AI агент болон тэдгээрийг хөгжүүлэгчдэд зориулав

TutorFlow Agent Platform

Таны агент API болон MCP-ээр курс үүсгэж, хариулт үнэлнэ
Өөрөө бүртгүүлж, ажил бүрээрээ төлнө.

1
API дуудалт
<3s
Дундаж үнэлгээний хугацаа
40+
Хэл
6
Эргэх холбооны талбар
Эхлэх

Агентын эхний дөрвөн дуудлага

Алхмуудыг нэг нэгээр нь нээгээрэй. 1-р алхамд тохируулсан TUTORFLOW_KEY болон CLASSROOM_ID-г дараагийн бүх алхамд ашиглана.

curl болон jq хэрэгтэй. Ажиллуулахаасаа өмнө slug болон имэйлээ солино уу.

1Агентаа бүртгүүлэх

Түлхүүргүйгээр нэг удаа дуудахад хангалттай. Хариунд contentApiKey, defaultClassroomId болон 50 туршилтын кредит ирнэ. Түлхүүрийг ганц удаа харуулдаг тул заавал хадгалаарай.

bash
RESPONSE=$(curl -s -X POST https://api.tutorflow.io/v1/platform/agent/register \
  -H "Content-Type: application/json" \
  -d '{"name":"My Agent","slug":"my-agent-2048","email":"you@example.com"}')
export TUTORFLOW_KEY=$(echo "$RESPONSE" | jq -r .contentApiKey)
export CLASSROOM_ID=$(echo "$RESPONSE" | jq -r .defaultClassroomId)
2Курс үүсгэж эхлэх

TutorFlow курсыг арын горимд үүсгэж, 202 кодтой хариу болон runId буцаана. Нэг хичээлтэй курс 6 кредит.

bash
RUN_ID=$(curl -s -X POST \
  "https://api.tutorflow.io/v1/content/classrooms/$CLASSROOM_ID/courses/generate" \
  -H "Authorization: Bearer $TUTORFLOW_KEY" \
  -H "Content-Type: application/json" \
  -d '{"topic":"Fractions for grade 4","lessonCount":1}' | jq -r .runId)
3Явцыг шалгах

status нь completed эсвэл failed болтол үүсгэлтийн явцыг 20-30 секунд тутам шалгаарай. Дуусмагц resourceId-д шинэ курсын ID ирнэ.

bash
curl -s "https://api.tutorflow.io/v1/content/classrooms/$CLASSROOM_ID/runs/$RUN_ID" \
  -H "Authorization: Bearer $TUTORFLOW_KEY" | jq '{status, resourceId, error}'
4Хариулт үнэлэх

Үнэлгээний хариу шууд ирж, оноо, давуу тал, сайжруулах санал агуулна. Үнэлгээ бүр 1 кредит.

Хүсэлт

bash
curl -s -X POST "https://api.tutorflow.io/v1/content/classrooms/$CLASSROOM_ID/evaluations" \
  -H "Authorization: Bearer $TUTORFLOW_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "evaluationType": "open_ended",
    "questionText": "Explain photosynthesis",
    "learnerAnswer": "Plants use sunlight to convert CO2 and water into glucose.",
    "maxScore": 10,
    "language": "en",
    "learnerExternalId": "learner-42"
  }'

Хариу

json
{
  "id": "5023...",
  "status": "COMPLETED",
  "evaluationType": "open_ended",
  "learner": { "externalId": "learner-42", "name": null },
  "score": 7,
  "maxScore": 10,
  "normalizedScore": 70,
  "strengths": ["Correctly identifies sunlight as key factor"],
  "suggestions": ["Mention the role of chlorophyll", "Explain the chemical equation"],
  "feedbackSummary": "Good foundational understanding. To improve, include the role of chlorophyll."
}
Терминалд дассан бол CLI ашиглаарай

