Token导航 LogoToken导航TokenDH.com
MCP Grader logo
数据服务未说明官方级别未说明来源级核验

MCP Grader

MCP Server

MCP Grader是一个基于Model Context Protocol(MCP)的无服务器AI评分系统,用于评估学生提交的结构化和半结构化作业,支持多种文件格式并集成AWS Bedrock和DynamoDB。

工具数

0

提示词数

0

GitHub Stars

0

资源数

0
数据分析PythonAPI集成

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

galois17

提供方

galois17

最后核验

2026/5/17 20:23

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

MCP分级器——无服务器模型上下文协议分级系统

MCP平地机 是一个无服务器、人工智能驱动的评分系统,使用 模型上下文协议(MCP)FastMCP.\ 它将您的LLM(例如Gemini CLI或OpenAI兼容客户端)连接到可重复的、确定性的评分后端,该后端使用结构化数据提取、置信度评分和AWS DynamoDB持久性来评估学生提交的内容。

______________________________________________________________________

特性

  • \*\*使用无服务器MCP后端\*\* FastMCP
  • 自动分级 用于结构化和半结构化数学/统计学作业\

(支持 .xlsx.docx 答案和学生提交的材料)

  • \*\*AWS基岩集成\*\*——用途 nova-micro-v1 提取结构化的Q/A JSON
  • \*\*DynamoDB(按需)\*\*用于存储模板、提交和评分结果
  • \*\*信心检测\*\*——识别学生何时可能寻求帮助
  • \*\*Excel(XLSX)报告\*\*,带有颜色编码的分级明细和汇总表
  • \*\*批处理\*\*--自动对整个提交文件夹进行评分
  • \*\*云就绪\*\*——可作为容器部署或通过AWS Lambda/Fargate部署

🏗️ 安装

克隆存储库:

git clone https://github.com/galois17/mcp-grader.git
cd mcp-grader

使用uv安装依赖项(https://github.com/astral-sh/uv):

uv add boto3==1.40.63 fastmcp==2.13.0.2 openpyxl>=3.1.5 pandas>=2.3.3 python-docx>=1.2.0

或者一次性安装:

uv sync

AWS设置

MCP平地机需要访问AWS Bedrock和DynamoDB: 1.在您的AWS帐户中启用Bedrock访问权限(区域us-east-2)。 2.创建或允许按需DynamoDB表: •分配模板表 •成绩分配表 3.确保您的AWS凭据可用(通过~/.AWS/凭据或环境变量)。

如果这两个表不存在,该工具将自动创建它们。

将MCP平地机连接到Gemini CLI(截至2025年11月1日)

导航到与克隆存储库不同的目录。我将以~/tmp为例提起诉讼。(如果它不存在,请创建它。)

cd ~/tmp
cp /path/to/mcp-grader/assets/answer_key.xlsx .
cp -a /path/to/mcp-grader/assets/student_submissions .
gemini mcp list
#-> No MCP servers configured.
gemini mcp add grader uv run --with fastmcp fastmcp run /full_path_to/mcp-grader/server.py
#-> MCP server "grader" added to project settings. (stdio)
gemini mcp list

✓ grader: uv run --with fastmcp fastmcp run .../mcp-grader/server.py (stdio) - Connected

启动Gemini:

gemini

允许执行MCP工具。然后依次运行以下4个查询:

> Upload the answer key ~/tmp/q_and_a_answer_key.xlsx with all parameters null.
> Analyze the answer key using the latest template id.
> Now process all the student submissions in this folder: 
~/tmp/student_submissions
> Call the tool grade_all_submissions using the latest template ID.
The last query should result in something like this. The Excel file produced will contain the report of the grades.
✦ Grading is complete. The results have been saved to 
~/tmp/grading_results_faa5d7bf-5fdd-4db7-8802-af1181daa16d.xlsx.

该报告可以在~/tmp/grating_results_faa5d7bf-5fdd-4db7-8802-af1181daa16d.xlsx中找到。

目录标签

目录标签

数据分析PythonAPI集成自动评分本地部署AI教育无服务器计算AWS集成

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP