MCP 服务器与工具

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

• 我们可以更新当前或相关的尚未知的数据给 LLM
• 增长的预建整合列表，您的 LLM 可以直接插入到
• 在不同 LLM 提供程序和供应商之间切换的灵活性。
• 在您基础架构中保护数据的最佳实践。

文件结构

• main.py - 运行 MCP 服务器的主要文件
• Task1 setup - 包含单个 educhain 功能和以所需格式生成响应的文件夹，供 MCP 服务器使用
• Response - 响应文件夹，包含所有输出图像和所需的 PDF

概述

MCP 运行在 STDIO 上，其中标准化输入传递给服务器，它返回标准化输出，并由客户端管理。
MCP 服务器和工具旨在实现 LLM 或 AI 助手与现实世界数据、数据库和新闻的无缝交互。通过 Educhain 库，该项目提供了一个强大的框架，用于构建基于 AI 的教育工具和服务。

特性

MCP 服务器

• 作为 LLM 和外部数据源之间的桥梁。
• 实现了对实时访问数据库、新闻和其他动态信息的支持。

MCP 工具（项目中）

当前工具依赖于 Groq API 和开源模型，但如果我们需要，我们可以使用任意数量的 LLM：

1. MCQ 生成器：根据输入主题和所需的 MCQ 数量自动生成多选题，并且我们还可以提供额外信息或指导以引导 MCQ 生成过程。
2. Lesson Plan 生成器：创建结构化的课程计划，针对特定主题或要求进行定制。
3. Flashcard 生成器：生成用于有效学习和复习的闪卡。

项目流程

在安装了 Educhain 库并设置好 API 后，我使用 LLama 模型创建了 educhain 客户端。然后通过异步函数初始化 MCP 工具，并附上适当的文档字符串，以便 LLM 可以选择合适的工具，并根据输出内容生成所需的内容。

使用场景

该项目允许 AI 助手（如 Claude Desktop 在此作为 MCP 主机）利用 MCP 工具进行教育用途。例如：

• 生成用于测验的多选题。
• 准备教师或学生的课程计划。
• 创建学习卡片以辅助学习和复习。

技术栈

• uv：用于基本安装和运行应用程序。
• Educhain 库：核心库，用于构建 MCP 服务器和工具。
• MCP 服务器：轻量级程序，每个程序通过标准化的 Model Context Protocol 暴露特定功能。

参考资料：

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

联系方式

如有问题或支持请求，请联系 [pratikgond2005@gmail.com]。