सारणी दोन्ही समाविष्ट असणे आवश्यक आहे. |
| report_file_base64 | string | एक | Base64-एन्कोड केलेली अहवाल फाइल. समर्थित स्वरूप: PDF, DOC, DOCX, TXT, CSV, PNG, JPG, JPEG, WEBP, GIF, BMP, TIF, TIFF. |
| report_filename | string | report_file_base64 सह | विस्तारासह मूळ अहवाल फाइलनाव (उदाहरणार्थ report.pdf किंवा report.docx). |
| user_background_text | string | नाही | वैकल्पिक नमुना पार्श्वभूमी. हे फक्त मऊ संदर्भ म्हणून वागवले जाते आणि पुरावा म्हणून नाही. |
कठोर इनपुट सीमा
- आवश्यक घटक 1: किमान एक अहवालित शोध परिणाम उमेदवार, जसे की Top1 हिट किंवा Top15 यादी
- आवश्यक घटक 2: त्याच अहवालातील cm-1 मध्ये नमुना शिखर यादी किंवा शिखर सारणी
- जर एकतर घटक गहाळ असेल, तर एंडपॉइंट HTTP 422 परत करतो आणि विश्लेषण अहवाल तयार करत नाही
यशस्वी प्रतिसाद
{
"success": true,
"analysis_mode": "ai_only_existing_results",
"message": "AI-only analysis completed from the supplied existing results report.",
"input_requirements": {
"service_boundary": "AI-only analysis starts after a search result already exists.",
"required_inputs": [
"At least one reported search result candidate (Top1 or Top15).",
"The sample peak table or peak list in cm-1."
]
},
"missing_requirements": [],
"missing_requirement_messages": [],
"extracted_report": {
"source_kind": "pdf",
"used_ocr": true,
"peak_values_cm1": [1736, 1601, 1241],
"library_candidates": [
{"rank": 1, "name": "Polyethylene terephthalate", "cas_number": "25038-59-9", "raw_score_text": "856/1000", "normalized_similarity": 0.856}
]
},
"summary": "Reported library results rank Polyethylene terephthalate first.",
"report_view": {},
"final_decision": {},
"direct_evidence": {},
"related_literature": {}
}
गहाळ-इनपुट प्रतिसाद
{
"detail": {
"success": false,
"analysis_mode": "ai_only_existing_results",
"error": "missing_required_report_elements",
"message": "AI-only analysis requires both reported library results and a sample peak table.",
"missing_requirements": ["sample_peak_table"],
"missing_requirement_messages": [
"Missing sample peak table. Provide the sample peak list or peak table in cm-1 from the same report."
],
"input_requirements": {
"failure_behavior": "If either the reported result list or the sample peak table is missing, the service stops and returns a 422 response."
},
"extracted_report": {
"report_has_library_results": true,
"report_has_peak_table": false
}
}
}
उदाहरण — विद्यमान अहवाल मजकूर
import requests
report_text = """
Sample: PET fragment
Top1: Polyethylene terephthalate Score: 856/1000
Top2: Polyester resin Score: 801/1000
Peak table (cm-1): 3435, 2932, 1715, 1409, 1241, 1093, 1017, 872, 722
"""
resp = requests.post(
"https://api.ftir.fun/ftir/analyze_existing_results",
headers={"X-API-Key": "your-key", "Content-Type": "application/json"},
json={"report_text": report_text, "user_background_text": "consumer packaging fragment"},
)
print(resp.json())
उदाहरण — विद्यमान अहवाल फाइल
import base64, requests
with open("instrument-report.pdf", "rb") as f:
b64 = base64.b64encode(f.read()).decode()
resp = requests.post(
"https://api.ftir.fun/ftir/analyze_existing_results",
headers={"X-API-Key": "your-key", "Content-Type": "application/json"},
json={
"report_file_base64": b64,
"report_filename": "instrument-report.pdf",
"user_background_text": "suspected packaging adhesive",
},
)
print(resp.json())
त्रुटी कोड
| HTTP स्थिती | अर्थ |
|---|---|
| 200 | यशस्वी |
| 401 | गहाळ किंवा अवैध API की |
| 422 | अवैध विनंती मुख्य भाग, असमर्थित अहवाल स्वरूप, किंवा आवश्यक अहवाल घटक गहाळ |
| 500 | सर्व्हर-साइड त्रुटी |