GDMU MCP Server
This server does not currently have a deployable release on Glama. Follow the repository's setup instructions to install and configure it for your MCP client, including any required credentials and local dependencies.
🎓 ADE — Academic Decision Engine
确定性 · 可解释 · 可重放的学业决策引擎 从「我觉得能毕业」到「证据链证明你能毕业」
本仓库由两层组件组成:
组件 | 说明 |
学业知识库与决策内核:10 个专业培养方案数据集(2025)、学生数据源(导入 / GDMU 实时 / 演示)、毕业判定、补修规划、学业时间线、快照历史、WebUI | |
ADE 确定性学业决策引擎:培养方案编译器、规则引擎、审计快照、Matcher、Copilot、Planner、Simulation |
同时保留 正方 V-9.0 教务系统 MCP 桥(gdmu_mcp/ + server.py),让 AI 客户端直接查询课表、成绩、考试与选课。
✨ 亮点
能力 | 说明 | |
🎯 | 确定性 | 同输入必同输出;Replay Hash 与审计快照字节级可复现(ADR-0026) |
🔍 | 可解释 | 五层证据链: |
🔁 | 可重放 |
|
🧩 | Academic Matcher | 课程本体(别名/等价/替代/依赖)驱动的课程解析,Rule Accuracy 95% |
🗺️ | 多专业 | 知识库:10 个专业培养方案数据集(2 official + 8 imported,来源如实标注);ADE 基准:5 专业 / 50 CANONICAL / 500 合成成绩单 |
🤖 | Copilot | 自然语言 → 结构化意图 → 带证据的回答(计算路径无 LLM) |
🧭 | Planner + What-if | 补修计划生成与「删一门课会怎样」模拟 |
🚀 | Release 工程 |
|
Related MCP server: Educational MCP Server
🏗 架构总览
flowchart TD
A[CLI / REST / MCP / SDK / Playground] --> B[AcademicCopilotFacade]
B --> C[Copilot: 意图识别]
B --> D[Planner + What-if]
C --> E[DecisionContext + RuleEngine]
D --> E
E --> F[AuditSnapshot + 五层证据链]
F --> G[Repository 层]
G --> H[Knowledge / Rule / Ontology]
H --> I[Compiler: PDF → AST → IR → plan JSON]完整架构见 Architecture Handbook 与 6 张架构图。
📦 10 个专业知识数据集(2025)
academic_copilot/data/knowledge/ 收录 10 个专业的培养方案数据集,每个专业包含
major.json(专业元数据)/ courses.json(课程)/ graduation.json(毕业要求):
专业代码 | 专业 | 学院 | 学制 | 总学分 | source_type |
050201 | 英语 | 外国语学院 | 4 年 | 124.0 |
|
101101 | 护理学 | 护理学院 | 4 年 | 185.0 |
|
100201 | 临床医学 | 第一临床医学院 | 5 年 | 230.0 |
|
100701 | 药学 | 药学院 | 4 年 | 170.0 |
|
080910T | 数据科学与大数据技术 | 信息工程学院 | 4 年 | 165.0 |
|
082601 | 生物医学工程 | 生物医学工程学院 | 4 年 | 168.0 |
|
101001 | 医学检验技术 | 医学技术学院 | 4 年 | 172.0 |
|
101003 | 医学影像技术 | 医学技术学院 | 4 年 | 170.0 |
|
101011T | 智能医学工程 | 生物医学工程学院 | 4 年 | 170.0 |
|
120102 | 信息管理与信息系统 | 信息工程学院 | 4 年 | 160.0 |
|
来源标注约定(major.schema.json):
official= 真实来源整理 —— 来自仓库内培养方案文件(英语english_2023.json/ 护理学护理学_2023_v1.json),source_note注明来源文件与源方案年级;imported= 公开资料整理导入 —— 未与官方培养方案文档逐门核验,不构成任何官方依据。
数据仅用于学业分析与研究;正式毕业判定以学校教务处出具的文件为准。
🚀 5 分钟快速开始
cd academic-copilot-framework/packages/ade
# 1. 构建知识库(5 个专业)
python -m compiler.cli knowledge build --verify
# 2. 健康检查(版本 / Hash / 知识库 / 规则 / Ontology / Benchmark / Replay)
python -m compiler.cli doctor然后跑真实示例:
cd academic-copilot-framework/examples
python 01_basic_status.py # Student → Audit → Response
python 02_risk.py # 毕业风险评估
python 03_plan.py # 补修计划
