TutorMCP–人工智能导师工具包
TutorMCP是一个 基于人工智能的教育工具包 建立在 模型上下文协议（MCP）. 它通过一个 Gradio界面 和a MCP-兼容API，实现人工智能代理和人类学习者之间的无缝交互。
概述
TutorMCP提供四种核心AI驱动工具：
| 工具 | 描述 | 参数 |
|---|---|---|
explain_concept | 在选定的深度（1-5）流式解释一个概念。 | question: str, level: int |
summarize_text | 将文本总结为目标长度比。 | text: str, compression_ratio: float (0.1–0.8) |
generate_flashcards | 为任何主题生成JSON行抽认卡。 | topic: str, num_cards: int (1–20) |
quiz_me | 创建一个包含多项选择题和答案的测验。 | topic: str, level: int, num_questions: int (1–15) |
每个功能 实时流式传输部分响应 以获得流畅、低延迟的学习体验。
项目结构
tutormcp/
│
├── main.py # Entry point (run as client or server)
│
├── requirements.txt
│
├── config/
│ └── settings.py # Environment variables and constants
│
├── server/
│ ├── tutor_mcp_server.py # Main MCP Gradio server
│ ├── explain.py # Explain tool logic
│ ├── summarize.py # Summarization logic
│ ├── flashcards.py # Flashcard generation
│ ├── quiz.py # Quiz generation
│ └── ui.py # Gradio app UI definition
│
├── client/
│ ├── agent.py # Smart MCP AI agent
│ ├── mcp_client.py # Connects to MCP server
│ ├── runner.py # Interactive chat loop
│ └── utils.py # Helpers like print_markdown()
│
└── tests/
├── test_server.py
├── test_client.py
└── test_tools.py安装
1.克隆存储库
git clone https://github.com/iamisaackn/tutormcp.git
cd tutormcp2.设置虚拟环境
python -m venv venv
source venv/bin/activate # (Linux/Mac)
venv\Scripts\activate # (Windows)3.安装依赖项
pip install -r requirements.txt4.创建一个 .env 文件
OPENAI_API_KEY=your_openai_api_key_here______________________________________________________________________
用法
启动MCP服务器（Gradio接口）
python main.py --mode server这将在以下位置启动本地Gradio界面 http://localhost:7860 并为您的AI工具公开MCP端点。
启动客户端代理
python main.py --mode client这开始了一个 交互式聊天会话 您的MCP代理连接到服务器，并将用户查询路由到正确的工具。
______________________________________________________________________
示例命令
解释一个概念：
User: Explain quantum tunneling like I’m 10.总结文本：
User: Summarize this article to 20%.生成抽认卡：
User: Create 10 flashcards on Python data structures.做个小测验：
User: Quiz me on neural networks, level 4, 5 questions.______________________________________________________________________
技术栈
- Python 3.10+
- 格拉迪奥 –用户界面和MCP服务器托管
- OpenAI API –核心LLM用于回应
- httpx/请求 –对于异步API调用
- Dotenv。 –安全的环境管理
______________________________________________________________________
关键设计选择
- MCP集成 –通过服务器发送事件（SSE）实现多工具编排和实时通信。
- 流媒体响应 –部分代币被流式传输，以获得更快的用户反馈。
- 可扩展架构 –在下面轻松添加新工具（例如代码解释器、图表生成器）
server/.
______________________________________________________________________
开发说明
运行代码格式化程序和lint检查：
black .
flake8运行测试：
pytest tests/______________________________________________________________________
许可证
麻省理工学院许可证©2025 Isaac K.Ngugi
______________________________________________________________________
作者
艾萨克·K·恩古吉 人工智能工程师和数据科学家——肯尼亚内罗毕 📧 \[your.email@example.com\] 💼 \[此处为领英/GitHub链接\]