EduAgentic · Agentic AI in Education Technology

Mini-projets Jours 33 & 34 — MCP et A2A — correction finale

Un serveur MCP qui expose six outils EdTech, un système multi-agents A2A qui découvre et délègue, et un dashboard Streamlit sur localhost:8011 pour tout observer.

1. Démo en 3 commandes

# 1. Dépendances
python -m pip install -r requirements.txt

# 2. MCP + 3 agents A2A + orchestrateur + dashboard
python a2a/run_all.py --with-dashboard

# 3. Ouvrir
#    Dashboard : http://localhost:8011
#    MCP SSE   : http://127.0.0.1:8000/sse
#    A2A       : http://127.0.0.1:8001

Sans serveur, le dashboard bascule automatiquement sur le moteur local et l'indique dans la trace.

Lancement séparé

# Terminal 1 — serveur MCP
python mcp_server/edumcp_server.py

# Terminal 2 — agents A2A + orchestrateur
python a2a/run_all.py

# Terminal 3 — dashboard
streamlit run dashboard/app.py --server.port 8011

Sous Windows, start_demo.ps1 fait la même chose.

Related MCP server: Educational MCP Server

2. Architecture

Jour 33 · MCP

• Serveur : FastMCP, transport SSE, 127.0.0.1:8000.

• 6 outils : search_courses, get_learner_profile, recommend_learning_path, generate_quiz, grade_quiz, get_learning_statistics.

• Workflow Langflow : Chat Input → Agent → MCP Tools → Chat Output.

• JSON final : json/Agentic_AI_EdTech_J33_MCP_Final.json.

Jour 34 · A2A

• Orchestrateur : 127.0.0.1:8001 — découvre, sélectionne, délègue, agrège.

• Agent Tuteur : 8101 — cours, ressources, parcours.

• Agent Évaluation : 8102 — quiz, correction, feedback.

• Agent Orientation : 8103 — écart de compétences, trajectoire métier.

• AgentCards : /.well-known/agent.json.

• Protocole : JSON-RPC 2.0 (message/send, tasks/get) + correlation_id.

• JSON final : json/Agentic_AI_EdTech_J34_A2A_Final.json.

• Workflow Discovery seul : json/Agentic_AI_EdTech_J34_A2A_Discovery.json — récupère l'AgentCard sans déléguer.

Dashboard

3. Données

Le projet fonctionne avec deux backends interchangeables :

1. JSON/CSV locaux (par défaut sans .env) : data/*.json, data/*.csv.

2. MongoDB Atlas (optionnel) : collections edtech_courses, edtech_learners, edtech_quiz_bank, edtech_quiz_attempts, edtech_a2a_delegations.

Pour activer Atlas :

Copy-Item .env.example .env
# éditer .env et renseigner MONGODB_URI

⚠️ Sécurité : .env est ignoré par Git. Ne jamais committer l'URI, ne jamais la mettre dans un document ou une capture. Le dépôt ne contient que .env.example. En cas de fuite, révoquer l'utilisateur Atlas et régénérer le mot de passe.

Les collections existantes de la base ne sont jamais modifiées : le projet utilise uniquement le préfixe edtech_.

Volume synthétique : 14 cours, 24 apprenants, 30 questions, 168 tentatives, 84 traces A2A.

4. Livrables

Checklist détaillée : LIVRABLES.md. Publication GitHub : GITHUB.md.

5. Tests rapides

# Santé MCP + backend
curl http://127.0.0.1:8000/api/health

# Découverte A2A
curl http://127.0.0.1:8001/discover

# Orchestration A2A
curl -X POST http://127.0.0.1:8001/orchestrate `
  -H "Content-Type: application/json" `
  -d '{"learner_id":"L001","objective":"Devenir Data Analyst","question":"Parcours, ressources et quiz"}'

Résultats mesurés le 11/11/2026 : 6/6 outils, 3/3 agents, 0 exception dashboard, latence locale de l'ordre de quelques dizaines de millisecondes.

6. Arborescence

Agentic_AI_EdTech_J33_J34/
├── assets/               # logo, schémas, visuels
├── a2a/                  # agents, orchestrateur, protocole, AgentCards
├── dashboard/            # application Streamlit (port 8011)
├── data/                 # données synthétiques + benchmarks
├── docs/                 # documentation DOCX/PDF
├── json/                 # workflows Langflow + registre A2A
├── mcp_server/           # serveur FastMCP (port 8000)
├── presentation/         # présentations PPTX/PDF
├── scripts/              # génération données/docs/decks/vidéos/JSON
├── shared/               # moteur métier + backend MongoDB
├── videos/               # vidéos MP4
├── .env.example
├── requirements.txt
└── README.md

7. Stack

• MCP : SDK Python officiel mcp, FastMCP, SSE.

• A2A : FastAPI, JSON-RPC 2.0, AgentCards, correlation_id.

• Dashboard : Streamlit, Plotly, Pandas.

• Données : JSON/CSV + MongoDB Atlas optionnel (pymongo).

• Livrables : python-docx, python-pptx, Word/PowerPoint COM, ffmpeg, Edge TTS.

8. Licence et données

Code sous licence MIT. Les données sont entièrement synthétiques et ne représentent aucune personne réelle. Voir LICENSE.