使用说明内容（Markdown格式）

• 项目简介
  • 该仓库实现了一个基于 Model Context Protocol (MCP) 的后端服务器，专门对接 Canvas LMS 的公开 API，向 LLM 客户端提供课程、作业、公告、成绩等相关上下文信息，并暴露多种工具（Tools）供 LLM 调用以获取或汇总数据。
• 主要功能点
  • 提供工具接口：get_courses、get_dashboard_cards、get_assignments、get_upcoming_assignments、get_recent_announcements、get_recently_graded、get_today_summary、get_week_ahead、get_today_summary 等，覆盖课程、作业、公告、评分和计划项等数据。
  • 通过 HTTP 传输协议与客户端通信，支持以 JSON-RPC 形式接收请求并返回响应。
  • 与 Canvas API 的交互包含身份认证、数据规范化、时区处理、以及对部分字段的清洗与归一化，便于 LLM 使用。
  • 会话与安全性：需要 Canvas 的个人访问令牌（CANVAS_ACCESS_TOKEN）进行只读访问，服务端处理会话与请求分发。
• 安装步骤
  1. 安装并进入虚拟环境
     • 创建并激活虚拟环境（示例：python -m venv venv，source venv/bin/activate）
  2. 安装依赖
     • pip install -r requirements.txt
  3. 配置授权信息
     • 将 CANVAS_BASE_URL 设置为你的 Canvas 实例地址（如 https://your_school.instructure.com）
     • 将 CANVAS_ACCESS_TOKEN 设置为你的 Canvas 个人访问令牌
     • 复制并编辑 .env 文件以完成配置
  4. 启动 MCP 服务器
     • 运行：python src/server.py
     • 服务器默认监听本地端口 8000，传输协议为 HTTP。若需要在不同端口启动，可通过环境变量 PORT 指定，例如 PORT=8001。
  5. 测试与调试
     • 在一个终端执行 MCP Inspector（测试工具）： npx @modelcontextprotocol/inspector
     • 按照指引连接到服务器，使用“Streamable HTTP”传输类型进行测试。
• 服务器配置（用于 MCP 客户端连接的配置片段，格式为 JSON，包含服务器名称、启动命令和参数） { "server_name": "poke-canvas-mcp", "command": ["python", "src/server.py"], "args": [], "notes": "入口脚本为 src/server.py；需要设置 CANVAS_BASE_URL 与 CANVAS_ACCESS_TOKEN 环境变量以访问 Canvas API。默认监听端口 8000（可通过 PORT 环境变量覆盖）。" }
• 基本使用方法
  • 事前准备：在 Canvas 账户中获取并设置访问令牌（CANVAS_ACCESS_TOKEN），确保可访问相关课程、作业、公告等接口。
  • 启动后，通过 MCP 客户端将该 MCP URL 配置为连接目标，使用 HTTP（Streamable HTTP）传输协议进行通信。
  • 使用工具时可按需要调用所提供的工具，如获取最近的作业、最近的公告、未来一周的计划等，以便 LLM 能以结构化数据回答用户问题。