paeg-teaching-materials
paeg-teaching-materials
Deutsch | English
Was ist das?
paeg-teaching-materials ist ein Plugin zur Erstellung von Lehrmaterialien – 6 Materialgeneratoren + einheitlicher Ausführungseinstieg + MCP-Server.
Materialtyp | Fähigkeit | Generierungsweise |
PPT | Präsentationsgliederung (6x6-Prinzip) + optionale python-pptx-Renderung | LLM-Gliederung → Rendern |
Skript | 6-Abschnitt-Struktur (Lernziele/Einführung/Neuer Stoff/Festigung/Zusammenfassung/Hausaufgaben) | LLM generiert Markdown |
Vorlesungsmanuskript | Segmentierte Narration (TTS-fähig) | LLM-Generierung |
Mindmap | Zentrumsthema→3-5 Zweige→2-4 Unterzweige | LLM generiert Einrückungsliste |
Lehrvideo | Storyboard-Skript (8-15s/Einstellung, Audio-Video-Synchronisation, Hook+Recap) | LLM generiert JSON |
Manim-Animation | Mathe-Animationscode + optionale MP4-Renderung | LLM-Code → Manim |
Stammt aus dem PAEG-Bildungsagenten-Materialsystem (v0.87-§3.91-Iteration), umgebaut zu einem hostunabhängigen eigenständigen Plugin.
Related MCP server: Learn Shell
Kernfunktionen
Netzartige Verbindungsarchitektur (Top-Tool-Standard ⭐): 10 Funktionsknoten (Recherche/Gliederung/PPT/Skript/Vorlesungsmanuskript/Mindmap/Video/Manim/Lernmethoden/Lernplan) – jeder einzeln nutzbar und zugleich Vorstufe anderer Funktionen
Erweiterbare Generator-Registry:
MaterialRegistry.register("benutzerdefinierter Typ", generator)erweitert sofortNull-Host-Abhängigkeit: 6 Protocol-Abstraktionen (LLMCallable/RefinerProtocol/HandoutGenerator/ScriptGenerator/MindmapGenerator/ResourceProvider) + Null-Schwachmodus
Einheitlicher Ausführungseinstieg:
execute(name, args)analog zu constraint_engine (JSON-Vertrag, wirft niemals Ausnahmen)MCP-Server direkt installierbar:
pip install+ MCP-Konfigurationsdeklaration genügt (15 Tools)Sprachnorm-Verknüpfung: Materialausgabe durchläuft automatisch L0-Satzfehlerkorrektur (nutzt paeg-lang-style wieder)
Qualitätsprüfung + Bewertung: Deterministische Strukturprüfung + LLM-5-Dimensionen-Bewertung
Netzartige Verbindungsarchitektur (Funktionen sowohl eigenständig als auch Vorstufe ⭐)
Im Inneren des Tools herrscht verflochtene netzartige Verdrahtung und Verbindung – jede Funktion ist ein Knoten erster Klasse:
research(查资料·广播前置)
├──→ outline(大纲)──→ ppt(PPT 制作)
├──→ script(讲稿)──→ video(教学视频)
├──→ handout / manim / method / study_plan / mindmap(可选)Drei Modi von Abhängigkeitskanten:
Kantentyp | Semantik | Beispiel |
broadcast (Rundfunk) | Quellprodukt wird netzweit konsumiert | Recherche → alle Generierungen |
directed (gerichtet) | Starke Voraussetzung | Gliederung→PPT, Manuskript→Video |
optional (optional) | Degradierung bei Fehlen | Material→Mindmap |
Doppelte Exposition: Jede Funktion ist sowohl ein eigenständiges MCP-Tool (execute_tool) als auch automatisch orchestrierbar
(execute_pipeline expandiert Vorstufen gemäß Abhängigkeitsgraph), sowie per |-Verkettung kombinierbar:
from paeg_teaching_materials import MaterialRegistry
from paeg_teaching_materials.tools import ResearchTool, OutlineTool, PptTool
# 1. 独立调用
result = MaterialRegistry.execute_plan("ppt", ctx, {"topic": "导数"})
# 自动执行: research → outline → ppt(查资料是前置环节)
# 2. 链式组合(LangChain Runnable 模式)
pipeline = ResearchTool() | OutlineTool() | PptTool() # 组合结果仍是 Tool
# 3. 依赖图自省(MCP: list_dependencies)
graph = MaterialRegistry.get_resolver().dependency_graph()Zwischenprodukte (typisierte MaterialContext-Blackboard):
resources (Recherche·append-Akkumulation) / outline / lecture_script / ppt_outline /
completed_stages (Stufenmarkierungen·union) – Vorstufenprodukte werden automatisch von nachgelagerten Stufen konsumiert.
Installation
pip install -e /path/to/paeg-teaching-materials
# 可选依赖:
pip install -e "paeg-teaching-materials[pptx]" # PPT 渲染
pip install -e "paeg-teaching-materials[manim]" # Manim 渲染
pip install -e "paeg-teaching-materials[mcp]" # MCP serverErfordert Python 3.9+.
Schnellstart
from paeg_teaching_materials import MaterialRegistry, execute
# 1. 注入你的 LLM(任何项目接入点)
def my_llm(system, user, max_tokens=2000, temperature=0.7):
return call_your_llm(system, user, max_tokens=max_tokens)
MaterialRegistry.inject(llm=my_llm)
# 2. 生成物料(统一执行入口)
result = execute("generate_handout", {"topic": "一元二次方程", "subject": "数学"})
# → {"material_type": "handout", "topic": "...", "ok": true, "output": "## 教学目标..."}
# 3. 质量检查 + 评审
from paeg_teaching_materials import check_material_structure, judge_material
issues = check_material_structure(result["output"], "handout")
score = judge_material(result["output"], "一元二次方程")Anbindung als MCP-Server (wie MCP direkt installierbar und nutzbar)
# 方式 1:console_scripts 入口(pip install 后)
paeg-teaching-materials-mcp
# 方式 2:python -m 入口(源码运行)
python -m paeg_teaching_materials.mcp_serverMCP-Client-Konfigurationsdeklaration (config/mcp_servers.json):
{
"mcpServers": {
"paeg-teaching-materials": {
"command": "python",
"args": ["-m", "paeg_teaching_materials.mcp_server"],
"cwd": "D:/wbo-workspace/paeg_project/paeg-teaching-materials"
}
}
}Exponierte MCP-Tools (15 Stück):
Tool-Name | Funktion |
| PPT-Gliederungsgenerierung |
| Skriptgenerierung |
| Vorlesungsmanuskriptgenerierung |
| Mindmap-Generierung |
| Lehrvideo-Storyboard-Skript |
| Manim-Mathe-Animationscode |
| Deterministische Materialstrukturprüfung |
| Material-5-Dimensionen-Bewertung |
| Materialtyp-Introspektion |
| Material-Prompt-Zusammenbau |
| Sprachnorm-Prüfung |
| Sprachnorm-Wächter |
| Netzartig: Funktionsknoten eigenständig ausführen |
| Netzartig: Vorstufen automatisch orchestrieren |
| Netzartig: Funktionsabhängigkeitsgraph-Introspektion |
Integrationsanleitung für externe Projekte
Szenario A: Nur einheitlichen Ausführungseinstieg verwenden (empfohlen)
from paeg_teaching_materials import execute
result = execute("generate_ppt", {"topic": "微积分", "subject": "数学"})Szenario B: Eigenes LLM injizieren (starke Implementierung)
from paeg_teaching_materials import MaterialRegistry
MaterialRegistry.inject(llm=my_llm, refiner=my_refiner)
result = MaterialRegistry.generate("handout", "力学", "物理")Szenario C: Benutzerdefinierten Materialtyp registrieren (Erweiterbarkeit)
from paeg_teaching_materials import MaterialRegistry
from paeg_teaching_materials.generators.base import Generator
class QuizGenerator(Generator):
material_type = "quiz"
def generate(self, topic, subject="通用", learner_id="anon", **kw):
return {"material_type": "quiz", "topic": topic, "ok": True, "output": "..."}
MaterialRegistry.register("quiz", generator=QuizGenerator())
# 现在 execute("generate_quiz", {...}) 可用Szenario D: MCP-Server (Null-Code-Brücke)
pip install + MCP-Konfigurationsdeklaration (siehe oben) – jeder MCP-Client (Claude/OpenCode/eigenentwickelt) kann direkt aufrufen.
