学习路径辅导工具

学习路径辅导老师（MCP教练）

这个仓库提供了“学习路径辅导”智能体的种子，帮助你保持自主学习的 使用模型情境协议（MCP）的课程计划正按部就班进行。它包括一个结构化的 学习计划、文档以及一个准备连接到MCP服务器的Python框架 用于日历、文件和项目管理的自动化。

仓库内容

• plan.yaml – 阶段、项目和任务的唯一真实信息来源。
• src/learning_path_tutor/ – 一个Python包，包含适用于LangGraph的代理框架。
• docs/ – 制定检查清单和工作流程手册。
• state/ – 初始运行时状态占位符（在自动化过程中演进是安全的）。

快速入门

1. 创建一个虚拟环境

   复制

   uv venv --python 3.11
   source .venv/bin/activate
   uv pip install -e .
   

2. 运行CLI脚手架

   复制

   python -m learning_path_tutor.cli plan show
   

   你应该能看到下一个可执行的项目和任务已呈现出来 plan.yaml。

3. Wire MCP 服务器

   • 从本地文件MCP服务器开始，指向这个存储库。
   • 按照以下步骤添加Google日历MCP服务器 docs/google_calendar_oauth_checklist.md。
   • 使用命令行界面（CLI）命令start-project， standup， weekly-review) 作为集成冒烟测试。

4. 安排自动化任务

   • 添加cron条目或GitHub Actions工作流以触发 python -m learning_path_tutor.cli standup 日常和 weekly-review 在周日。

代理角色

代码库定义了三个协作代理，它们以LangGraph节点或普通（形式）实现 Python 可调用对象：

• 教练代理 – 管理目标，分解任务，并更新计划文件。
• 调度器代理 – 与Google日历同步计划里程碑，并处理重新安排。
• 审稿人代理 – 每日/每周进行复盘，总结进展，并提出下一步行动方案。

每个角色通过共享（资源/平台）进行沟通 State 存储在磁盘上的对象（state/state.json)。

下一步行动

• 在内部实现真实的MCP客户端调用 learning_path_tutor.tools。
• 扩展CLI以与Google日历MCP服务器进行身份验证。
• 为审查备注添加持久性功能 reviews/ 以及内容发布的自动化。

提示： 将这个仓库视为你的辅导控制中心。保持计划的更新，让 该代理自动化执行机械工作，让您将精力集中在高价值的学习上。