Text Processing
文本 NLP 标注工作台
使用可解释的本地规则完成分词、句子切分、停用词、词形、词干、实体和 n-gram 标注，并导出 JSONL 或 CoNLL。
json· JSON 结果打开工具
快速开始
用三种语言从你的代码中调用此工具。
cURL
curl -X POST 'https://api.elysiatools.com/zh/api/tools/text-nlp-annotation-workbench' \
-H 'Content-Type: application/json' \
-d '{"textInput":"The quick fox emailed [email protected].","language":"en","outputFormat":"json","removeStopwords":true,"stemming":true,"lemmatize":true,"entityDetection":true,"ngramSize":2}'API 参考
以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
请求端点
HTTP
POST https://api.elysiatools.com/zh/api/tools/text-nlp-annotation-workbench请求参数
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| textInput | textarea | 是 | — |
| language | select | 否 | — |
| outputFormat | select | 否 | — |
| removeStopwords | checkbox | 否 | — |
| stemming | checkbox | 否 | — |
| lemmatize | checkbox |
MCP 集成
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。
服务配置
将以下内容加入你的 MCP 客户端配置：
mcp.json
{
"mcpServers": {
"elysiatools-text-nlp-annotation-workbench": {
"name": "text-nlp-annotation-workbench",
"description": "使用可解释的本地规则完成分词、句子切分、停用词、词形、词干、实体和 n-gram 标注，并导出 JSONL 或 CoNLL。",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=text-nlp-annotation-workbench",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}列出可用工具
连接到 SSE 端点后，列出已开放的工具：
tools/list
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}调用此工具
通过工具 id 调用，参数由其参数表构建：
tools/call
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "text-nlp-annotation-workbench",
"arguments": {
"textInput": "The quick fox emailed [email protected].",
"language": "en",
"outputFormat": "json",
"removeStopwords": true,
"stemming": true,
"lemmatize": true,
"entityDetection": true,
"ngramSize": 2
}
}
}可用逗号分隔的 toolId 在一个会话中串联多个工具，例如 /mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp（最多 20 个）。
有问题或反馈？请联系 [email protected]