Student Progress Tracker

学生进度跟踪MCP服务器

MCP服务器，用于人工智能驱动的学生进度跟踪和学习分析。连接到Claude Desktop或Claude Code，使AI助手能够管理学生、跟踪评估、计算掌握水平、识别学习差距并推荐重点领域。

  

什么是MCP？

模型上下文协议（MCP） 是一个开放标准，允许像Claude这样的人工智能助手连接到外部工具和数据源。此服务器将学生进度跟踪作为MCP工具公开，Claude可以在对话中直接调用这些工具。

特性

• 学生简介 -创建和管理学生成绩记录
• 课程注册 -组织学生学习有主题的课程
• 评估跟踪 -记录测试、测验、家庭作业和练习结果
• 掌握水平 -根据问题级数据自动计算主题掌握程度
• 学习差距分析 -用严重性评级确定低于阈值的主题
• 重点建议 -基于趋势的优先研究建议
• 类分析 -全班成绩分布和主题表现
• 问题级遥测 -跟踪每个问题的正确性、时间、难度和布鲁姆水平

快速开始

安装

git clone https://github.com/woodstocksoftware/student-progress-tracker.git
cd student-progress-tracker
python3.12 -m venv venv
source venv/bin/activate
pip install -r requirements.txt

配置Claude桌面版

增添 ~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "student-progress": {
      "command": "/absolute/path/to/student-progress-tracker/venv/bin/python",
      "args": ["/absolute/path/to/student-progress-tracker/run_server.py"]
    }
  }
}

重新启动克劳德桌面。工具将自动显示。

配置Claude代码

添加到您的项目 .mcp.json 或全局设置：

{
  "mcpServers": {
    "student-progress": {
      "command": "/absolute/path/to/student-progress-tracker/venv/bin/python",
      "args": ["/absolute/path/to/student-progress-tracker/run_server.py"]
    }
  }
}

试试看

You: Create a student named Alice in 9th grade
You: Create a course called Algebra I in Mathematics
You: Enroll Alice in Algebra I
You: Create a topic "Linear Equations" in the Algebra course
You: Record Alice's quiz: 85 out of 100
You: What are Alice's learning gaps?
You: What should Alice focus on next?

工具参考

学生管理

create_student

创建新的学生记录。

Create a student named Alice Johnson, email alice@school.edu, in 9th grade

list_students

列出所有学生，可选择按课程筛选。

get_student_profile

包含课程、统计数据和最近评估的综合简介。

课程管理

create_course

创建新课程。

list_courses

列出所有已注册学生人数的课程。

enroll_student

让学生报名参加课程。

create_topic

在课程中添加一个主题以进行掌握跟踪。

list_topics

列出课程中的所有主题。

评估和结果

create_assessment

创建测试、测验、家庭作业或练习评估。

record_assessment_result

用可选问题级别数据记录学生的评估结果。

中的每个项目 question_results:

{
  "question_id": "q1",
  "topic_id": "topic-abc123",
  "is_correct": true,
  "time_spent_seconds": 45,
  "difficulty": 0.5,
  "bloom_level": "application"
}

分析和建议

get_topic_mastery

使用趋势指标按主题查看掌握程度。

get_learning_gaps

确定低于掌握阈值的主题。

get_student_history

问题级别性能历史。

get_class_analytics

全班表现概述，包括成绩分布和主题分析。

recommend_focus_areas

按趋势和掌握程度优先的个性化研究建议。

数据模型

Students ──── Enrollments ──── Courses ──── Topics
   │                              │           │
   │                              │           │
   └──── Assessment Results ──── Assessments  │
              │                               │
              │                               │
         Question History ──── Topic Mastery ─┘

表格

精通度计算

精通程度计算如下 questions_correct / questions_attempted 每个主题。通过将最近的准确性与总体掌握程度进行比较来检测趋势：

• 改进 -最近的准确率>掌握率+10%
• 稳定 -掌握10%以内
• 下降 -最近的准确率\<掌握-10%

使用示例

随着时间的推移追踪学生的数学掌握情况

1. Create a student and course
2. Add topics: Linear Equations, Quadratic Equations, Polynomials
3. Record quiz results with question_results linking to topics
4. View mastery: "Show me Alice's topic mastery for Algebra I"
5. Check gaps: "What are Alice's learning gaps?"
6. Get recommendations: "What should Alice focus on next?"

监控一个类

1. Create a course with multiple enrolled students
2. Record assessment results for each student
3. View analytics: "Show class analytics for Algebra I"
4. See grade distribution and struggling topic areas

建筑

Claude (Desktop/Code)
    │
    │ MCP Protocol (stdio)
    │
    ▼
┌─────────────────────────────┐
│  server.py (FastMCP)        │
│  15 tools with @mcp.tool()  │
│  Markdown response format   │
└─────────────┬───────────────┘
              │
              ▼
┌─────────────────────────────┐
│  database.py (SQLite)       │
│  10 tables, auto-init       │
│  Foreign keys + indexes     │
└─────────────┬───────────────┘
              │
              ▼
┌─────────────────────────────┐
│  data/student_progress.db   │
│  Local file (gitignored)    │
└─────────────────────────────┘

关键设计决策：

• FastMCP 用于使用自动生成的JSON模式进行工具注册的装饰器
• stdio传输 与克劳德沟通
• SQLite 用于零配置本地持久性
• Markdown响应 带有表情符号指示器，可在聊天中提高可读性
• UUID前缀ID (stu-, course-, topic-, assess-, result-)为清楚起见
• JSON问题_结果 用于灵活存储每个问题的数据

与题库MCP集成

设计用于作曲 题库MCP:

Question Bank MCP              Student Progress Tracker
┌───────────────────┐          ┌───────────────────────┐
│ Questions         │          │ Students              │
│ Topics            │◄────────►│ Enrollments           │
│ Difficulty levels │          │ Assessment Results    │
│ Bloom's taxonomy  │          │ Topic Mastery         │
└───────────────────┘          └───────────────────────┘

通过链接 question_bank_id 在创建课程时。

测试

source venv/bin/activate
pip install pytest
pytest tests/ -v

贡献

1. 分叉存储库
2. 创建要素分支(git checkout -b feature/your-feature)
3. 使用类型提示和文档字符串进行更改
4. 运行linting： ruff check src/
5. 运行测试： pytest tests/ -v
6. 提交并打开拉取请求

许可证

麻省理工学院

______________________________________________________________________

部分 Ed Tech MCP套件 通过 吉姆威廉斯 |