Erweiterbarkeit
Erweiterungspunkt | Methode | Mechanismus |
Materialtyp |
| Dynamische Registry-Erweiterung |
LLM-Backend |
| Protocol-Injektion |
Sprachnorm |
| RefinerProtocol (Standard: Wiederverwendung von paeg-lang-style L0) |
Ressourcenabruf |
| ResourceProvider |
Qualitätsbewertung | Nach LLM-Injektion automatisch 5 Dimensionen aktiviert | judge_material |
Render-Backend | pptx/manim optionale Abhängigkeiten | extras_require |
Wartbarkeit
Null-Host-Abhängigkeit: Kernpaket hängt nur von stdlib ab; Hostfunktionen vollständig per Protocol injiziert
Einheitlicher Vertrag: execute gibt JSON-String zurück (MCP-Vertrag), wirft bei Fehlern keine Ausnahmen
Schwachmodus: Ohne Host lauffähig (Null-Generator als Platzhalter), erleichtert Tests und Demos
Sprachnorm-Verknüpfung: Materialausgabe durchläuft automatisch L0-Satzfehlerkorrektur
41 Tests: Vollständige Abdeckung von öffentlicher API/Schwachmodus/Injektion/execute/Qualität/MCP
Architektur
宿主系统(任何 Python 项目 / 智能体)
MaterialRegistry.inject(llm=..., refiner=..., resources=...) <- 宿主注入
execute("generate_handout", {...}) <- 统一入口
|
| 零宿主依赖(Protocol 抽象)
v
paeg_teaching_materials(独立插件)
+-------------------+ +-------------------+ +----------------+
| registry.py | | generators/ | | quality/ |
| MaterialRegistry | | ppt/handout/... | | checks/judge |
+---------+---------+ +---------+---------+ +----------------+
| |
v v
+-----------------------------------------------------------+
| executor.py(execute 统一入口,JSON 契约) |
| mcp_server.py(FastMCP 15 工具,stdio 直接安装) |
+-----------------------------------------------------------+Integration mit dem PAEG-Hauptprojekt
PAEG bindet über services/material_bridge.py an (Host-Injektion + zerstörungsfreies Fallback):
from services.material_bridge import install_material_plugin
install_material_plugin() # server.py 启动时调用一次
# 注入 PAEG LLM(subagents._safe_chat)+ Refiner(paeg.refiner)+ 资源(library)
# 插件未安装 → 静默回退 PAEG 原物料实现(旧文件永不删除)Tests
python -m pytest tests/ -q
# 22 项:公共 API / 弱模式 / 注入 / execute / 质量 / MCP serverBeitragsrichtlinien
Beiträge sind willkommen!
Neuen Materialtyp hinzufügen:
Generator-Basisklasse erben +MaterialRegistry.register()Neue Qualitätsprüfung: Funktion in
quality/checks.pyhinzufügenCodestil: Vorhandener Modulstruktur + Kommentarkonventionen folgen
Danksagungen
PAEG-Bildungsagent – dieses Plugin wurde aus dessen Materialerstellungssystem extrahiert (§3.87-§3.100)
paeg-lang-style – Sprachnorm-Plugin (L0-Verknüpfung)
Presenton / ppt-agent-skills – LLM+Render-Pipeline-Paradigma
ManimTrainer – Manim-Render-Schleifen-Paradigma
Lizenz
MIT © 2026 PAEG Team
This server cannot be deployed
Maintenance
Related MCP Connectors
- geoOAuthco.thinair
Geocoding, routing, isochrones, traffic, weather, and place search for AI agents. 19 MCP tools.
Free public MCP for AI agents — 193 tools, 44 workflows. No API key.
100+ MCP tools for AI agents: content metadata, trade intelligence, business-expertise analysis.
Hosted MCP with 91 agent tools: X, domains, SEO, Maps, Trends, Search, YouTube, TikTok, and more.
Related MCP Servers
- AlicenseAqualityDmaintenanceEnables AI agents to generate real Office documents (.pptx, .docx, .xlsx) and source code from natural language via MCP protocol.4MIT
- AlicenseAqualityBmaintenanceAn agent-native teaching OS that gives AI assistants a persistent classroom with courses, lessons, flashcards, and graded exercises via MCP tools.503AGPL 3.0
- AlicenseNot gradedqualityBmaintenanceEnables AI agents to create and manage personalized 30-day study courses, including web research with source validation, daily lessons, quizzes, and progress tracking through 12 MCP tools.1MIT
- AlicenseAqualityAmaintenanceEnables AI agents to generate, execute, and compile interactive Manim slide presentations through MCP tools.82MIT