ஒருங்கிணைப்பு
FTIR.fun MCP சேவையகம் & REST API
FTIR.fun ஐ உங்கள் AI உதவியாளர் அல்லது ஆட்டோமேஷன் குழாயுடன் இணைக்கவும். Claude/Cursor/Codex க்கான MCP சேவையகம். தனிப்பயன் ஒருங்கிணைப்புகளுக்கான REST API. அனைத்து முறைகளிலும் ஒரே 130,000+ குறிப்பு நிறமாலைகள் மற்றும் இலக்கிய ஆதரவு AI விளக்கம்.
MCP சேவையகம் — Claude, Cursor, Codex
FTIR.fun இன் MCP (Model Context Protocol) சேவையகம் மதிப்பாய்வு செய்யப்பட்டு, Anthropic MCP பதிவேடு, Smithery மற்றும் MCP.so இல் அதிகாரப்பூர்வமாக பட்டியலிடப்பட்டுள்ளது. இது FTIR நிறமாலை தேடல், DOI-மேற்கோள் இலக்கியத்துடன் உச்ச விளக்கம் மற்றும் பொருள் அடையாளத்தை எந்த MCP-இணக்கமான கிளையண்டுக்கும் அழைக்கக்கூடிய கருவிகளாக வெளிப்படுத்துகிறது.
விரைவு இணைப்பு
# 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
கிடைக்கும் கருவிகள்
| கருவி | விளக்கம் |
|---|---|
search_ftir_library | உச்சங்கள் அல்லது பதிவேற்றிய கோப்பின் மூலம் 130K+ குறிப்பு நிறமாலைகளைத் தேடவும். CAS எண்கள் மற்றும் ஒற்றுமை மதிப்பெண்களுடன் தரப்படுத்தப்பட்ட பொருத்தங்களை வழங்குகிறது. |
search_public_ftir_results | சமூகம் பகிர்ந்த பகுப்பாய்வு முடிவுகளை முக்கிய வார்த்தையால் தேடவும். |
fetch_public_ftir_result | விரிவான மதிப்பாய்வுக்காக ஒரு குறிப்பிட்ட பொது FTIR பகுப்பாய்வு முடிவை ID மூலம் பெறவும். |
சேவையக அட்டை & பதிவேடு இணைப்புகள்
- Server Card (JSON) — நிலையான MCP சேவையக கண்டுபிடிப்பு முனை
- Anthropic MCP Registry — அதிகாரப்பூர்வமாக பட்டியலிடப்பட்டது
- Smithery — மதிப்பாய்வு செய்யப்பட்டு வெளியிடப்பட்டது
- MCP.so — பட்டியலிடப்பட்டது
- PyPI (ftirfun-mcp) — Python தொகுப்பு
Coze செருகுநிரல் — Doubao உள்ளே பயன்படுத்தவும்
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.
தேடல் முக்கிய வார்த்தைகள்: 红外分析, FTIR, infrared, 光谱检索, 物质识别
REST API
நூலக தேடல் API
POST /v1/search
நிறமாலை நூலகத் தேடல். ஒரு கோப்பை (முழு-நிறமாலை பொருத்தம்) அல்லது உச்சப் பட்டியலை (உச்ச-நிலை பொருத்தம்) ஏற்றுக்கொள்கிறது. இரண்டும் வழங்கப்பட்டால், கோப்புத் தேடலுக்கு முன்னுரிமை அளிக்கப்படும்.
