paeg-teaching-materials
paeg-teaching-materials
Chino | English
¿Qué es esto?
paeg-teaching-materials es un plugin de creación de materiales didácticos — 6 generadores de materiales + punto de entrada unificado + servidor MCP.
Tipo de material | Capacidad | Método de generación |
PPT | Esquema de presentación (principio 6x6) + renderizado opcional con python-pptx | LLM esquema → renderizado |
Apuntes | Estructura de 6 secciones (objetivos didácticos / introducción / contenido nuevo / consolidación / cierre / tareas) | LLM genera markdown |
Guion | Narración por segmentos (compatible con TTS) | Generado por LLM |
Mapa mental | Tema central → 3-5 ramas → 2-4 subramas | LLM genera lista indentada |
Vídeo educativo | Guion de storyboard (8-15 s/plano, sincronización de audio y vídeo, gancho + recapitulación) | LLM genera JSON |
Animación Manim | Código de animación matemática + renderizado mp4 opcional | Código LLM → Manim |
Proveniente del sistema de materiales del agente educativo PAEG (iteración v0.87-§3.91), transformado en un plugin independiente con cero dependencias del host.
Related MCP server: Learn Shell
Características principales
Arquitectura de interconexión en red (estándar de herramientas de primer nivel ⭐): 10 nodos funcionales (buscar información / esquema / PPT / apuntes / guion / mapa mental / vídeo / Manim / métodos de estudio / plan de estudio) — cada uno puede usarse de forma independiente y también es un paso previo para otras funciones
Registro de generadores extensible:
MaterialRegistry.register("自定义类型", generator)para ampliarCero dependencias del host: 6 abstracciones Protocol (LLMCallable/RefinerProtocol/HandoutGenerator/ScriptGenerator/MindmapGenerator/ResourceProvider) + modo débil Null
Punto de entrada unificado:
execute(name, args)equivalente a constraint_engine (contrato JSON, nunca lanza excepciones)Instalación directa como servidor MCP:
pip install+ declaración de configuración MCP para la integración (15 herramientas)Vinculación con normas lingüísticas: los materiales producidos pasan automáticamente por la corrección de errores de redacción L0 (reutiliza paeg-lang-style)
Control de calidad + evaluación: verificación determinista de estructura + puntuación del LLM en 5 dimensiones
Arquitectura de interconexión en red (cada función es independiente y también un paso previo ⭐)
Internamente, la herramienta es un entramado de conexiones y enlaces en red — cada función es un nodo de primera clase:
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)Tres modos de aristas de dependencia:
Tipo de arista | Semántica | Ejemplo |
broadcast (difusión) | El producto de origen se consume en toda la red | Buscar información → toda generación |
directed (dirigida) | Requisito previo fuerte | Esquema → PPT, guion → vídeo |
optional (opcional) | Degrada si falta | Recursos → mapa mental |
Doble exposición: cada función es a la vez una herramienta MCP independiente (execute_tool), puede orquestarse automáticamente
(execute_pipeline expande los pasos previos según el grafo de dependencias), y también se puede combinar en cadena con |:
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()Artefactos intermedios (Blackboard tipado MaterialContext):
resources (búsqueda de información · acumulación por append) / outline / lecture_script / ppt_outline /
completed_stages (marcadores de etapa · union) — los productos de los pasos previos son consumidos automáticamente por las etapas posteriores.
Instalación
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 serverRequiere Python 3.9+.
Inicio rápido
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")Integración como servidor MCP (se puede instalar directamente como un MCP y usar)
# 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_serverDeclaración de configuración del cliente MCP (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"
}
}
}Herramientas MCP expuestas (15):
Herramienta | Función |
| Generación de esquema PPT |
| Generación de apuntes |
| Generación de guion |
| Generación de mapa mental |
| Guion de storyboard para vídeo educativo |
| Código de animación matemática Manim |
| Comprobación determinista de estructura de materiales |
| Evaluación del material en 5 dimensiones |
| Introspección de tipos de material |
| Ensamblaje del prompt de material |
| Verificación de normas lingüísticas |
| Control de normas lingüísticas |
| Red: ejecución independiente de un nodo funcional |
| Red: orquestación automática de pasos previos |
| Red: introspección del grafo de dependencias funcionales |
Guía de integración para proyectos externos
Escenario A: Usar solo el punto de entrada unificado (recomendado)
from paeg_teaching_materials import execute
result = execute("generate_ppt", {"topic": "微积分", "subject": "数学"})Escenario B: Inyectar tu propio LLM (implementación sólida)
from paeg_teaching_materials import MaterialRegistry
MaterialRegistry.inject(llm=my_llm, refiner=my_refiner)
result = MaterialRegistry.generate("handout", "力学", "物理")Escenario C: Registrar tipos de material personalizados (extensibilidad)
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Escenario D: Servidor MCP (puente sin código)
pip install + declaración de configuración MCP (ver arriba) — cualquier cliente MCP (Claude/OpenCode/desarrollo propio) puede invocarlo directamente.
Extensibilidad
Punto de extensión | Forma | Mecanismo |
Tipo de material |
| Ampliación dinámica del registro |
Backend LLM |
| Inyección mediante Protocol |
Normas lingüísticas |
| RefinerProtocol (por defecto reutiliza paeg-lang-style L0) |
Búsqueda de recursos |
| ResourceProvider |
Evaluación de calidad | Las 5 dimensiones se habilitan automáticamente tras inyectar el LLM | judge_material |
Backend de renderizado | Dependencias opcionales pptx/manim | extras_require |
Mantenibilidad
Cero dependencias del host: el paquete principal solo depende de la stdlib; todas las funciones del host se inyectan mediante Protocol
Contrato unificado: execute devuelve una cadena JSON (contrato MCP) y no lanza excepciones en caso de fallo
Modo débil: funciona sin host (generadores Null como marcadores), adecuado para pruebas y demostraciones
Vinculación con normas lingüísticas: los materiales producidos pasan automáticamente por la corrección de errores de redacción L0
41 pruebas: cobertura completa de API pública / modo débil / inyección / execute / calidad / MCP
Arquitectura
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) |
+-----------------------------------------------------------+Integración con el proyecto principal de PAEG
PAEG se integra a través de services/material_bridge.py (inyección del host + degradación sin rupturas):
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)Pruebas
python -m pytest tests/ -q
# 22 项:公共 API / 弱模式 / 注入 / execute / 质量 / MCP serverGuía de contribución
¡Las contribuciones son bienvenidas!
Nuevo tipo de material: heredar de la clase base
Generator+MaterialRegistry.register()Nueva verificación de calidad: añadir una función en
quality/checks.pyEstilo de código: seguir la estructura de módulos existente + las normas de comentarios
Agradecimientos
Agente educativo PAEG — este plugin se extrae de su sistema de creación de materiales (§3.87-§3.100)
paeg-lang-style — plugin de normas lingüísticas (integración L0)
Presenton / ppt-agent-skills — paradigma de pipeline LLM + renderizado
ManimTrainer — paradigma de bucle cerrado de renderizado Manim
Licencia
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