AI
按语言体系分析文本，并预估 OpenAI、Codex、Claude 和 DeepSeek 的 token 消耗
用三种语言从你的代码中调用此工具。
# 1) Upload each file first → returns { filePath }
curl -X POST 'https://api.elysiatools.com/upload/ai-token-estimator' \
-F 'file=@/path/to/textFile.ext'
# 2) Call the tool with the returned filePath values
curl -X POST 'https://api.elysiatools.com/zh/api/tools/ai-token-estimator' \
-F 'inputText=请总结 this API design and list 3 risks.' \
-F 'textFile=/path/to/file.ext' \
-F 'modelProfile=All Profiles' \
-F 'countMode=raw-text'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST https://api.elysiatools.com/zh/api/tools/ai-token-estimator| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| inputText | textarea | 否 | — |
| textFile | file需先上传 | 否 | — |
| modelProfile | select | 否 | — |
| countMode | select | 否 | — |
JSON 结果
{
"key": {...},
"metadata": {
"key": "value"
},
"error": "Error message (optional)",
"message": "Notification message (optional)"
}将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置：
{
"mcpServers": {
"elysiatools-ai-token-estimator": {
"name": "ai-token-estimator",
"description": "按语言体系分析文本，并预估 OpenAI、Codex、Claude 和 DeepSeek 的 token 消耗",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=ai-token-estimator",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后，列出已开放的工具：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用，参数由其参数表构建：
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "ai-token-estimator",
"arguments": {
"inputText": "请总结 this API design and list 3 risks.",
"textFile": "https://example.com/file.ext",
"modelProfile": "All Profiles",
"countMode": "raw-text"
}
}
}有问题或反馈？请联系 [email protected]