அங்கீகாரம்
X-API-Key: your-api-key
கோரிக்கை உடல்
| புலம் | வகை | தேவை | விளக்கம் |
|---|---|---|---|
| file_base64 | string | ஒன்று | Base64-குறியிடப்பட்ட கருவி கோப்பு (CSV, SPA, OPUS, SPC, JCAMP-DX மற்றும் 15+ பிற வடிவங்களை ஆதரிக்கிறது) |
| filename | string | file_base64 உடன் | நீட்டிப்பு உட்பட அசல் கோப்புப் பெயர் (எ.கா. sample.spa) |
| peaks | number[] | ஒன்று | cm⁻¹ இல் உச்ச அலை எண்களின் பட்டியல் (எ.கா. [3026, 1601, 1493, 755]) |
| top_k | integer | இல்லை (இயல்புநிலை 10) | திருப்பித் தர வேண்டிய முடிவுகளின் எண்ணிக்கை, அதிகபட்சம் 50 |
| tolerance | integer | இல்லை (இயல்புநிலை 8) | cm⁻¹ இல் உச்சப் பொருத்த சகிப்புத்தன்மை, வரம்பு 1–30 |
பதில்
{
"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
}
எடுத்துக்காட்டு — கோப்பு பதிவேற்றம்
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())
எடுத்துக்காட்டு — உச்சி பட்டியல்
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())
இருக்கும் முடிவுகளுக்கான AI-மட்டும் பகுப்பாய்வு
ஏற்கனவே தேடல் முடிவு இருந்தால் மட்டுமே இந்த இறுதிப்புள்ளியைப் பயன்படுத்தவும். FTIR.fun முதலில் வழங்கப்பட்ட அறிக்கையைப் படிக்கிறது அல்லது OCR செய்கிறது, புகாரளிக்கப்பட்ட வேட்பாளர்கள் மற்றும் மாதிரி உச்ச அட்டவணையைப் பிரித்தெடுக்கிறது, பின்னர் கீழ்நிலை KG மற்றும் இலக்கிய-ஆதரவு பகுப்பாய்வை இயக்குகிறது.
POST /ftir/analyze_existing_results
அறிக்கையில் புகாரளிக்கப்பட்ட தேடல் முடிவு பட்டியல் மற்றும் மாதிரி உச்ச அட்டவணை இரண்டும் இருக்க வேண்டும். இந்த இறுதிப்புள்ளி தானாக நிறமாலை-நூலக தேடலைச் செய்யாது.
அங்கீகாரம்
X-API-Key: your-api-key
கோரிக்கை உடல்
| புலம் | வகை | தேவை | விளக்கம் |
|---|---|---|---|
| report_text | string | ஒன்று | இருக்கும் கருவி அல்லது நூலக அறிக்கையிலிருந்து நகலெடுக்கப்பட்ட எளிய உரை. உரையில் புகாரளிக்கப்பட்ட முடிவுகள் மற்றும் மாதிரி உச்ச அட்டவணை இரண்டும் இருக்க வேண்டும். |
| report_file_base64 | string | ஒன்று | Base64-குறியிடப்பட்ட அறிக்கை கோப்பு. ஆதரிக்கப்படும் வடிவங்கள்: PDF, DOC, DOCX, TXT, CSV, PNG, JPG, JPEG, WEBP, GIF, BMP, TIF, TIFF. |
| report_filename | string | report_file_base64 உடன் | அசல் அறிக்கை கோப்பு பெயர் நீட்டிப்பு உட்பட (எடுத்துக்காட்டாக report.pdf அல்லது report.docx). |
| user_background_text | string | இல்லை | விருப்ப மாதிரி பின்னணி. இது மென்மையான சூழல் மட்டுமே மற்றும் ஆதாரமாக கருதப்படவில்லை. |
கடின உள்ளீடு எல்லை
- தேவையான உறுப்பு 1: குறைந்தது ஒரு புகாரளிக்கப்பட்ட தேடல் முடிவு வேட்பாளர், அதாவது Top1 வெற்றி அல்லது Top15 பட்டியல்
- தேவையான உறுப்பு 2: அதே அறிக்கையிலிருந்து மாதிரி உச்ச பட்டியல் அல்லது உச்ச அட்டவணை cm-1 இல்
- ஏதேனும் ஒரு உறுப்பு இல்லாவிட்டால், இறுதிப்புள்ளி HTTP 422 ஐத் திருப்பி அனுப்புகிறது மற்றும் பகுப்பாய்வு அறிக்கையை உருவாக்காது
வெற்றி பதில்
{
"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": {}
}
உள்ளீடு இல்லாத பதில்
{
"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
}
}
}
எடுத்துக்காட்டு — இருக்கும் அறிக்கை உரை
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())
எடுத்துக்காட்டு — இருக்கும் அறிக்கை கோப்பு
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())
பிழை குறியீடுகள்
| HTTP நிலை | பொருள் |
|---|---|
| 200 | வெற்றி |
| 401 | விடுபட்ட அல்லது தவறான API விசை |
| 422 | தவறான கோரிக்கை உடல், ஆதரிக்கப்படாத அறிக்கை வடிவம் அல்லது தேவையான அறிக்கை கூறுகள் இல்லை |
| 500 | சேவையகப் பிழை |