MCP Servers

A collection of Model Context Protocol servers, templates, tools and more.

E

Educational MCP

GitHub Repo(1 stars)

这是一个面向“教育智能体”的小模型集成项目，核心目标是：把一堆细粒度的教育小模型（比如主观题自动评分、关键词覆盖率打分、习题讲解等），用 FastAPI + MCP（Model Context Protocol）封装成统一的服务，让大模型（包括 Cursor 内置模型）可以像调用工具一样调用它们。整个项目一方面提供了常规的 HTTP/OpenAPI 接口，方便本地或其它后端系统集成；另一方面又通过 MCP 适配层，把这些接口暴露为“工具”，让不同的大模型客户端（如 Cursor）可以动态发现、调用这些教育能力，从而组合出一个可以自动批改、分析、反馈的“教育智能代理”。

Created 11/23/2025

Updated 23 days ago

README

AI 教学智能体

LLM 负责理解自然语言与决策；所有“教育小模型”通过 FastAPI 暴露，接口统一。
状态（掌握度/情绪/作答历史）用轻量内存存储演示，后续可替换数据库（SQLAlchemy 等）。

目录结构

main.py            # FastAPI 入口，挂载所有路由
schemas.py         # Pydantic 数据模型（请求/响应）
database.py        # 轻量内存“数据库”（可换持久化）
models/            # 小模型业务逻辑（可换训练模型）
  cognitive_diagnosis.py
  knowledge_tracking.py
  emotion_analysis.py
  path_planning.py
routers/           # FastAPI 路由拆分
  cognitive.py
  tracking.py
  emotion.py
  planning.py

接口一览

POST /diagnose：认知诊断（规则占位，可换 CDM/IRT）。
POST /track：知识追踪（规则占位，可换 DKVMN/AKT）。
POST /emotion，/emotion/sentiment：情感状态与文本情感。
POST /plan：路径规划。

所有请求支持 request_id；响应带 mode/model_version，标注实现可靠度。

启动

pip install -r requirements.txt
python main.py

默认监听 http://127.0.0.1:8000，访问 /docs 可在线调试。LLM 侧可直接把这些 HTTP 路由注册为 MCP 工具。

演进建议

用持久化数据库替换 database.py，保留同名接口即可平滑升级。
将 models/* 内的规则逻辑替换为训练模型；对外 schema 不变。

Quick Setup

Installation guide for this server

Install Package (if required)

uvx educational-mcp

Cursor configuration (mcp.json)

{ "mcpServers": { "eiadrian-educational-mcp": { "command": "uvx", "args": [ "educational-mcp" ] } } }