Student Management MCP Prototype
Studentenverwaltungs-MCP-Prototyp
Ziel
Für das Szenario „Wachstumsprofil von Studierenden und geschlossener Kreislauf der proaktiven Unterstützung" wird eine Reihe von MCP-Tools bereitgestellt, die in die Agentenplattform integriert sind. Dadurch kann der Agent Studierendenprofile abfragen, Beobachtungslisten filtern, Unterstützungsaufgaben erstellen und verfolgen, Unterstützungsaufzeichnungen schreiben, Klassen-Dashboards generieren und mit DingTalk-Gruppen verknüpfen.
Related MCP server: MCP-Server-CollageAI
Highlights
Aufstieg von „fragebasierter Studentenverwaltung" zu „datengesteuerter proaktiver Erkennung".
Anwesenheit, Noten, Wohnheim-Feedback, Praxisleistung, Förderungsstatus und Gesprächsaufzeichnungen werden zu einem Wachstumsprofil des Studierenden zusammengeführt.
Unterstützt die Generierung einer „Liste der heute zu beachtenden Studierenden" und zeigt damit den Wandel der Studentenverwaltung von passiver Reaktion zu proaktiver Warnung.
Unterstützt das Schreiben von Unterstützungsaufzeichnungen und bildet den geschlossenen Kreislauf „Problem erkennen – Vorschlag machen – Umsetzung nachverfolgen – Aufzeichnung zurückschreiben".
Kann Klassendashboard-Daten generieren, geeignet für die Präsentation bei Wettbewerbsverteidigungen.
Werkzeugliste
Werkzeug | Zweck |
| Studierendenwachstumsprofil nach Matrikelnummer oder Name abfragen |
| Liste der Studierenden mit mittlerer/hoher Aufmerksamkeit filtern |
| Gesprächs- oder Unterstützungsnachverfolgungsaufzeichnung schreiben |
| Unterstützungsaufgabe basierend auf dem Profil erstellen, kann auf Anforderung an die Beratergruppe gepusht werden |
| Aufgabenstatus und Fortschritt aktualisieren, kann Unterstützungsaufzeichnungen synchronisieren |
| Offene, überfällige und abgeschlossene Aufgaben abfragen |
| Prüfprotokoll für Aufgabenerstellung und Statusänderungen abfragen |
| Schreibgeschützte Prüfung von Speicher, Aufgabendaten und DingTalk-Kanalkonfiguration |
| Klassendaten-Dashboard für Studierendenstatus generieren |
| Datei-Importstatus und Aufzeichnungsstatistiken der Word/Excel/PDF-Geschäftstabellen anzeigen |
| Zeitlinie für Anwesenheit, Praxis, Screening-Empfehlungen, Gespräche, Aufgaben und Warnungen des Studierenden abfragen |
| Dynamische Klassenprotokolle und Governance-Übersicht abfragen |
| Bald fällige oder überfällige Nachbetreuungserinnerungen abfragen |
| Anonymen Klassenwochenbericht generieren und an die Lehrkräfte-Arbeitsgruppe pushen |
| Prüfen, ob für ein bestimmtes Trainingslabor zu einem bestimmten Zeitpunkt Kurs- oder Buchungskonflikte bestehen |
| Verfügbare Trainingslabore nach Datum, Zeitraum, Kapazität und Ausstattungsbedingungen filtern |
| Praxisplanung und Rauminformationen der Klasse abfragen |
| Anomale Geräte, Reparaturaufträge und voraussichtlichen Bearbeitungsstatus abfragen |
Lokale Ausführung
cd D:\教育信息技术应用大赛\学生管理MCP原型
python -m uvicorn student_management_mcp_api:app --host 127.0.0.1 --port 8765Für die öffentliche Bereitstellung und die Agentenplattform wird student_management_mcp_sse:app verwendet. Zur lokalen Verifizierung kann Folgendes ausgeführt werden:
python -m uvicorn student_management_mcp_sse:app --host 127.0.0.1 --port 8000Datenpersistenz
Bei Konfiguration von
DATABASE_URLwird PostgreSQL verwendet. Quelltabellen-Import, Aufgaben, Nachverfolgungsaufzeichnungen und Prüfprotokolle bleiben über Render-Bereitstellungen hinweg erhalten.Ohne Konfiguration wird automatisch die lokale SQLite-Datenbank
.data/student_management.dbverwendet, geeignet für Entwicklung und Tests, kann jedoch nach einer erneuten Bereitstellung auf Render verloren gehen.Beim ersten Aktivieren der Datenbank werden die Basisdaten aus
followup_records.jsonundsupport_tasks.jsonim Repository automatisch migriert.Bei der ersten Bereitstellung werden außerdem die 5 Excel-Dateien, 1 Word-Datei und 1 PDF-Datei aus den
Demonstrations-Geschäftsquelldateiengelesen. Die Wettbewerbs-Demonstrationslisten, Anwesenheits-/Studienleistungen, Praxis, Screening-Empfehlungen, Gespräche, Aufgaben sowie Trainingsraum-Ressourcen- und Stundenpläne werden normalisiert und in die Datenbank geschrieben; anschließend neu hinzugefügte Gespräche und Aufgaben über MCP werden weiterhin akkumuliert.Der Health-Check
/healthgibt Speichertyp und Aufzeichnungsanzahl zurück, jedoch keine Datenbankadresse oder DingTalk-Schlüssel.
