🎓 MCP内容管理服务器
](https://nodejs.org/)   
A. 模型上下文协议(MCP) 智能课程内容管理服务器 GPT-4该服务器提供人工智能驱动的工具,用于对教育内容进行分类、标记和改进。
✨ 特性
- 🗂️ 智能分类:基于人工智能的课程内容分类建议
- 🏷️ 智能标记:使用GPT-4的上下文感知标签建议
- ✨ 内容优化:按照最佳做法改进标题和描述
- 🔌 MCP集成:与Claude Desktop和其他MCP客户端无缝集成
🚀 快速开始
先决条件
- Node.js 18+
- OpenAI API密钥
安装
- 克隆存储库
git clone https://github.com/yourusername/mcp-content-curation-server.git
cd mcp-content-curation-server- 安装依赖项
npm install- 配置环境
cp .env.example .env
# Edit .env and add your OpenAI API key- 运行服务器
# Development mode
npm run dev
# Production mode
npm run build
npm start🔧 OpenAI设置
- 从获取API密钥 OpenAI平台
- 将其添加到您的
.env文件:
OPENAI_API_KEY=sk-your-actual-api-key-here🖥️ Claude桌面集成
更新您的 claude_desktop_config.json:
开发模式:
{
"mcpServers": {
"content-curation": {
"command": "npx",
"args": ["tsx", "/path/to/your/project/src/server.ts"],
"cwd": "/path/to/your/project",
"env": {
"NODE_ENV": "development"
}
}
}
}生产模式:
{
"mcpServers": {
"content-curation": {
"command": "node",
"args": ["/path/to/your/project/dist/server.js"],
"cwd": "/path/to/your/project",
"env": {
"NODE_ENV": "production"
}
}
}
}🛠️ 可用工具
1. suggest_category
为课程内容推荐最合适的类别。
输入:
{
"title": "Python for Data Science",
"description": "Learn data analysis with pandas and matplotlib"
}2. suggest_tags
根据课程内容推荐相关标签。
输入:
{
"title": "Digital Marketing Fundamentals",
"description": "Master SEO, Google Ads, and social media marketing"
}3. improve_content
根据教育最佳实践优化标题和描述。
输入:
{
"title": "JavaScript Basics",
"description": "Learn programming fundamentals"
}📊 数据结构
服务器包括:
- 5大类:技术、商业、设计、营销、分析
- 18个上下文标签:按主题领域组织
- 10门示例课程:用于相似性分析和培训
💡 使用示例
分类
Suggest a category for: "Advanced React Hooks" - "Custom hooks and performance optimization in React"标记
What tags would you recommend for: "Machine Learning with Python"?内容改进
Improve this content:
Title: "Excel Basics"
Description: "Learn spreadsheets"🛠️ 发展
可用脚本
npm run dev-启动开发服务器npm run build-编译TypeScriptnpm start-运行生产服务器npm run debug-运行诊断程序
项目结构
src/
├── server.ts # Main MCP server
├── services/
│ ├── ai.service.ts # OpenAI GPT-4 integration
│ └── curation.service.ts # Curation logic
├── data/
│ └── mock-data.ts # Categories, tags, and sample data
└── types.ts # TypeScript definitions