Data Analysis
对 CSV 或 JSON 数据集进行质量画像，识别缺失值、重复行、格式漂移、类型推断和数值异常。
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/dataset-quality-profiler' \
-F 'file=@/path/to/datasetFile.ext'
# 2) Call the tool with the returned filePath values
curl -X POST 'https://api.elysiatools.com/zh/api/tools/dataset-quality-profiler' \
-F 'datasetInput=id,name,email,amount,created_at
1,Alice,[email protected],120,2026-03-01
2,Bob,,85,2026-03-02
2,Bob,[email protected],85,03/02/2026
3,Charlie,[email protected],9999,2026-03-03' \
-F 'datasetFile=' \
-F 'duplicateKeyColumns=id' \
-F 'sampleRows=8'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/dataset-quality-profiler| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| datasetInput | textarea | 否 | — |
| datasetFile | file需先上传 | 否 | — |
| duplicateKeyColumns | text | 否 | — |
| sampleRows | number | 否 | — |
HTML 结果
{
"result": "<div>Processed HTML content</div>",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}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-dataset-quality-profiler": {
"name": "dataset-quality-profiler",
"description": "对 CSV 或 JSON 数据集进行质量画像，识别缺失值、重复行、格式漂移、类型推断和数值异常。",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=dataset-quality-profiler",
"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": "dataset-quality-profiler",
"arguments": {
"datasetInput": "id,name,email,amount,created_at\n1,Alice,[email protected],120,2026-03-01\n2,Bob,,85,2026-03-02\n2,Bob,[email protected],85,03/02/2026\n3,Charlie,[email protected],9999,2026-03-03",
"datasetFile": "",
"duplicateKeyColumns": "id",
"sampleRows": 8
}
}
}有问题或反馈？请联系 [email protected]