Data Processing
Normalizar datos numéricos usando escalado Min-Max para transformar valores a un rango de 0-1. Perfecto para preprocesamiento de machine learning, análisis de datos y escalado de características.
Llama a esta herramienta desde tu código en tres lenguajes.
curl -X POST 'https://api.elysiatools.com/es/api/tools/data-normalizer-minmax' \
-H 'Content-Type: application/json' \
-d '{"inputData":"name,age,salary\nAlice,25,50000\nBob,30,75000\nCharlie,35,120000","targetColumns":"edad, salario o nombre, email\n\nDeje vacío para detectar columnas numéricas","outputRange":"0, 1","handleMissing":"skip","preserveOriginal":false,"decimalPlaces":4,"includeStatistics":true}'Envía una petición POST con tus entradas en JSON. Los parámetros de tipo archivo requieren una subida previa.
POST https://api.elysiatools.com/es/api/tools/data-normalizer-minmax| Nombre | Tipo | Obligatorio | Descripción |
|---|---|---|---|
| inputData | textarea | Sí | — |
| targetColumns | textarea | No | — |
| outputRange | text | No | — |
| handleMissing | select | No | — |
| preserveOriginal | checkbox | No | — |
Añade esta herramienta a tu servidor Model Context Protocol para que los agentes de IA puedan listarla y llamarla.
Añade este bloque a la configuración de tu cliente MCP:
{
"mcpServers": {
"elysiatools-data-normalizer-minmax": {
"name": "data-normalizer-minmax",
"description": "Normalizar datos numéricos usando escalado Min-Max para transformar valores a un rango de 0-1. Perfecto para preprocesamiento de machine learning, análisis de datos y escalado de características.",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=data-normalizer-minmax",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}Tras conectar al endpoint SSE, lista las herramientas expuestas:
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}Invoca la herramienta por su id; los argumentos se construyen a partir de sus parámetros:
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "data-normalizer-minmax",
"arguments": {
"inputData": "name,age,salary\nAlice,25,50000\nBob,30,75000\nCharlie,35,120000",
"targetColumns": "edad, salario o nombre, email\n\nDeje vacío para detectar columnas numéricas",
"outputRange": "0, 1",
"handleMissing": "skip",
"preserveOriginal": false,
"decimalPlaces": 4,
"includeStatistics": true
}
}
}| decimalPlaces |
| number |
| No |
| — |
| includeStatistics | checkbox | No | — |
Resultado de texto
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}¿Dudas o problemas? Contacta con [email protected]