Data Analysis
定义输入分布（正态/均匀/对数正态/三角），写出公式，运行上万次模拟，得到输出分布直方图与置信区间。
用三种语言从你的代码中调用此工具。
curl -X POST 'https://api.elysiatools.com/zh/api/tools/monte-carlo-simulation-builder' \
-H 'Content-Type: application/json' \
-d '{"distributions":"revenue = normal [100, 20]\ncost = uniform [30, 50]","formula":"revenue - cost","trials":10000,"seed":"42","confidence":90}'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/monte-carlo-simulation-builder| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| distributions | textarea | 是 | 声明每个随机输入。类型：normal [均值, 标准差]、uniform [最小, 最大]、lognormal [μ, σ]、triangular [a, b, c]。 |
| formula | text | 是 | 基于变量名的算术表达式。支持 + - * / % ^、括号、abs/sqrt/exp/log/min/max/pow、PI、E。 |
| trials | number | 否 | 采样次数。次数越多直方图越平滑（100–200000）。 |
| seed | text | 否 | 固定种子可让结果逐次复现。留空则每次全新随机。 |
| confidence | number | 否 | 置信区间百分位带（50–99.9%）。默认 90% → P5–P95。 |
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-monte-carlo-simulation-builder": {
"name": "monte-carlo-simulation-builder",
"description": "定义输入分布（正态/均匀/对数正态/三角），写出公式，运行上万次模拟，得到输出分布直方图与置信区间。",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=monte-carlo-simulation-builder",
"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": "monte-carlo-simulation-builder",
"arguments": {
"distributions": "revenue = normal [100, 20]\ncost = uniform [30, 50]",
"formula": "revenue - cost",
"trials": 10000,
"seed": "42",
"confidence": 90
}
}
}有问题或反馈？请联系 [email protected]
HTML 结果
{
"result": "<div>Processed HTML content</div>",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}