canvas-mcp-lite

一个精简的、面向教师的 MCP 服务器，用于 Canvas LMS，基于 FastMCP 构建。它让 AI 助手能够充当你的 Canvas 实例的助教：浏览课程、阅读学生提交（包括 PDF/DOCX 文件上传）、使用评分标准评分、发布公告、管理模块和页面等。

工具

跨 11 个 Canvas 领域的 64 个工具，按风险级别组织：

亮点：

• 读取学生实际提交的内容 — get_submission_content 从上传的 PDF、DOCX 文件和纯文本（以及键入的文本条目、URL 和讨论提交）中提取文本，并包含提交评论线程，因此评分工具可以基于真实内容工作。

• 真实的评分工作流 — list_ungraded_submissions 是评分队列，grade_submission 处理分数、通过/失败、字母和百分比成绩（并在 Canvas 保存评论但拒绝成绩时报告部分成功），post_grades/hide_grades 控制学生何时看到结果。

• 课程代码或 ID — 每个课程范围工具都接受数字课程 ID 或 course_code 字符串（通过短 TTL 缓存解析）。

• 默认安全 — 除非另有说明，作业和页面以未发布状态创建；破坏性工具已明确标记。

• 对 LLM 友好 — 每个工具返回格式化的可读文本，而不是原始 JSON。

Related MCP server: Canvas MCP

设置

需要 Python 3.10+。

1. 安装（可编辑，从项目根目录）：

   python -m venv .venv
   source .venv/bin/activate
   pip install -e .

2. 配置凭据，在包旁边的 .env 文件中：

   CANVAS_API_URL=https://yourschool.instructure.com/api/v1
   CANVAS_API_TOKEN=your-canvas-access-token

   在 Canvas 的 Account → Settings → New Access Token 下生成令牌。.env 相对于包位置（而不是工作目录）加载，因为 MCP 客户端从任意目录启动服务器。

3. 运行，通过控制台脚本：

   canvas-mcp-lite

与 Claude 一起使用

将其注册为 stdio MCP 服务器。对于 Claude Code：

claude mcp add canvas -- /path/to/.venv/bin/canvas-mcp-lite

或在 Claude Desktop / MCP 客户端配置中：

{
  "mcpServers": {
    "canvas": {
      "command": "/path/to/.venv/bin/canvas-mcp-lite"
    }
  }
}

项目结构

canvas_mcp_lite/
  server.py      FastMCP entry point; registers READ/WRITE/DELETE tool lists
  client.py      Async Canvas API client: auth, pagination, retry, errors
  util.py        Course code → ID resolution (cached), date formatting
  tools/         One module per domain: courses, assignments, grading,
                 modules_pages, announcements, discussions, files, quizzes,
                 messaging, peer_review, analytics

备注

• 包名是 canvas_mcp_lite，它使用相对导入 — 通过已安装的 canvas-mcp-lite 脚本运行，而不是 python server.py。

• 用于文本提取的文件下载上限为 25MB；扫描/纯图像 PDF 返回通知而不是文本。

• Canvas API 错误会显示状态码和 URL；瞬时超时会以退避方式重试。