Media
用实测证据为音轨分类流派：GTZAN 纹理特征 + 节拍网格脉冲形态 + 频段平衡 + 调性 + 动态，输出前三排名与每项选择的理由。
用三种语言从你的代码中调用此工具。
# 1) Request a presigned URL → returns { uploadUrl, storageKey }
curl -X POST 'https://api.elysiatools.com/api/upload/presign/genre-classifier-ai' \
-H 'Content-Type: application/json' \
-d '{"filename":"audioFile.ext","contentType":"application/octet-stream","size":12345}'
# 2) PUT the file bytes directly to the presigned uploadUrl
curl -X PUT '<presigned uploadUrl>' \
--data-binary @/path/to/file.ext
# 3) Call the tool, passing the returned storageKey for each file field
curl -X POST 'https://api.elysiatools.com/zh/api/tools/genre-classifier-ai' \
-F 'audioFile=uploads/2026/01/01/your-tool-1700000000000-abc123.ext' \
-F 'tempoFeel=auto'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/genre-classifier-ai| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| audioFile | file需先上传 | 是 | — |
| tempoFeel | select | 是 | — |
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-genre-classifier-ai": {
"name": "genre-classifier-ai",
"description": "用实测证据为音轨分类流派：GTZAN 纹理特征 + 节拍网格脉冲形态 + 频段平衡 + 调性 + 动态，输出前三排名与每项选择的理由。",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=genre-classifier-ai",
"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": "genre-classifier-ai",
"arguments": {
"audioFile": "https://example.com/file.ext",
"tempoFeel": "auto"
}
}
}有问题或反馈？请联系 [email protected]