@tutorflow/cli-ээр ижил дуудлагуудыг хийж болно. agent register түлхүүрийг ~/.tutorflow/config.json-д хадгалдаг тул дараагийн командуудад түлхүүр, ангиа дахин зааж өгөх шаардлагагүй.

bash
npm install -g @tutorflow/cli
tutorflow agent register --name "My Agent" --slug my-agent-2048 --email you@example.com
tutorflow course generate "Fractions for grade 4" --lessons 1 --wait
tutorflow evaluate --type open-ended --question "Explain photosynthesis" \
  --student-answer "Plants use sunlight to make glucose." --learner-id learner-42
CLI гарын авлагыг үзэх
Агент юу хийж чадах вэ

Хэнээс ч асуулгүйгээр агентын хийж чадах ажлууд

Нэг Content API түлхүүрээр REST, MCP, CLI бүгдийг ашиглана. REST-ээр бүх боломжид, MCP-ээр бүртгэл, төлбөр, курс, үнэлгээнд хандана.

Суралцагчдын хариултыг үнэлэх

Хариултыг үнэлгээний шалгуур эсвэл жишиг хариулттай хамт илгээнэ үү. Оноо, сайн тал, сайжруулах санал нь төрөл нь тодорхой талбаруудаар буцаж ирнэ.

Хичээлийн материал үүсгэх

Курс, тест, слайд, видео эсвэл модулийг нэг дуудлагаар эхлүүлээд, дуустал явцыг нь хянана уу.

MCP хэрэгсэл болгон дуудах

Серверийн URL болон түлхүүрээ нэмэхэд Claude Code болон бусад MCP клиент TutorFlow-г хэрэгсэл болгон ашиглана.

Хүний оролцоогүй бүртгэл

Агент өөрөө бүртгэл үүсгэхэд түлхүүр, анги, 50 туршилтын кредит нэг хариултаар ирнэ.

Дуудлага бүрийн зардал тодорхой

Үйлдэл бүр нэг үлдэгдлээс тогтсон тооны кредит зарцуулна (нэг кредит 2 цент). Ажил эхлэхээс өмнө estimatedCredits зардлыг харуулж, хүсэлтийн хязгаарын мэдээлэл хариултын header-т ирнэ.

Ажил бүрт тусдаа түлхүүр

Туршилтын болон бодит орчны түлхүүрээ тусад нь хэрэглэж, түлхүүр бүрийн эрхийг тогтоож, шаардлагатай үед солино уу. Туршилтын түлхүүр туршилтын ангид ажиллах бөгөөд кредит зарцуулахгүй.

Ажил дуусмагц мэдэгдэл

Webhook бүртгүүлбэл үүсгэлт, видео рендер эсвэл үнэлгээ дуусахад гарын үсэгтэй хүсэлт ирнэ.

Агентын сонгосон хэлээр

Контент болон эргэх холбоо агентын хүссэн хэлээр бэлэн болно.

MCP сервер

Агентад зориулж бүтээсэн, зөвхөн хүнд зориулаагүй.

Агент TutorFlow-ийн хэрэгслүүдийг өөрөө олж ашиглана: бүртгүүлэх, үлдэгдэл шалгах, курс үүсгэх, явцыг хянах, хариулт үнэлэх. HTTP код бичих шаардлагагүй.

  • MCP клиентийнхээ тохиргоонд нэг сервер нэмэхэд Claude, Gemini болон бусад MCP клиент холбогдоно
  • Агент өөрөө бүртгүүлж, тэр дуудлагаараа түлхүүрээ авна
  • Кредит дуусах дөхөхөд хүнд төлбөрийн холбоос илгээх эсвэл x402 идэвхтэй бол USDC-ээр өөрөө төлнө
  • Оролтын төрөл тодорхой тул буруу дуудлагад шалтгааныг нь буцаана
Claude Code
json
// .mcp.json: add to your project root
{
  "mcpServers": {
    "tutorflow": {
      "type": "http",
      "url": "https://mcp.tutorflow.io/api/mcp",
      "headers": {
        "Authorization": "Bearer tf_content_..."
      }
    }
  }
}
MCP SDK
typescript
import { Client } from '@modelcontextprotocol/sdk/client/index.js'
import { StreamableHTTPClientTransport } from '@modelcontextprotocol/sdk/client/streamableHttp.js'

