项目简介

本项目是一个智能教学辅助系统，旨在利用大模型和智能代理技术提升教学效率和学习体验。系统集成了多个基于MCP协议的服务器，为AI Agent提供丰富的上下文信息和工具调用能力，同时包含一个功能完整的后端和前端应用，支持用户管理、题库管理、课堂作业、在线签到等多种教育场景。

主要功能点

智能对话辅导: 通过AI助手解答学术问题，提供解释和引导。
个性化学习: 根据用户情况推荐学习内容和进度。
实时反馈: 对练习和作业提供即时反馈。
多媒体资源: 支持集成多种类型的学习资料。
文档生成: 可将对话或报告导出为PDF文件。
网页检索: 通过内置浏览器服务获取在线信息。
题库与刷题: 管理、生成、导入题目，支持学生练习和错题整理。
作业管理: 教师布置作业，学生提交，教师批改。
课堂签到: 支持生成签到码，学生扫码或输入签到码完成签到。
学生管理: 教师可管理班级和学生档案。

安装步骤

本项目包含后端 (Django)、MCP 服务器 (Python scripts) 和前端 (Vue)。请确保已安装Python 3.13+ 和 Node.js 18+。推荐使用 'uv' 作为Python包管理器。

克隆仓库:

git clone https://github.com/Kierinter/MCPTeachingAidSystem.git
cd MCPTeachingAidSystem

后端设置:

进入后端目录: 'cd ai_tutor_backend'

创建并激活虚拟环境 (使用 'uv'):

uv venv .venv
source .venv/bin/activate  # Linux/macOS
.venv\Scripts\activate     # Windows

安装Python依赖:
```
uv pip install -e .
```

应用数据库迁移:

python ../apply_migrations.py

（这会创建所需的数据库表）

MCP 服务器设置:
- 进入MCP目录: 'cd ../mcp'
- 配置环境变量: 复制 '.env.example' 为 '.env' 并填写 DeepSeek API 密钥和基础 URL。
前端设置:
- 返回项目根目录: 'cd ..'
- 安装Node.js依赖:
```
npm install
```

服务器配置 (供MCP客户端使用)

本项目包含多个MCP服务器实现，这些服务器以独立的进程运行并通过标准输入/输出 (Stdio) 与主要的Agent Orchestrator (位于 'mcp/main.py') 通信。如果您需要将这些MCP服务器集成到其他MCP客户端应用中，您可以配置您的客户端启动这些服务器进程并连接到它们的Stdio流。

以下是本项目中包含的MCP服务器及其启动命令配置示例：

服务器名称: 'filesystem'
- 功能: 提供文件系统的读写和列表能力，用于管理教案、学习材料等。
- 连接方式: Stdio
- 启动命令:
  - 'command': 'python'
  - 'args': '["/path/to/MCPTeachingAidSystem/mcp/mcp_servers/filesystem-server.py"]' (请替换为实际的文件路径)
  - 'env': '{ "PYTHONPATH": "/path/to/MCPTeachingAidSystem" }' (请替换为实际的项目根目录路径)
服务器名称: 'pdf'
- 功能: 将Markdown或HTML内容转换为PDF文件，通常用于导出对话或报告。依赖系统安装的'pandoc'或'wkhtmltopdf'。
- 连接方式: Stdio
- 启动命令:
  - 'command': 'python'
  - 'args': '["/path/to/MCPTeachingAidSystem/mcp/mcp_servers/pdf_server.py"]' (请替换为实际的文件路径)
  - 'env': '{ "PYTHONPATH": "/path/to/MCPTeachingAidSystem" }' (请替换为实际的项目根目录路径)
服务器名称: 'local_web'
- 功能: 启动一个本地HTTP服务器并打开浏览器访问指定的本地或系统页面，支持创建临时HTML文件。
- 连接方式: Stdio
- 启动命令:
  - 'command': 'python'
  - 'args': '["/path/to/MCPTeachingAidSystem/mcp/mcp_servers/local_web_server.py"]' (请替换为实际的文件路径)
  - 'env': '{ "PYTHONPATH": "/path/to/MCPTeachingAidSystem" }' (请替换为实际的项目根目录路径)
服务器名称: 'browser'
- 功能: 通过Puppeteer控制浏览器进行网页浏览和信息抓取。需要Node.js环境。
- 连接方式: Stdio
- 启动命令:
  - 'command': 'npx'
  - 'args': '["-y", "@modelcontextprotocol/server-puppeteer"]'
  - 'env': '{ "PUPPETEER_LAUNCH_OPTIONS": "{}" }' (或其他Puppeteer启动选项的JSON字符串)

请注意，这些配置描述了如何启动这些MCP服务器进程。MCP客户端框架（如本项目中的'agents.mcp.MCPServerStdio'）负责执行这些命令，并通过该进程的标准输入输出流发送和接收MCP JSON-RPC消息。

基本使用方法

需要同时运行后端服务、MCP服务器和前端开发服务器。

启动后端服务:
- 激活Python虚拟环境 (如果尚未激活): 'source ai_tutor_backend/.venv/bin/activate'
- 运行脚本: 'python run_server.py'
- 默认运行在 'http://127.0.0.1:8080'
启动MCP服务器 Orchestrator:
- 激活Python虚拟环境 (如果尚未激活): 'source ai_tutor_backend/.venv/bin/activate'
- 进入mcp目录: 'cd mcp'
- 运行主脚本: 'python main.py'
- 这个脚本会根据需要自动启动和管理各个子MCP服务器进程。默认运行在 'http://0.0.0.0:5000'。
启动前端开发服务器:
- 返回项目根目录: 'cd ..'
- 运行命令: 'npm run dev'
- 默认运行在 'http://localhost:4000'

系统启动后，通过浏览器访问前端地址 ('http://localhost:4000') 进行注册/登录，然后即可使用AI教辅、题库、签到等功能。AI对话功能会通过MCP服务器 Orchestrator (main.py) 与DeepSeek模型交互，并调用相应的MCP服务器提供的工具。

关键词

项目简介

主要功能点

安装步骤

服务器配置 (供MCP客户端使用)

基本使用方法

信息