AI导哈

教育内容生成服务器

EduChain是一个基于Flask和Google Gemini AI的教育内容生成与检索服务器，支持动态生成课程计划和多项选择题，并提供预定义的MCQ检索功能。

  • by Ashok54942
  • 本地部署
  • 更新于
在 GitHub 查看 ashok54942/mcp-server

使用说明

EduChain：基于人工智能的教育内容服务器（符合MCP标准）

该项目展示了一个由Flask和谷歌Gemini AI构建的人工智能服务器，旨在生成和检索教育内容。它遵循多代理协作协议（MCP）的原则，允许与Claude Desktop等代理主机集成。

项目概述

EduChain提供以下核心功能：

  1. AI驱动的课程计划生成： 为任何给定主题动态创建全面的课程计划。
  2. 人工智能驱动的多项选择题（MCQ）生成： 根据需要为指定主题生成MCQ。
  3. 预定义MCQ检索： 从静态JSON文件中提供一组精心策划的多项选择题，并可选择基于主题的过滤。

该服务器使用Python和Flask构建，LangChain用于AI编排，Pydantic用于数据验证。

任务分解和完成

此存储库涵盖了以下任务的完成：

任务1：建立EduChain环境

  • 说明： 安装必要的库和初始配置，以使用示例主题生成教育内容。
  • 完成： 这 generate_content.py 脚本演示了使用Gemini API的初始设置和内容生成。

任务2：使用EduChain构建MCP服务器

  • 说明： 创建基于Flask的MCP服务器，公开AI驱动的工具（MCQ生成）和资源（课程计划生成、预定义的MCQ检索）。
  • 完成： 这 educhain_mcp_server.py 该文件实现了带有端点的Flask服务器 /generate_lesson_plan, /generate_mcqs，以及 /get_predefined_mcqsThe predefined_mcqs.json 该文件保存静态MCQ数据。

任务3：使用Claude Desktop测试MCP服务器

  • 说明： 配置Claude Desktop以连接到MCP服务器，并通过命令验证内容检索。
  • 完成： 这 claude_desktop_config.json （假设，因为实际配置取决于Claude Desktop的内部结构）概述了如何将服务器的端点注册为外部工具/资源。这 mcp_server_test_results.txt 该文件包含示例命令和预期响应，模拟与MCP主机的交互。

存储库内容

  • educhain_mcp_server.py：充当MCP服务器的主Flask应用程序。
  • generate_content.py：演示基本AI内容生成的初始脚本。
  • generate_python_mcqs.py：一个客户端脚本，用于以编程方式从 educhain_mcp_server.py.
  • predefined_mcqs.json：一个JSON文件，其中包含跨不同主题的20个预先编写的MCQ示例集。
  • .env.example：环境变量的示例文件（重命名为 .env 并填写您的API密钥）。
  • claude_desktop_config.json：一个假设的配置文件，演示了Claude Desktop如何 会 配置为使用此服务器。 注意：实际位置和确切结构可能因您的Claude Desktop安装而异。
  • mcp_server_test_results.txt：详细说明测试命令及其相应的服务器响应以供验证的文档。

设置和运行

先决条件

  • Python 3.8+
  • pip （Python包安装程序）
  • Google Gemini API密钥（从 谷歌人工智能工作室)
  • Claude Desktop（用于任务3测试）

安装

  1. 克隆存储库：
    git clone <YOUR_REPOSITORY_URL>
cd educhain
  2. 创建Python虚拟环境（推荐）：
    python -m venv venv
  3. 激活虚拟环境：
    • 窗户： .\venv\Scripts\activate
    • macOS/Linux： source venv/bin/activate
  4. 安装依赖关系：
    pip install Flask python-dotenv langchain-google-genai langchain pydantic requests
  5. 配置API密钥：
    • 重命名 .env.example 向 .env.
    • 打开 .env 并替换 YOUR_GEMINI_API_KEY 使用实际的Google Gemini API密钥：
      GEMINI_API_KEY="YOUR_GEMINI_API_KEY"

运行EduChain MCP服务器

  1. 确保您的虚拟环境已激活。
  2. 运行服务器：
    python educhain_mcp_server.py
    保持此终端窗口打开并运行。服务器将可在以下位置访问 http://127.0.0.1:5000/.

测试服务器（不带Claude Desktop）

打开A 新 终端窗口，激活您的虚拟环境，并使用 curl 或提供的Python脚本：

  • 查看主页： 打开 http://127.0.0.1:5000/ 在您的网络浏览器中。
  • 制定课程计划：
    curl -X POST -H "Content-Type: application/json" -d "{\"topic\": \"Introduction to Quantum Physics\"}" [http://127.0.0.1:5000/generate_lesson_plan](http://127.0.0.1:5000/generate_lesson_plan)
  • 生成MCQ：
    curl -X POST -H "Content-Type: application/json" -d "{\"topic\": \"Data Structures in Python\", \"num_questions\": 5}" [http://127.0.0.1:5000/generate_mcqs](http://127.0.0.1:5000/generate_mcqs)
  • 获取预定义MCQ（全部）：
    curl [http://127.0.0.1:5000/get_predefined_mcqs](http://127.0.0.1:5000/get_predefined_mcqs)
  • 获取预定义MCQ（按主题筛选）：
    curl [http://127.0.0.1:5000/get_predefined_mcqs?subject=Biology](http://127.0.0.1:5000/get_predefined_mcqs?subject=Biology)
  • 跑 generate_python_mcqs.py:
    python generate_python_mcqs.py
    这将产生 python_programming_basics_mcqs.json.

与Claude Desktop集成

  1. 找到Claude桌面配置：
    • 窗户： %APPDATA%\Claude\claude_desktop_config.json
    • macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
    • 如果文件不存在，则创建该文件。
  2. 添加服务器配置： 从复制内容 claude_desktop_config.json 将此存储库中的文件粘贴到Claude Desktop的配置文件中。
  3. 重新启动克劳德桌面： 确保完全退出Claude Desktop，然后重新启动以加载新配置。
  4. 在Claude Desktop中发出命令：
    • Generate 5 multiple-choice questions on Python loops.
    • Provide a lesson plan for teaching algebra.
    • Get predefined MCQs for Geography.
    • 观察克劳德的反应，并检查服务器终端的日志。

相关 MCP