const transport = new StreamableHTTPClientTransport(
  new URL('https://mcp.tutorflow.io/api/mcp'),
  {
    requestInit: {
      headers: { Authorization: 'Bearer tf_content_...' },
    },
  },
)

const client = new Client({ name: 'my-agent', version: '1.0.0' })
await client.connect(transport)

// Call tools directly
const result = await client.callTool('run_evaluation', {
  evaluationType: 'open_ended',
  questionText: 'Explain photosynthesis',
  learnerAnswer: 'Plants use sunlight to make glucose...',
})
Өөрөө бүртгүүлэх
json
// No auth needed: agents register themselves
POST https://api.tutorflow.io/v1/platform/agent/register

{
  "name": "My AI Tutor",
  "slug": "my-ai-tutor",
  "email": "agent@example.com",
  "agentIdentity": "claude-3-5-sonnet"
}

// Returns a Content API key and the classroom it works in
// { "contentApiKey": "tf_content_...", "defaultClassroomId": "...", "trialContentCredits": 50 }
Үнэ

Агентын бүтээсэн хэмжээгээр л төлнө

Дуудлага бүр таны бүртгэлийн нэг кредитийн үлдэгдлээс хасагдах бөгөөд нэг кредит 2 цент. Энэ бол таны агентад одоо мөрдөж буй үнийн жагсаалт.

Бүтээх зүйлКредитАм.доллар
Төлөвлөгөө, бүх хичээлтэй курс3 кредит дээр нэмээд хичээл тутамд 6 кредит$ 0.06 дээр нэмээд хичээл тутамд $ 0.12
Нэг хичээлийн модульхичээл тутамд 6 кредитхичээл тутамд $ 0.12
Автоматаар үнэлэгдэх асуулттай тесттест тутамд 3 кредиттест тутамд $ 0.06
Слайдын текст хуудастекст хуудас тутамд 1 кредиттекст хуудас тутамд $ 0.02
AI зурагтай слайдын хуудасзурагтай хуудас тутамд 3 кредитзурагтай хуудас тутамд $ 0.06
Видеоны үзэгдлүүдийн тайлбар яриа200 narration characters тутамд 1 кредит200 narration characters тутамд $ 0.02
Видеог MP4 болгон рендерлэхрендер тутамд 3 кредитрендер тутамд $ 0.06
Тоглож болох тоглоомтоглоом тутамд 41 кредиттоглоом тутамд $ 0.82
Нэг хариултыг үнэлэххүсэлт тутамд 1 кредитхүсэлт тутамд $ 0.02

Төлбөр хэрхэн тооцогдох вэ

  • Имэйлээ баталгаажуулсны дараа 5 ам.доллараас эхлэн картаар эсвэл Base сүлжээний USDC-ээр цэнэглэнэ.
  • Карт бүртгүүлсэн бол кредит дууссаны дараа ч ажил үргэлжилж, тэр хэрэглээг картаас төлнө.
  • Шинэ бүртгэл 50 үнэгүй кредиттэй эхэлнэ.
  • Туршилтын түлхүүр зөвхөн туршилтын ангид ажиллах бөгөөд кредит зарцуулахгүй.
Үнийн гарын авлагыг унших
Агент тань бэлэн бол

Агентдаа өнөөдөр анхны курсаа үүсгүүлээрэй

API, MCP эсвэл CLI ашиглан бүртгүүлээрэй. 50 туршилтын кредитээр анхны курсаа үүсгэж, хэдэн хариултыг үнэлүүлж болно.