Dành cho AI agent và lập trình viên phát triển agent

TutorFlow Agent Platform

API và máy chủ MCP để agent tạo khóa học và chấm câu trả lời
Agent tự đăng ký và trả tiền theo từng thao tác.

1
Lệnh API
<3s
Thời gian chấm TB
40+
Ngôn ngữ
6
Trường phản hồi
Bắt đầu

Bốn lần gọi đầu tiên của agent

Mở lần lượt từng bước. Bước 1 đặt TUTORFLOW_KEY và CLASSROOM_ID để các bước sau dùng lại.

Cần curl và jq. Hãy đổi slug và email trước khi chạy.

1Đăng ký agent

Chỉ cần một lần gọi, không cần khóa. Phản hồi trả về contentApiKey, defaultClassroomId và 50 credit dùng thử. Khóa chỉ hiện một lần nên hãy lưu lại ngay.

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)
2Tạo khóa học

TutorFlow tạo khóa học ở chế độ nền và trả về 202 kèm runId. Khóa học một bài tốn 6 credit.

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)
3Theo dõi tiến độ

Cứ 20 đến 30 giây lại kiểm tra một lần cho đến khi status là completed hoặc failed. Khi hoàn tất, resourceId chứa ID của khóa học mới.

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

Kết quả chấm trả về ngay, gồm điểm số, ưu điểm và gợi ý cải thiện. Mỗi lần chấm tốn 1 credit.

Yêu cầu

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"
  }'

Phản hồi

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."
}
Quen làm việc trên terminal? Hãy dùng CLI

@tutorflow/cli gọi cùng các API đó. agent register lưu khóa vào ~/.tutorflow/config.json, nên các lệnh sau không cần truyền khóa hay lớp học nữa.

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
Xem hướng dẫn CLI
Agent làm được gì

Những việc agent tự làm, không cần hỏi ai

Một khóa Content API dùng được cho REST, MCP và CLI. REST truy cập mọi tính năng; MCP hỗ trợ đăng ký, thanh toán, khóa học và chấm bài.

Chấm câu trả lời của người học

Gửi câu trả lời kèm rubric hoặc đáp án mẫu. Điểm số, điểm mạnh và gợi ý cải thiện được trả về thành các trường có kiểu dữ liệu.

Tạo học liệu

Bắt đầu tạo khóa học, bài kiểm tra, bộ slide, video hoặc module chỉ với một lần gọi, rồi theo dõi tiến độ cho đến khi xong.

Gọi dưới dạng công cụ MCP

Chỉ cần thêm URL máy chủ và khóa, Claude Code hoặc bất kỳ ứng dụng MCP nào cũng dùng được TutorFlow như công cụ.

Agent tự đăng ký tài khoản

Agent tự tạo tài khoản và nhận khóa, lớp học online cùng 50 credit dùng thử trong cùng một phản hồi.

Biết trước chi phí mỗi lần gọi

Mỗi thao tác trừ một số credit cố định, 2 xu mỗi credit, từ một số dư duy nhất, và estimatedCredits cho biết chi phí trước khi chạy. Giới hạn tần suất được trả về trong header phản hồi.

Mỗi việc một khóa riêng

Tách khóa thử nghiệm và khóa production, giới hạn quyền cho từng khóa và thay khóa khi cần. Khóa thử nghiệm chỉ dùng trong lớp học online thử nghiệm và không trừ credit.

Nhận thông báo khi việc hoàn tất

Đăng ký webhook để nhận một yêu cầu có chữ ký khi quá trình tạo nội dung, xuất video hoặc chấm bài kết thúc.

Theo ngôn ngữ agent yêu cầu

Nội dung và nhận xét được tạo bằng ngôn ngữ mà agent yêu cầu.

MCP Server

Thiết kế cho AI agent, không chỉ cho con người.

Agent tự tìm và dùng các công cụ của TutorFlow: đăng ký, kiểm tra số dư, tạo khóa học, theo dõi tiến độ và chấm bài, không cần viết mã HTTP.

  • Thêm một mục máy chủ vào cấu hình MCP client là Claude, Gemini hay bất kỳ MCP client nào khác cũng kết nối được
  • Agent tự đăng ký và nhận khóa ngay trong cùng lần gọi
  • Khi sắp hết credit, agent gửi link thanh toán cho một người, hoặc tự trả bằng USDC nếu x402 đã được bật
  • Đầu vào có kiểu dữ liệu rõ ràng, gọi sai sẽ nhận lại lý do
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...',
})
Tự đăng ký
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 }
Bảng giá

Trả tiền cho những gì agent của bạn tạo ra

Mỗi lần gọi được trừ từ một số dư credit duy nhất trong tài khoản, 2 xu cho mỗi credit. Đây là bảng giá hiện hành dùng để tính phí cho agent của bạn.

Nội dung bạn tạoCreditĐô la Mỹ
Một khóa học kèm dàn ý và mọi bài học3 credit cộng 6 credit mỗi bài học0,06 US$ cộng 0,12 US$ mỗi bài học
Một module bài học6 credit mỗi bài học0,12 US$ mỗi bài học
Một bài kiểm tra có câu hỏi chấm tự động3 credit mỗi bài kiểm tra0,06 US$ mỗi bài kiểm tra
Một trang chữ trong bộ slide1 credit mỗi trang chữ0,02 US$ mỗi trang chữ
Một trang slide có ảnh AI3 credit mỗi trang ảnh0,06 US$ mỗi trang ảnh
Lời dẫn cho các cảnh của video1 credit mỗi cảnh0,02 US$ mỗi cảnh
Xuất video ra MP43 credit mỗi lần xuất0,06 US$ mỗi lần xuất
Một trò chơi chơi ngay được41 credit mỗi trò chơi0,82 US$ mỗi trò chơi
Chấm một câu trả lời1 credit mỗi yêu cầu0,02 US$ mỗi yêu cầu

Cách tính phí

  • Sau khi xác minh email, bạn có thể nạp từ 5 USD bằng thẻ hoặc bằng USDC trên Base.
  • Khi đã thêm thẻ, công việc vẫn tiếp tục sau khi hết credit và phần sử dụng đó được tính vào thẻ.
  • Tài khoản mới có sẵn 50 credit miễn phí.
  • Khóa thử nghiệm chỉ dùng trong lớp học online thử nghiệm và không trừ credit.
Đọc hướng dẫn về giá
Sẵn sàng cho agent của bạn

Để agent tạo khóa học đầu tiên ngay hôm nay

Đăng ký qua API, MCP hoặc CLI. 50 credit dùng thử đủ cho một khóa học đầu tiên và vài lần chấm bài.