GDMU MCP Server
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@GDMU MCP Server查询2024-2025学年第一学期的成绩"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
🎓 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: Canvas 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 your Moodle to AI assistants: courses, content, grading and reports from the chat.
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
TRON energy exchange for AI agents. 54 tools, 30 prompts, 21 resources. A2A + ACP.
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-
- AlicenseNot gradedqualityDmaintenanceEnables AI assistants to interact with Canvas LMS through 25 comprehensive tools. Supports course management, assignments, grades, messaging, calendar events, and file access through natural language.111 npm14MIT
- 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-

MCPaeroeduofficial
AlicenseAqualityCmaintenanceEnables AI assistants to interact with the AeroEduVision platform, allowing exam generation, course management, knowledge graph queries, and student progress tracking through natural language commands.24MIT