Beispiel für PostgreSQL-Verbindungsvariablen:
DATABASE_URL=postgresql://用户名:密码@主机:5432/数据库名Wartung der Demonstrationsdaten
Alle Dateien in Demonstrations-Geschäftsquelldateien sind simulierte Daten für die Wettbewerbsdemonstration und entsprechen keinen realen Personen. Die empfohlene Hauptlinie für die Bildschirmaufnahme ist:
工作人员维护 Excel / Word / PDF 台账
-> 服务自动解析并入库 PostgreSQL
-> 班级态势与学生成长时间线
-> 生成帮扶任务并回写谈话记录
-> 按期复访提醒与任务审计
-> 按日期、时段、容量和设备条件查询可用实训室Zuerst kann get_data_ingestion_status aufgerufen werden, um Dateien, Importmengen und die Datenkette anzuzeigen. Anschließend können je nach Rolle die kontrollierten Abfragetools aufgerufen werden:
get_authorized_student_growth_timeline: Studierende nur für sich selbst, Klassenlehrer und Berater nur für autorisierte Klassen.get_authorized_class_operational_records: Klassenlehrer und Berater sehen dynamische Protokolle autorisierter Klassen, Verwaltungspersonal nur anonyme Aggregationen.list_authorized_followup_reminders: Klassenlehrer und Berater sehen Nachbetreuungsaufgaben im autorisierten Bereich.
Basisdaten wiederherstellen:
python demo_data_maintenance.py --mode baseline --confirm RESET-DEMO-DATAZwei feste Demonstrationsaufgaben generieren:
python demo_data_maintenance.py --mode sample --confirm RESET-DEMO-DATADieses Skript bereinigt aktuelle Aufgaben und Prüfprotokolle. Daher darf es nur von Wartungspersonal in der Vorbereitungsphase der Bildschirmaufnahme verwendet werden; es ist kein MCP-Tool und sendet keine DingTalk-Nachrichten.
Aufrufbeispiele
Studierendenprofil abfragen:
{
"tool": "get_student_profile",
"arguments": {
"query": "S004"
}
}Beobachtungsliste abfragen:
{
"tool": "list_attention_students",
"arguments": {}
}Unterstützungsaufzeichnung schreiben:
{
"tool": "create_followup_record",
"arguments": {
"student_id": "S002",
"owner": "辅导员",
"summary": "已完成首次谈心,学生反馈近期课程压力较大,实训日志补交意识不足。",
"next_action": "联系实训指导教师确认补交要求,三天后复访。",
"status": "跟进中"
}
}Klassendashboard generieren:
{
"tool": "get_class_dashboard",
"arguments": {
"class_name": "智能制造2401"
}
}Unterstützungsaufgabe erstellen (standardmäßig ohne Push):
{
"tool": "create_student_support_task",
"arguments": {
"student_query": "S004",
"owner": "辅导员",
"due_date": "2026-07-18",
"push_to_dingtalk": false
}
}Aufgabe abschließen und Unterstützungsaufzeichnung synchronisieren:
{
"tool": "update_student_support_task",
"arguments": {
"task_id": "任务编号",
"status": "已完成",
"progress_note": "已完成线下谈心。",
"next_action": "联系任课教师并于一周后复访。",
"sync_followup": true
}
}Empfehlungen zur Plattformintegration
Die Plattform unterstützt nachweislich zwei Zugangswege:
MCP-Dienst manuell erstellen
Dienstname
Beschreibung
Verbindungsart:
sseSchnittstellenadresse
Header-Konfiguration
Testverbindung klicken
Aus JSON importieren
Format ist
mcpServersBeispiel siehe
mcp_servers.example.json
Der aktuelle SSE-MCP-Dienst wurde auf Render bereitgestellt. Die Plattform erkennt und ruft die Tools über die /sse-Adresse auf. Die lokale Adresse 127.0.0.1 dient nur der Entwicklungsverifizierung und kann nicht als öffentliche Zugangsadresse für die Plattform verwendet werden.
This server cannot be deployed
Maintenance
Related MCP Connectors
AP rubric grading, assignment drafts, question-bank materials, and class insights for teachers.
Sandbox workspace tools: search, file read, DB queries, integrations. Returns synthetic data.
Read-only MCP server for ClassQuill, a tutoring-business-management platform.
Makuri (EU AI tutoring for immigrant children): 11 tools, 2 interactive panels, no user data.
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceEnables AI assistants to manage student profiles, track assessments, calculate topic mastery, identify learning gaps, and recommend focus areas. Integrates with Claude Desktop and Claude Code for interactive learning analytics.1MIT
- FlicenseNot gradedqualityDmaintenanceProvides tools for querying student academic data such as subjects, marks, performance reports, timetable, exams, fees, events, holidays, and assignments via natural language.-
- FlicenseNot gradedqualityCmaintenanceEnables AI assistants to query a simulated school database for student marks, top rankers, class statistics, enrollment records, awards policy, and school rules via MCP tools, resources, and prompts.-
- FlicenseAqualityBmaintenanceEnables AI agents to manage tutoring workflows by listing students, tracking progress, logging session notes, assigning homework, and generating parent-friendly progress reports through natural language.5-