paeg-teaching-materials
paeg-teaching-materials
Китайский | English
Что это
paeg-teaching-materials — это плагин для создания учебных материалов: 6 генераторов материалов + единая точка входа + MCP server.
Тип материала | Возможности | Способ генерации |
PPT | План презентации (принцип 6x6) + опциональный рендер через python-pptx | План LLM → рендер |
Конспект | Структура из 6 разделов (цели обучения / введение / новый материал / закрепление / итоги / домашнее задание) | LLM генерирует markdown |
Сценарий лекции | Пофрагментный narration (возможен TTS) | LLM генерирует |
Интеллект-карта | Центральная тема → 3-5 ветвей → 2-4 подветви | LLM генерирует список с отступами |
Учебное видео | Раскадровка (8-15 с/кадр, синхронизация аудио и видео, крючок + recap) | LLM генерирует JSON |
Manim-анимация | Код математической анимации + опциональный рендер mp4 | Код LLM → Manim |
Происходит из системы учебных материалов образовательного агента PAEG (итерация v0.87-§3.91), переработан в автономный плагин с нулевой зависимостью от хоста.
Related MCP server: interactive-edtech-mcp
Ключевые особенности
Сетевая взаимосвязанная архитектура (стандарт ведущих инструментов ⭐): 10 функциональных узлов (поиск материалов / план / PPT / конспект / сценарий / интеллект-карта / видео / Manim / методы обучения / учебный план) — каждый можно использовать и независимо, и как предварительный этап для других функций
Расширяемый реестр генераторов: расширение через
MaterialRegistry.register("自定义类型", generator)Нулевая зависимость от хоста: 6 абстракций Protocol (LLMCallable/RefinerProtocol/HandoutGenerator/ScriptGenerator/MindmapGenerator/ResourceProvider) + слабый режим Null
Единая точка входа:
execute(name, args)по аналогии с constraint_engine (JSON-контракт, никогда не выбрасывает исключений)Прямая установка как MCP server:
pip install+ объявление конфигурации MCP — и готово подключение (15 инструментов)Интеграция языковых норм: создаваемые материалы автоматически проходят исправление речевых ошибок L0 (переиспользуется paeg-lang-style)
Проверка качества + оценка: детерминированная структурная проверка + оценка LLM по 5 измерениям
Сетевая взаимосвязанная архитектура (функции и независимы, и являются предварительными этапами ⭐)
Внутри инструмента — переплетённые сетевые соединения и взаимосвязи: каждая функция является узлом первого класса:
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)Три режима рёбер зависимостей:
Тип ребра | Семантика | Пример |
broadcast (широковещательный) | Исходный результат потребляется всей сетью | Поиск материалов → все генерации |
directed (направленный) | Строгая предпосылка | План→PPT, сценарий→видео |
optional (опциональный) | При отсутствии — деградация | Материалы→интеллект-карта |
Двойное предоставление: каждая функция является и независимым MCP-инструментом (execute_tool), и может автоматически оркестрироваться
(execute_pipeline разворачивает предварительные этапы по графу зависимостей), а также компоноваться в цепочки через |:
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()Промежуточные артефакты (типизированная Blackboard MaterialContext):
resources (накопление через append при поиске материалов) / outline / lecture_script / ppt_outline /
completed_stages (отметки этапов, union) — результаты предварительных этапов автоматически потребляются последующими.
Установка
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 serverТребуется Python 3.9+.
Быстрый старт
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")Подключение в качестве MCP server (устанавливается напрямую, как MCP)
# 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_serverОбъявление конфигурации MCP-клиента (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"
}
}
}Предоставляемые MCP-инструменты (15):
Инструмент | Функция |
| Генерация плана презентации |
| Генерация конспекта |
| Генерация сценария лекции |
| Генерация интеллект-карты |
| Раскадровка учебного видео |
| Код математической анимации Manim |
| Детерминированная структурная проверка материала |
| Оценка материала по 5 измерениям |
| Интроспекция типов материалов |
| Сборка промпта для материала |
| Проверка языковых норм |
| Контроль языковых норм |
| Сеть: независимое выполнение функционального узла |
| Сеть: автоматическая оркестрация предварительных этапов |
| Сеть: интроспекция графа зависимостей функций |
Руководство по подключению внешних проектов
Сценарий A: только единая точка входа (рекомендуется)
from paeg_teaching_materials import execute
result = execute("generate_ppt", {"topic": "微积分", "subject": "数学"})Сценарий B: инъекция собственной LLM (сильная реализация)
from paeg_teaching_materials import MaterialRegistry
MaterialRegistry.inject(llm=my_llm, refiner=my_refiner)
result = MaterialRegistry.generate("handout", "力学", "物理")Сценарий C: регистрация пользовательского типа материала (расширяемость)
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Сценарий D: MCP server (мост без кода)
pip install + объявление конфигурации MCP (см. выше) — любой MCP-клиент (Claude/OpenCode/собственный) вызывает напрямую.
Расширяемость
Точка расширения | Способ | Механизм |
Тип материала |
| Динамическое расширение реестра |
LLM-бэкенд |
| Инъекция через Protocol |
Языковые нормы |
| RefinerProtocol (по умолчанию переиспользуется paeg-lang-style L0) |
Поиск ресурсов |
| ResourceProvider |
Оценка качества | После инъекции LLM автоматически включается 5-мерная оценка | judge_material |
Рендер-бэкенд | pptx/manim — опциональные зависимости | extras_require |
Сопровождаемость
Нулевая зависимость от хоста: ядро зависит только от stdlib; все функции хоста — через Protocol-инъекцию
Единый контракт: execute возвращает JSON-строку (контракт MCP), при сбое не выбрасывает исключения
Слабый режим: работает без хоста (заглушки Null-генераторов), удобно для тестирования и демонстрации
Интеграция языковых норм: материалы автоматически проходят исправление речевых ошибок L0
41 тест: полное покрытие общедоступного API / слабого режима / инъекций / execute / качества / MCP
Архитектура
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) |
+-----------------------------------------------------------+Интеграция с основным проектом PAEG
PAEG подключается через services/material_bridge.py (инъекция хоста + откат без разрушений):
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)Тесты
python -m pytest tests/ -q
# 22 项:公共 API / 弱模式 / 注入 / execute / 质量 / MCP serverРуководство по внесению вклада
Ваш вклад приветствуется!
Новый тип материала: наследуйте базовый класс
Generator+MaterialRegistry.register()Новая проверка качества: добавьте функцию в
quality/checks.pyСтиль кода: следуйте существующей структуре модулей и правилам оформления комментариев
Благодарности
Образовательный агент PAEG — этот плагин извлечён из его системы создания материалов (§3.87-§3.100)
paeg-lang-style — плагин языковых норм (интеграция L0)
Presenton / ppt-agent-skills — парадигма конвейера LLM + рендер
ManimTrainer — парадигма замкнутого цикла рендера Manim
Лицензия
MIT © 2026 PAEG Team
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseAqualityCmaintenanceEnables AI agents to generate real Office documents (.pptx, .docx, .xlsx) and source code from natural language via MCP protocol.4MIT
- AlicenseNot gradedqualityBmaintenanceMCP server suite that lets coding agents generate deep instructional content from external sources and operate classroom-interactive EdTech platforms including Padlet, Google Classroom, Kahoot!, Wayground, Wordwall, and Nearpod.MIT
- 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
Related MCP Connectors
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.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/Golden2002/paeg-teaching-materials'
If you have feedback or need assistance with the MCP directory API, please join our Discord server