python 04_what_if.py # 补修课程 → 重新判定浏览器打开:
Playground — 交互式成绩单 / 判定 / 证据
Benchmark Dashboard — 指标可视化
Demo 学生 Alice / Bob / Charlie 已在
demo/students/,无需导数据。
根模块:10 专业知识库 + WebUI
# 1. WebUI(Dashboard API + 静态资源,零新增 Python 依赖,默认 127.0.0.1:8787)
python -m academic_copilot.webui.server
# 2. 统一 MCP 入口(19 个教务数据工具 + 3 个 academic.* 决策工具)
python kernel_server.py
# 3. 前端(独立开发模式)
cd frontend && npm install && npm run dev教务实时采集(
server.py)需要gdmu-agent运行时与本人账号会话,见下方数据来源声明。
📊 Benchmark
指标 | 数值 |
Rule Accuracy(护理学,10 CANONICAL) | 95% |
Overall Accuracy | 80% |
Matcher Accuracy | 100% |
Alias / Equivalent Match Rate | 100% |
Unmatched Courses | 0 |
专业 / CANONICAL / 合成成绩单 | 5 / 50 / 500 |
性能(10,000 学生) | 判定 4.6s · 审计 5.9s · 峰值内存 2.6MB |
详细数据:multi_major_benchmark.md · performance.md · Release Notes
📚 文档
文档 | 位置 |
架构手册(10 篇) | |
API 参考(OpenAPI + 6 模块) | |
ADR 索引(31 条架构决策) | |
快速开始 / FAQ / 贡献指南 | |
学术论文(Markdown + PDF) | |
安全策略 / 行为准则 / 引用格式 | SECURITY · CODE_OF_CONDUCT · CITATION.cff |
🗂 仓库结构
.
├── academic_copilot/ # 学业知识库与决策内核
│ ├── data/knowledge/ # 10 专业培养方案数据集(2025)
│ ├── knowledge_*/ # 知识库:数据集 / 注册 / 审计 / 发布 / 门控
│ ├── student_source/ # 学生数据源:导入 / GDMU 实时 / 演示
│ ├── student_profile/ # 学生画像(脱敏)
│ ├── curriculum/ # 课程解析与学分核算
│ ├── planning/ timeline/ # 补修规划 / 学业时间线
│ ├── snapshot_history/ # 快照历史与差异
│ └── webui/ # WebUI 服务端(127.0.0.1:8787)
├── frontend/ # WebUI 前端(原生 JS + Vite + Vitest)
├── gdmu_mcp/ server.py # 正方教务 MCP 桥
├── kernel_server.py # 统一 MCP 入口(数据工具 + academic.* 工具)
├── scripts/ # 数据集生成 / 审计 / 导出脚本
├── academic-copilot-framework/ # ADE 学业决策引擎
│ ├── packages/ade/ # 核心:compiler/knowledge/rule/decision/
│ │ # audit/matcher/copilot/planner/simulation
│ ├── validation/ # 验证工作区:golden cases + benchmark
│ ├── docs/ # 架构 / API / ADR / 图
│ ├── examples/ # 8 个可运行示例
│ ├── demo/ # 开箱即用的演示学生
│ ├── playground/ # 交互式 Playground
│ ├── benchmark/ # Benchmark 可视化
│ ├── plugins/ # 插件 SDK(Notification/Rule/Planner/Matcher)
│ ├── installer/ # Windows 安装器脚手架
│ └── paper/ # 学术论文
└── docs/ # 架构 / 数据源 / 知识治理文档🧪 测试
python -m pytest tests -q # 根模块测试
cd academic_copilot && python -m pytest tests -q # 内核 / 知识库测试
cd frontend && npm test # 前端测试(Vitest)
cd academic-copilot-framework/packages/ade && python -m pytest tests -q # 426 tests
cd academic-copilot-framework/validation && python -m pytest tests -q # 241 testsCI 流水线(ade-release.yml):push → Compile → Build → Validation → Ruff → Benchmark → Doctor → Docker → Release
🔌 MCP 桥(正方 V-9.0 教务系统)
面向 Codex / Claude Desktop / Cursor 等 AI 客户端的 MCP 桥,覆盖课表、成绩、考试、选课、毕业规划全场景(19 个工具,专为 CAS 单点登录 + MFA 设计)。配置与工具清单见仓库根 config.example.env 与 docs。
