AI辅导工具

使用MCP+OpenAI代理SDK的AI导师

该项目演示了如何构建 AI导师 由 OpenAI代理SDK 通过 MCP（模型上下文协议）服务器 上交所。

它包括：

• 一个公开辅导工具的MCP服务器笔记本
• 将代理连接到该服务器的客户端笔记本
• 互动问答、概念解释、总结、抽认卡和测验

项目结构

• MCP Server.ipynb
  构建/运行MCP服务器（Gradio+SSE端点）。

• AI_Tutor_using_MCP_Open_AI_Agents_SDK.ipynb
  创建代理并连接到MCP服务器的客户端笔记本。

• .env
  存储环境变量（例如 OPENAI_API_KEY).

先决条件

• Python 3.10+
• Jupyter环境（VS代码笔记本或Jupyter实验室）
• OpenAI API密钥

安装

在笔记本中运行这些程序（已包含在您的单元格中）：

• openai-agents
• gradio
• openai
• python-dotenv
• requests
• httpx
• pillow

如果您更喜欢终端安装：

pip install -U openai-agents gradio openai python-dotenv requests httpx pillow

环境设置

创建/更新 .env 在项目根目录中：

OPENAI_API_KEY=your_api_key_here

如何跑步

1） 启动MCP服务器

1. 打开 MCP Server.ipynb.
2. 按顺序运行单元格。
3. 确认服务器正在运行并暴露SSE端点（例如）：

http://localhost:7860/gradio_api/mcp/sse

2） 运行AI导师客户端

1. 打开 AI_Tutor_using_MCP_Open_AI_Agents_SDK.ipynb.
2. 从上到下运行单元格。
3. 验证 MCP_BASE 匹配您的服务器URL。
4. 启动聊天循环单元，并提出以下问题：
   • “用简单的语言解释牛顿第三定律。”
   • “将这段话总结为30%。”
   • “为光合作用生成8张抽认卡。”
   • “对我进行二级分数测验。”

可用的导师能力

根据您的MCP服务器实现，客户端代理配置为使用：

• explain_concept(question, level)
• summarize_text(text, compression_ratio)
• generate_flashcards(topic, num_cards)
• quiz_me(topic, level, num_questions)

常见问题

MCP超时/读取错误

如果您看到诸如工具超时或 httpx.ReadError:

• 确保 MCP Server.ipynb 正在运行。
• 确认 MCP_BASE 是正确的，可以在浏览器/HTTP中访问。
• 在客户端设置中增加MCP/工具超时值。
• 重试一次；可能会发生短暂的本地隧道/服务器延迟。

手机在应答后继续运行

如果您的聊天循环使用 while True，它将继续等待下一个输入。
类型 exit 或 quit 停止或将循环更改为一次性行为。

备注

• 尽可能将两个笔记本电脑放在同一本地环境/会话中。
• 如果连接变得陈旧，重新启动内核会有所帮助。
• 避免在同一端口上运行重复的服务器实例。

许可证

此项目用于教育/演示用途。