MCP 服务器和工具

MCP（模型上下文协议）帮助您在 LLM 之上构建代理和复杂的工作流程。 LLM 经常需要与数据和工具集成，而 MCP 提供了：

• 我们可以为 LLM 更新当前或相关数据，这些数据尚未被 LLM 所知。
• 越来越多的预构建集成，您的 LLM 可以直接插入。
• 可以在 LLM 提供商和供应商之间灵活切换。
• 在您的基础设施中保护数据的最佳实践。

文件结构

• main.py - 运行 MCP 服务器的主文件
• Task1 setup - 包含单个 educhain 函数并在 MCP 服务器所需的格式中生成响应的文件夹
• Response - 包含所有输出图像和所需 Pdf 的响应文件夹

概述

MCP 在 STDIO 上运行，其中标准化输入被提供给服务器，并且它返回标准化输出，这些由客户端管理。 MCP 服务器和工具是一个旨在实现大型语言模型 (LLM) 或 AI 助手与真实世界数据、数据库和当前新闻之间无缝交互的项目。 通过利用 Educhain 库，该项目为 AI 驱动的教育工具和服务提供了一个强大的框架。

特点

MCP 服务器

• 充当 LLM 和外部数据源之间的桥梁。
• 能够实时访问数据库、新闻和其他动态信息。

本项目中的 MCP 工具

目前，这些工具依赖于 Groq API 和开源模型，但如果需要，我们可以使用任意数量的 LLM。

1. MCQ 生成器：根据输入的主题和所需的 MCQ 数量自动生成多项选择题，此外我们还可以提供额外的指导信息，以指导 MCQ 的生成过程。
2. 课程计划生成器：创建针对特定主题或要求量身定制的结构化课程计划。
3. 抽认卡生成器：生成抽认卡，以实现有效的学习和复习。

项目流程

在安装 Educhain 库并设置 API 之后。 我使用 LLama 模型制作了 educhain 客户端。 然后，使用带有适当 docString 的异步函数初始化 MCP 工具，以便 LLM 可以选择合适的工具，并生成输出并返回给 LLM 以进行内容生成。

用例

该项目允许 AI 助手（例如 Claude Desktop（此处的 MCP 主机））利用 MCP 工具进行教育目的。 例如：

• 为测验生成 MCQ。
• 为教师或学生准备课程计划。
• 创建抽认卡以供学习。

技术栈

• uv: 用于基本安装和运行应用程序
• Educhain 库：用于构建 MCP 服务器和工具的核心库。
• MCP 服务器：轻量级程序，每个程序都通过标准化的模型上下文协议公开特定的功能

参考：

• Educhain 库：用于生成教育内容的核心库
• MCP 服务器：使用快速入门指南开始使用 MCP 服务器和工具
• MCP 网站：用于参考如何在 MCP 中设置工具

联系方式

如有问题或需要支持，请联系 [pratikgond2005@gmail.com]。