🚀 MCP 服务器与工具
MCP（模型上下文协议）助力您构建代理和复杂的基于大语言模型（LLM）的工作流程。LLM 常需与数据和工具集成，而 MCP 能提供以下支持：
- 可向 LLM 更新当前或相关的未知数据。
- 拥有不断增长的预建集成列表，LLM 可直接接入。
- 具备在不同 LLM 提供商和供应商之间灵活切换的能力。
- 提供在基础架构中保护数据的最佳实践。
🚀 快速开始
MCP 运行在标准输入输出（STDIO）上，标准化输入传递给服务器，服务器返回标准化输出，由客户端进行管理。MCP 服务器和工具旨在实现 LLM 或 AI 助手与现实世界数据、数据库和新闻的无缝交互。通过 Educhain 库，该项目提供了一个强大的框架，用于构建基于 AI 的教育工具和服务。
✨ 主要特性
MCP 服务器
- 充当 LLM 和外部数据源之间的桥梁。
- 支持实时访问数据库、新闻和其他动态信息。
MCP 工具（项目中）
当前工具依赖于 Groq API 和开源模型，若有需要，可使用任意数量的 LLM：
- MCQ 生成器：依据输入主题和所需的 MCQ 数量自动生成多选题，还能提供额外信息或指导以引导生成过程。
- Lesson Plan 生成器：可创建针对特定主题或要求定制的结构化课程计划。
- Flashcard 生成器：生成用于有效学习和复习的闪卡。
📦 安装指南
暂未提及具体安装步骤，若有相关需求，请参考参考资料中对应的链接获取详细信息。
💻 使用示例
基础用法
在安装了 Educhain 库并设置好 API 后，使用 LLama 模型创建 educhain 客户端。然后通过异步函数初始化 MCP 工具，并附上适当的文档字符串，以便 LLM 可以选择合适的工具，并根据输出内容生成所需的内容。示例代码如下：
# 此处应是创建 educhain 客户端和初始化 MCP 工具的代码，但原文档未给出，可根据实际情况补充
高级用法
该项目允许 AI 助手（如 Claude Desktop 在此作为 MCP 主机）利用 MCP 工具进行教育用途。例如：
- 生成用于测验的多选题。
- 准备教师或学生的课程计划。
- 创建学习卡片以辅助学习和复习。
📚 详细文档
文件结构
main.py- 运行 MCP 服务器的主要文件。Task1 setup- 包含单个 educhain 功能和以所需格式生成响应的文件夹，供 MCP 服务器使用。Response- 响应文件夹，包含所有输出图像和所需的 PDF。
项目流程
在安装了 Educhain 库并设置好 API 后，使用 LLama 模型创建 educhain 客户端。然后通过异步函数初始化 MCP 工具，并附上适当的文档字符串，以便 LLM 可以选择合适的工具，并根据输出内容生成所需的内容。
使用场景
该项目允许 AI 助手（如 Claude Desktop 在此作为 MCP 主机）利用 MCP 工具进行教育用途。例如：
- 生成用于测验的多选题。
- 准备教师或学生的课程计划。
- 创建学习卡片以辅助学习和复习。
🔧 技术细节
技术栈
- uv：用于基本安装和运行应用程序。
- Educhain 库：核心库，用于构建 MCP 服务器和工具。
- MCP 服务器：轻量级程序，每个程序通过标准化的 Model Context Protocol 暴露特定功能。
📄 许可证
原文档未提及许可证信息。
参考资料
- Educhain 库：用于生成教育内容的核心库。
- MCP 服务器：参考快速入门指南以开始使用 MCP 服务器和工具。
- MCP 网站：参考如何在 MCP 中设置工具。
联系方式
如有问题或支持请求，请联系 [pratikgond2005@gmail.com]。