MCP-Projekt — Deadline-/Stundenplan-Tracker

Großprojekt im Fach MCP (FIT-HCMUS, Dozent Kha Do) — basierend auf den Folien MCP — Plug Your Agent Into Everything.

Struktur

mcp-homework/
├── server/
│   ├── core.js     ← logic MCP thật: 3 tools + 1 resource + 1 prompt
│   ├── server.js   ← chạy core qua stdio
│   └── http.js      ← chạy core qua Streamable HTTP + API key guard + /health
├── agent/
│   ├── host.js     ← agent = MCP HOST (load config, merge tools, dispatch, use_skill)
│   └── config.json ← khai báo model + các MCP server cần nối + nơi chứa skills
├── skills/
│   └── deadline-review/SKILL.md ← 1 skill orchestrate tool của server
└── README.md

Related MCP server: ScienceTokyoLMS-mcp

Server-Thema: Deadline-/Stundenplan-Tracker

• Tools

  • add_deadline({ title, subject, due }) — Deadline hinzufügen

  • list_deadlines({ subject, onlyPending? }) — auflisten, mit Filter

  • complete_deadline({ id }) — als abgeschlossen markieren, gibt isError: true zurück, wenn die id falsch ist

• Resource: deadline://list — gesamte Liste, schreibgeschützt

• Prompt: plan_my_week — fordert das Modell auf, aus vorhandenen Deadlines einen Wochenplan zu erstellen

Einzelne Teile ausführen

1. STDIO-Server (mit Inspector testen)

npm install
npx @modelcontextprotocol/inspector node server/server.js

2. HTTP-Server (lokal, dann öffentlich deployen)

MCP_KEY=$(openssl rand -hex 32) node server/http.js
# test:
npx @modelcontextprotocol/inspector   # chọn Streamable HTTP, URL http://localhost:3000/mcp,
                                       # header Authorization: Bearer <MCP_KEY>

Deploy (Render/Fly/Railway...): Umgebungsvariable MCP_KEY setzen, Port PORT freigeben, /health für den Health Check der Plattform verwenden.

3. Agent-Host (verwendet beide Server + Skill)

cd agent && npm install
# cần Ollama chạy sẵn model qwen3.5:4b (hoặc đổi model/baseURL trong config.json)
node host.js "deadline tuần này của tôi thế nào?"

host.js wird: STDIO-Server + HTTP-Server verbinden → Tool-Liste zusammenführen → Skill-Index aus skills/ erstellen → eine think/decide/act/observe-Schleife ausführen, bei passender Skill-Beschreibung automatisch use_skill aufrufen und dann das entsprechende MCP-Tool aufrufen.

Bereits getestet

• Smoke-Test des STDIO-Servers: alle 3 Tools aufgerufen, Resource gelesen, Prompt abgerufen, geprüft, dass isError bei nicht existierender complete-id gesetzt wird — alles wie erwartet.

• HTTP-Server: Anfrage ohne Key → 401; mit korrektem Key → Handshake initialize erfolgreich; /health gibt ok zurück.

Vor der Abgabe noch zu erledigen

• HTTP-Version auf einer öffentlichen Plattform deployen (Render/Fly/Railway/Cloudflare Workers…), MCP_KEY setzen, URL + Key für den Prüfer notieren

• Ollama installieren + qwen3.5:4b pullen, agent/host.js mit echtem Modell testen (der obige Test prüft nur die MCP-Ebene, ruft kein LLM auf)

• Kurzes Demo-Video aufnehmen (siehe Abschnitt „Abgabe“ unten)