项目简介

RT-Capstone是一个先进的智能作业评分系统，旨在通过AI驱动的分析为学生作业提供全面评估。它支持数学、西班牙语、英语、科学和历史等多学科批改，具备多语言支持、多格式文件处理（PDF、DOCX、TXT、图像等）、OCR集成、智能编排和企业级安全保护。本仓库实现了MCP服务端，通过标准化的JSON-RPC协议提供上下文信息和功能，方便LLM客户端集成。

主要功能点

资源托管与管理: 提供如作业元数据等上下文资源。
工具注册与执行: 暴露30多种工具，包括语法检查、抄袭检测、内容关联性分析、多语言评分、作业摘要生成，以及针对数学、西班牙语、科学、历史等学科的专业分析工具。
Prompt模板定义: 支持可定制的Prompt模板，以适应不同的LLM交互模式。
文件处理: 支持PDF（含OCR扫描件）、DOCX、DOC、MD、TXT和多种图像格式的文件内容提取与校验。
智能分析: 自动识别作业主题和难度，并路由到相应的专业处理器进行评分与反馈。
安全防护: 内置Prompt注入保护、输入验证、输出过滤等企业级安全功能。

安装步骤

克隆仓库:

git clone https://github.com/felixchess5/RT-Capstone.git
cd RT-Capstone

创建并激活虚拟环境:

python -m venv venv
source venv/bin/activate  # Windows 用户请运行: .\venv\Scripts\activate

安装依赖:

pip install -r requirements.txt
# 安装MCP依赖 (必需)
pip install 'mcp[cli]'
# 安装额外的专业处理依赖 (可选，用于增强特定学科处理能力)
pip install sympy spacy langdetect
# 安装西班牙语SpaCy模型 (可选，用于增强西班牙语处理)
python -m spacy download es_core_news_sm

安装Tesseract OCR: (用于处理扫描文档和图像文件，请根据您的操作系统选择安装方式)
- macOS: 'brew install tesseract'
- Ubuntu/Debian: 'sudo apt-get install tesseract-ocr'
- Windows: 请从Tesseract GitHub Wiki下载并安装对应的Tesseract OCR发行版。

配置API密钥: 复制项目根目录下的 '.env.example' 文件为 '.env'。然后编辑 '.env' 文件，填入您的AI服务API密钥。至少需要一个Groq API密钥，Gemini API密钥是可选的，用于LLM冗余。

GROQ_API_KEY=your_groq_api_key_here
GEMINI_API_KEY=your_gemini_api_key_here # 可选的，用于LLM冗余
LANGCHAIN_TRACING_V2=true              # 可选的，用于LangSmith追踪
LANGCHAIN_API_KEY=your_langsmith_api_key # 如果开启LangSmith追踪，需要此密钥
LANGCHAIN_PROJECT=Assignment Grader

服务器配置 (MCP客户端使用)

MCP客户端需要以下JSON格式的配置信息才能连接此MCP服务器。请注意，'command' 和 'args' 字段是实际的执行命令和参数，它们告诉MCP客户端如何启动服务器进程。

{
  "server_name": "assignment-grader",
  "command": "python",
  "args": [
    "src/main_agentic.py",
    "mcp"
  ],
  "description": "智能作业评分系统的MCP服务端，提供多学科评分、文件处理和安全工具。",
  "transport": "stdio"
}

参数注释:

'server_name': MCP服务器的唯一标识符，用于客户端识别。
'command': 用于启动MCP服务器进程的可执行文件或脚本的命令（例如：'python'）。
'args': 传递给 'command' 的参数列表。在此配置中，'src/main_agentic.py' 是MCP服务器的入口脚本，而 'mcp' 参数指示该脚本以MCP服务器模式运行。
'description': 服务器功能的简要描述，供客户端用户参考。
'transport': 服务器与客户端通信所使用的传输协议，'stdio' 表示通过标准输入输出进行通信，是MCP协议支持的一种常见传输方式。

基本使用方法

启动MCP服务器: 在项目根目录下，激活您创建的虚拟环境后运行以下命令：
```
python src/main_agentic.py mcp
```
服务器将启动并开始监听通过JSON-RPC协议发送的MCP客户端请求。
（可选）作为代理式工作流处理文件: 如果您想以非MCP服务器模式，直接利用其强大的代理式AI工作流处理本地文件，可以将作业文件放入 'Assignments/' 文件夹（支持PDF、DOCX、DOC、MD、TXT、图像格式），然后运行：
```
python src/main_agentic.py agentic
```
系统将使用先进的代理式AI工作流自动处理这些文件，生成详细的评分报告和反馈。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (MCP客户端使用)

基本使用方法

信息