使用说明

AI导师MCP工具包

概述

这 AI导师MCP工具包 是一个紧凑的多工具服务器，由以下组件构建 Gradio 并由 OpenAI的GPT-4o-mini 模型。它通过 模型上下文协议（MCP） 并为交互式教育任务提供web UI和启用MCP的代理。

该项目包括：

带有四个学习工具的Gradio UI
通过SSE公开工具的MCP兼容服务器
连接到MCP服务器并通过流进行交互的Python代理
具有持久会话历史的完全异步执行

特性

1. 解释概念

在不同的深度层次上解释一个概念：

就像我5岁一样
就像我10岁一样
高中
学院
专家

2. 摘要文本

将文本总结为可配置的压缩比（10%-80%）。

3. 生成闪卡

以JSON‑Lines格式创建学习抽认卡。

4. 测验我

生成带有编号问题和答案的测验。

每个工具都通过MCP公开，实现程序集成和流式响应。

目录结构

project/
│
├── app_server.py           # Gradio MCP server (tools exposed)
├── agent_client.py         # Agent that connects to MCP via SSE
├── agents/                 # Custom agent classes
│   ├── mcp/                # MCP wrapper utilities
│   ├── __init__.py
│   └── Runner.py
├── requirements.txt
└── README.md (this file)

安装

1.克隆项目

git clone <repo-url>
cd ai-tutor-mcp

2.创建虚拟环境

python3 -m venv venv
source venv/bin/activate

3.安装要求

pip install -r requirements.txt

4.设置环境变量

添加您的OpenAI密钥：

export OPENAI_API_KEY="your-key-here"

（或创建 .env 文件）

运行MCP服务器

启动Gradio+MCP服务器：

python app_server.py

这将启动：

Web UI位于： http://0.0.0.0:7860
MCP SSE端点位于： http://0.0.0.0:7860/gradio_api/mcp/sse
MCP架构终结点： http://0.0.0.0:7860/gradio_api/mcp/schema

运行MCP代理

在单独的终端中：

python agent_client.py

这将：

通过SSE连接到MCP服务器
获取架构
启动交互式控制台
从代理选择的任何工具流式传输结果

例子：

User: Explain gravity like I'm 10

代理人将致电 explain_concept 与论点：

{"question": "gravity", "level": 2}

并流式传输输出。

MCP集成如何工作

Gradio服务器作为MCP工具公开了四个功能。代理人：

阅读完整对话
决定哪个工具适合（或不适合）
仅限退货 { "tool": ..., "arguments": ... }
将工具输出流回到用户

这允许：

超高速流媒体用户体验
工具路由智能行为
持续的对话逻辑

定制

添加新工具

要公开更多MCP工具：

添加Python函数
将其绑定到Gradio块内
确保MCP通过Gradio自动检测到它 mcp_server=True 旗帜

更改模型

更新：

MODEL_NAME = "gpt-4o-mini"

对于任何OpenAI模型。

修改代理行为

编辑：

agents/Agent.py
agent = Agent(...)

修改系统指令或日志记录。

故障排除

MCP架构未加载

确保服务器正在运行且可访问：

curl http://localhost:7860/gradio_api/mcp/schema

流媒体失败

检查中的CORS或超时设置 MCPServerSse 配置。

OpenAI错误

请确保API密钥有效，并且帐户可以访问模型。

路线图

为概念链添加向量内存
添加间隔重复调度
添加图表生成工具
添加多语言支持

许可证

MIT许可证

作者

Alhad-与❤️ 用于快速试剂实验。