Health
标记重捕法（Petersen 法）估算封闭种群大小：输入第一批标记释放数 n₁、第二批捕获总数 n₂ 与重捕标记数 m₂，同时给出 Lincoln–Petersen 简单估计 N̂ = n₁n₂/m₂ 与 Chapman 偏差校正估计 N̂ = (n₁+1)(n₂+1)/(m₂+1)−1，附 Seber 标准误与 95% 置信区间、未见过个体数、标记比例与捕获概率。m₂ = 0 或 m₂ > min(n₁, n₂) 会拒绝并提示。前提是封闭种群、标记不脱落不影响存活与可捕性；重捕数少（m₂ < 10）时间隔仅供参考。
用三种语言从你的代码中调用此工具。
curl -X POST 'http://127.0.0.1:3003/zh/api/tools/mark-recapture-estimator' \
-H 'Content-Type: application/json' \
-d '{"n1":60,"n2":100,"m2":15,"estimator":"chapman"}'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST http://127.0.0.1:3003/zh/api/tools/mark-recapture-estimator| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| n1 | number | 是 | Animals caught in the first session, marked, and released back into the population. |
| n2 | number | 是 | Total animals caught in the second session (marked + unmarked). |
| m2 | number | 是 | Animals in the second sample that carry a mark from the first session. |
| estimator | select | 是 | — |
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-mark-recapture-estimator": {
"name": "mark-recapture-estimator",
"description": "标记重捕法（Petersen 法）估算封闭种群大小：输入第一批标记释放数 n₁、第二批捕获总数 n₂ 与重捕标记数 m₂，同时给出 Lincoln–Petersen 简单估计 N̂ = n₁n₂/m₂ 与 Chapman 偏差校正估计 N̂ = (n₁+1)(n₂+1)/(m₂+1)−1，附 Seber 标准误与 95% 置信区间、未见过个体数、标记比例与捕获概率。m₂ = 0 或 m₂ > min(n₁, n₂) 会拒绝并提示。前提是封闭种群、标记不脱落不影响存活与可捕性；重捕数少（m₂ < 10）时间隔仅供参考。",
"baseUrl": "http://127.0.0.1:3003/mcp/sse?toolId=mark-recapture-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": "mark-recapture-estimator",
"arguments": {
"n1": 60,
"n2": 100,
"m2": 15,
"estimator": "chapman"
}
}
}有问题或反馈？请联系 [email protected]