Integracja
Serwer MCP i REST API FTIR.fun
Podłącz FTIR.fun do swojego asystenta AI lub potoku automatyzacji. Serwer MCP dla Claude/Cursor/Codex. REST API dla niestandardowych integracji. Te same ponad 130 000 widm referencyjnych i oparta na literaturze interpretacja AI we wszystkich metodach.
Serwer MCP — Claude, Cursor, Codex
Serwer MCP (Model Context Protocol) FTIR.fun został recenzowany i oficjalnie wymieniony w Anthropic MCP Registry, Smithery i MCP.so. Udostępnia wyszukiwanie widm FTIR, wyjaśnianie pików z literaturą cytowaną DOI oraz identyfikację materiałów jako narzędzia do wywołania dla każdego klienta zgodnego z MCP.
Szybkie połączenie
# 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
Dostępne narzędzia
| Narzędzie | Opis |
|---|---|
search_ftir_library | Przeszukuj ponad 130K widm referencyjnych według pików lub przesłanego pliku. Zwraca uszeregowane dopasowania z numerami CAS i wynikami podobieństwa. |
search_public_ftir_results | Przeszukuj wyniki analiz udostępnione przez społeczność według słowa kluczowego. |
fetch_public_ftir_result | Pobierz konkretny publiczny wynik analizy FTIR według ID w celu szczegółowego przeglądu. |
Karta serwera i linki do rejestrów
- Server Card (JSON) — standardowy punkt końcowy wykrywania serwera MCP
- Anthropic MCP Registry — oficjalnie wymieniony
- Smithery — recenzowany i opublikowany
- MCP.so — wymieniony
- PyPI (ftirfun-mcp) — Pakiet Pythona
Wtyczka Coze — Używaj wewnątrz Doubao
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.
Słowa kluczowe wyszukiwania: 红外分析, FTIR, infrared, 光谱检索, 物质识别
REST API
API wyszukiwania w bibliotece
POST /v1/search
Wyszukiwanie w bibliotece widm. Akceptuje plik (dopasowanie pełnego widma) lub listę pików (dopasowanie pozycji pików). Jeśli podano oba, wyszukiwanie pliku ma priorytet.
Uwierzytelnianie
X-API-Key: your-api-key
Treść żądania
| Pole | Typ | Wymagane | Opis |
|---|---|---|---|
| file_base64 | string | jeden z | Plik instrumentu zakodowany w Base64 (obsługuje CSV, SPA, OPUS, SPC, JCAMP-DX i 15+ innych formatów) |
| filename | string | z file_base64 | Oryginalna nazwa pliku z rozszerzeniem (np. sample.spa) |
| peaks | number[] | jeden z | Lista liczby falowej pików w cm⁻¹ (np. [3026, 1601, 1493, 755]) |
| top_k | integer | nie (domyślnie 10) | Liczba wyników do zwrócenia, maks. 50 |
| tolerance | integer | nie (domyślnie 8) | Tolerancja dopasowania pików w cm⁻¹, zakres 1–30 |
Odpowiedź
{
"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
}
Przykład — przesłanie pliku
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())
Przykład — lista pików
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())
Analiza tylko AI dla istniejących wyników
Używaj tego punktu końcowego tylko wtedy, gdy wynik wyszukiwania już istnieje. FTIR.fun najpierw odczytuje lub wykonuje OCR dostarczonego raportu, wyodrębnia zgłoszonych kandydatów i tabelę pików próbki, a następnie uruchamia dalszą analizę KG i popartą literaturą.
POST /ftir/analyze_existing_results
Raport musi zawierać zarówno listę zgłoszonych wyników wyszukiwania, jak i tabelę pików próbki. Ten punkt końcowy sam nie wykonuje wyszukiwania w bibliotece widmowej.
Uwierzytelnianie
X-API-Key: your-api-key
Treść żądania
| Pole | Typ | Wymagane | Opis |
|---|---|---|---|
| report_text | string | jeden z | Zwykły tekst skopiowany z istniejącego raportu instrumentu lub biblioteki. Tekst musi zawierać zarówno zgłoszone wyniki, jak i tabelę pików próbki. |
| report_file_base64 | string | jeden z | Plik raportu zakodowany w base64. Obsługiwane formaty: PDF, DOC, DOCX, TXT, CSV, PNG, JPG, JPEG, WEBP, GIF, BMP, TIF, TIFF. |
| report_filename | string | z report_file_base64 | Oryginalna nazwa pliku raportu wraz z rozszerzeniem (na przykład report.pdf lub report.docx). |
| user_background_text | string | nie | Opcjonalne tło próbki. Jest traktowane tylko jako miękki kontekst, a nie jako dowód. |
Twarda granica danych wejściowych
- Wymagany element 1: co najmniej jeden zgłoszony kandydat wyniku wyszukiwania, taki jak trafienie Top1 lub lista Top15
- Wymagany element 2: lista pików próbki lub tabela pików w cm-1 z tego samego raportu
- Jeśli brakuje któregokolwiek elementu, punkt końcowy zwraca HTTP 422 i nie generuje raportu analizy
Odpowiedź sukcesu
{
"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": {}
}
Odpowiedź o brakujących danych wejściowych
{
"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
}
}
}
Przykład — istniejący tekst raportu
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())
Przykład — istniejący plik raportu
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())
Kody błędów
| Status HTTP | Znaczenie |
|---|---|
| 200 | Sukces |
| 401 | Brakujący lub nieprawidłowy klucz API |
| 422 | Nieprawidłowe ciało żądania, nieobsługiwany format raportu lub brak wymaganych elementów raportu |
| 500 | Błąd serwera |