跳转到内容
Mirobody
Get Started

开始使用

快速开始

三步走：接入你的数据，看它被标准化，再让 AI 在其上工作。

Mirobody 三步走：① 接入数据 → ② 数据以标准化形态返回 → ③ 让 AI 使用它。 一切兼容 OpenAI —— 你需要一个 mb_live_* 密钥和约 10 分钟。

所有 /v1 接口共用一个 base URL —— 按你账户使用的集群选择：

https://api.mirobody.ai/v1   # 全球
https://api.mirobody.cn/v1   # 中国

日本与欧盟集群正在筹备中 —— 见区域。模型提供方与定价可能因区域不同，请从实际调用的集群读取 GET /v1/models。

接入你的数据

健康数据有四种形态 —— 每种形态各有一扇门进来：

数据形态典型来源录入方式端点
结构化读数设备/穿戴（由你自己接入，日聚合后写入）、手动记录结构化记录POST /v1/data —— 高频样本先自聚合；episode 型（睡眠、运动）用 time + end_time 携带时段。见设备数据 cookbook。
文件/照片化验单、体检报告 PDF、手机拍照文件上传POST /v1/files —— 保存原件、抽取文本，并自动抽出标准化读数。POST /v1/standardize 可同步执行同一抽取，例如做 dry-run 预览。
带读数的叙事“头疼了一天，体温 38.2 °C”、对话口述叙事文本POST /v1/standardize —— 抽取其中的可量化读数，周边叙事被丢弃。
纯主观日记“整个下午头晕头疼”、心情记录单轮智能体调用POST /v1/responses 带 store: true —— 自动从中抽取读数与持久记忆。见写日记配方。

Mirobody 负责存储源数据、标准化结构化读数，并将二者提供给 AI 使用；数据如何采集、是否预处理，由你自行决定。

用 POST /v1/data 写入结构化读数（retention 必填），或用 POST /v1/files 上传化验报告 —— PDF、照片、表格均可：

Terminal window
# 结构化记录
curl https://api.mirobody.ai/v1/data \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
        "user": "alice",
        "retention": "permanent",
        "records": [
          {"indicator": "fasting_glucose", "value": 97, "unit": "mg/dL", "time": "2026-06-16T07:30:00Z"},
          {"indicator": "FBG",             "value": 92, "unit": "mg/dL", "time": "2026-06-17T07:25:00Z"}
        ]
      }'


# 或者一份文档（立即保存原件，文本稍后即可读取）
curl https://api.mirobody.ai/v1/files \
  -H "Authorization: Bearer $MIROBODY_API_KEY" \
  -F "user=alice" -F "file=@lab_report.pdf"

user 是租户隔离键 —— 为每个终端用户传入其稳定 id，数据就绝不会串。

数据以标准化形态返回

注意上面的两种写法 —— fasting_glucose 和 FBG。把数据读回来，两行都带有同一个 LOINC 编码、规范名称、UCUM 解析后的值以及 FHIR 镜像 id：

Terminal window
curl "https://api.mirobody.ai/v1/data?user=alice&limit=10" \
  -H "Authorization: Bearer $MIROBODY_API_KEY"
{
  "object": "list",
  "data": [
    {
      "indicator": "FBG",
      "value": "92 mg/dL",
      "parsed_value": "92",
      "parsed_unit": "mg/dL",
      "loinc_code": "1558-6",
      "canonical_name": "Fasting glucose [Mass/volume] in Serum or Plasma",
      "fhir_resource_id": "8f3c9a1e-...",
      "time": "2026-06-17T07:25:00+00",
      "source": "api",
      "comment": ""
    }
  ],
  "has_more": false,
  "subject": "alice"
}

这就是标准化管线 —— 确定性的名称→LOINC（不让 LLM 猜码）+ UCUM + FHIR，作用于每一次结构化记录写入。要从文档抽取并标准化读数，用 POST /v1/standardize，直接传文件或已上传的 file_key 均可。

让 AI 在其上工作

一条有依据的回答只要三行 —— agent 读的是标准化序列，所以问 “glucose” 能找到写成 “FBG” 的行：

Answers API（3 行）
from openai import OpenAI
client = OpenAI(api_key="mb_live_...", base_url="https://api.mirobody.ai/v1")
print(client.chat.completions.create(model="mirobody-flash", user="alice",
    messages=[{"role": "user", "content": "How is my fasting glucose trending?"}]
).choices[0].message.content)

而一个真正的 agent —— 带你自己的工具 —— 只要十行。openai-agents SDK 只需换一个 base URL 就能对接 Agent API：

openai-agents SDK（10 行）
from agents import Agent, ModelSettings, Runner, function_tool, set_default_openai_client, set_tracing_disabled
from openai import AsyncOpenAI


set_default_openai_client(AsyncOpenAI(
    base_url="https://api.mirobody.ai/v1", api_key="mb_live_..."))
set_tracing_disabled(True)


@function_tool
def book_appointment(date: str) -> str:
    """Book a clinic appointment for the end user (ISO date)."""
    return f"Booked: {date} 09:30, Dr. Chen"


agent = Agent(name="Health assistant", model="mirobody-flash", tools=[book_appointment],
          model_settings=ModelSettings(extra_body={"user": "alice"}))
print(Runner.run_sync(agent, "Check my recent glucose; book a follow-up if it's trending up.").final_output)

Mirobody 的内置工具读取 alice 的真实数据；当模型决定预约时，交接给你的函数。底层协议见 Function calling。

更喜欢点击而不是 curl？

Section titled “更喜欢点击而不是 curl？”

控制台演练场采用相同流程：① 接入数据 → ② 自动标准化 → ③ Agent 或 Answers。无需写代码即可上传文件、查看抽取文本或标准化记录，并试用两个 API。

演练场

接入数据、检查标准化结果，再进入 Agent 或 Answers。

用量

最近 30 天的请求数。

下一步

Section titled “下一步”
选择你的 API

Answers vs Agent —— 封闭问答还是完整 agent。

Agent API

客户端工具、存储的对话、流式事件。

标准化

OCR → 抽取 → LOINC → UCUM → FHIR，一次讲透。

SDK 示例

curl / Python / Node / openai-agents 端到端。