🤝 贡献
欢迎贡献!请先阅读 CONTRIBUTING 与 ADR 索引,保持核心管线确定性与 Repository 边界。
📜 数据来源声明
培养方案数据:
academic_copilot/data/knowledge/10 个专业中,official(英语 / 护理学)来自仓库内真实培养方案文件(官方 PDF 编译 IR,source_note注明来源文件);imported(其余 8 个)来自公开资料整理导入,未与官方培养方案文档逐门核验,不构成任何官方依据。演示学生数据:全部为合成数据或已掩码(学号
2321****、姓名测试学生),不含真实身份证号 / 手机号 / 未掩码学号。会话数据:教务登录会话(
jw_session.json)仅存本机,已被.gitignore排除,永不入库、不写入审计快照。ADE 训练数据:
academic-copilot-framework/packages/ade/data/source/收录官方公开培养方案 PDF 用于编译验证,仅供学习研究。
详细口径见 DISCLAIMER.md、STUDENT_DATA_SOURCE.md、GDMU_STUDENT_DATA_SOURCE.md。
⚖️ 免责声明
本工具面向个人学业数据分析与研究场景设计。
仅限本人账号使用:禁止用于分析他人数据、批量采集或任何未经授权的访问。
仅限学习与研究用途:使用者须遵守所在高校的学生管理规定与相关法律法规。
不构成毕业建议:分析结果仅供辅助参考,正式毕业判定以学校教务处出具的文件为准。
功能边界:本仓库不含自动化选课/抢课功能,也不鼓励将其扩展用于干扰教务系统正常运行。
作者不承担他人滥用责任:使用者对自身行为负全部责任。
完整条款见 DISCLAIMER.md。使用本工具即表示你已阅读、理解并同意上述条款。
📄 许可
引用本项目请使用 CITATION.cff。
This server cannot be deployed
Maintenance
Related MCP Connectors
Connect AI assistants to Edusign attendance, courses, learners, documents, and API docs via OAuth.
Academic papers, reference verification and research data for AI agents.
Verifier-grounded AI promotion gates, disposable report cards, and signed PASS/HOLD/BLOCK receipts.
AI-powered LMS course builder: 89 tools, 17 skills, SCORM/xAPI export, agentic UI
Related MCP Servers
- -licenseCqualityNot gradedmaintenanceEnables AI assistants to interact with Hangzhou Dianzi University's academic system through automatic login and course schedule retrieval. Supports secure authentication and structured academic data access for HDU students.2-
- FlicenseNot gradedqualityDmaintenanceEnables AI assistants to access educational domain tools including grading, cognitive diagnosis, knowledge tracing, learning path recommendations, and sentiment analysis through FastAPI-powered small models.2-
- AlicenseNot gradedqualityBmaintenanceEnables AI applications supporting MCP to log into a university academic affairs system and query schedules, absences, grades, and leave records through natural-language conversation. It also lets users submit or withdraw leave requests and plan and save monthly work-study attendance, with built-in confirmation cues for destructive actions.1MIT
- AlicenseAqualityAmaintenanceEnables AI assistants to read a student's own university academic data — class timetables, exam schedules, grades, available terms, and empty classrooms — from Qiangzhi (jsxsd) or Zhengfang V9 systems via a session imported from the browser. All access is strictly read-only, never performing course selection, withdrawal, or evaluations.61MIT