这个repo是一个最小的开源项目，展示了 模型上下文协议（MCP） 可用于将法学硕士与现实世界的教育运营联系起来。它模拟了一个小型的人工智能培训课程，由 LLaMA 3.2 通过本地运行 奥拉玛，通过集成 LangChain 和 FastMCP.
目的
此演示为开发人员提供了一个实用、可重复的示例，帮助他们学习如何：
- 使用模型上下文协议公开工具
- 通过LangChain与本地开源LLM（LLaMA 3.2）进行交互
- 通过自然语言查询管理结构化数据（学生、出勤、付款）
它被设计成一个轻量级的教育展示，而不是一个生产系统。
能力
| 工具 | 说明 |
|---|---|
| 添加学生 | 在课程数据库中注册新学员 |
| 破纪录的出席人数 | 跟踪特定课程的参与情况 |
| 计算总收入 | 汇总给定月份的所有学生付款 |
每个工具都独立运行（非顺序），遵循MCP的模块化设计理念。
怎么跑？
python server.py --server_type=ssepython langchain_client.py运行时流程
1️. 初始化阶段
- 服务器启动并注册工具
- 客户端连接到服务器
- 客户端发现可用工具
- 代理使用这些工具进行初始化
2️. 互动阶段
- 用户发送自然语言请求
- 代理选择正确的工具并形成SQL查询
- MCP执行查询并返回结果
- 代理格式化干净、人类可读的响应
技术栈
- 语言： Python 3.10+
- 框架： FastMCP·LangChain·SQLite
- LLM发动机： Ollama（火焰3.2）
- 环境： 本地主机/离线兼容
______________________________________________________________________
此演示使用 轻量级SQLite数据库 以存储结构化课程信息。选择SQLite是为了简单\[易于检查、重置和扩展\]。对于较大的部署，任何基于SQL的系统（PostgreSQL、MySQL）都可以在不更改MCP接口的情况下替换它。