项目简介

这是一个为AI助手（特别是基于大语言模型如Claude）设计的后端服务原型，旨在通过结构化的方式管理学生的日程、笔记、任务等数据。它实现了Model Context Protocol (MCP) 的核心理念，允许AI通过标准API接口访问和操作这些数据，充当AI驱动的学生生活管理工具的后端支持。

主要功能点

• 结构化数据管理: 托管和管理学生的日程、日记、学习任务、笔记和项目等多种类型的数据。
• 标准API接口: 提供结构化的HTTP接口（GET, POST, PUT, DELETE, SEARCH），供AI助手调用以访问和修改数据。
• MCP Schema声明: 提供一个 '/schema' 端点，清晰地声明了后端服务提供的资源类型、描述和字段，方便AI助手发现和理解服务能力。
• 与AI助手集成: 设计用于与支持工具使用的AI模型（如Anthropic Claude）配合，AI可以解析用户指令，然后调用此后端服务的相应API来完成任务（例如，查找笔记、添加任务、删除日记）。

安装步骤

1. 克隆仓库到本地：

   git clone https://github.com/Chukwuemekaeze/student-life-organizer.git
   cd student-life-organizer
   

2. 创建并激活Python虚拟环境：

   python -m venv venv
   # Windows:
   venv\Scripts\activate
   # macOS/Linux:
   source venv/bin/activate
   

3. 安装所需的Python库：

   pip install -r requirements.txt
   

服务器配置（供MCP客户端参考）

此仓库提供了MCP服务器实现。一个标准的MCP客户端需要知道如何启动并连接到这个服务器。根据仓库信息，服务器的启动命令和连接信息大致如下：

• 服务器名称 (server name): 例如填写 "Student Life Organizer MCP"
• 启动命令 (command): 'python'
• 启动参数 (args): '["backend/mcp_server/app.py"]'
• 连接信息: 服务器默认在本地的 8000 端口上提供HTTP服务。如果MCP客户端运行在本地并能启动进程，它可以配置为启动上述命令，然后通过 'http://localhost:8000' 连接。如果AI模型服务（如Claude API）需要远程访问，则需要使用 Ngrok 等工具将本地端口暴露到公网，并将公网URL提供给AI助手或MCP客户端。客户端通常需要配置这个Base URL（例如通过环境变量）。

基本使用方法

1. 启动Flask MCP服务器: 在仓库根目录下，激活虚拟环境后运行：

   python backend/mcp_server/app.py
   

   服务器将在本地 8000 端口启动。

2. 暴露服务器（如果需要远程访问）: 如果AI助手需要通过公网访问你的本地服务器，可以使用 Ngrok：

   ngrok http 8000
   

   获取 Ngrok 提供的 HTTPS 公网 URL。

3. 设置环境变量: 创建 '.env' 文件，填入你的 Anthropic API Key 和步骤2中获取的 MCP Schema URL：

   ANTHROPIC_API_KEY=your-key-here
   MCP_SCHEMA_URL=https://your-ngrok-url.ngrok-free.app/schema
   

4. 运行AI交互模拟: 运行 'talk_to_claude.py' 脚本来模拟AI助手与你的MCP服务器的交互：

   python talk_to_claude.py
   

   脚本将模拟AI接收指令，解析schema，调用后端API，并处理结果。