MCP Coach

MCP运维云端

提供方 AlanThinks

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一款基于Model Context Protocol (MCP)的自定义学习路径辅导工具,提供结构化学习计划、文档和Python脚手架,支持与MCP服务器连接以实现日历、文件和项目管理自动化。

一句话选型结论

按资料字段整理

MCP Coach 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

学习辅导Python本地部署自动化管理项目管理教育科技

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python -m learning_path_tutor.cli plan show

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
MCP Coach当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方AlanThinks上游标注的维护方 AlanThinks
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

2.4 KB
来自项目仓库与上游目录的原文,未做删改

学习路径辅导老师(MCP教练)

这个仓库提供了“学习路径辅导”智能体的种子,帮助你保持自主学习的
使用模型情境协议(MCP)的课程计划正按部就班进行。它包括一个结构化的
学习计划、文档以及一个准备连接到MCP服务器的Python框架
用于日历、文件和项目管理的自动化。

仓库内容

  • plan.yaml – 阶段、项目和任务的唯一真实信息来源。
  • src/learning_path_tutor/ – 一个Python包,包含适用于LangGraph的代理框架。
  • docs/ – 制定检查清单和工作流程手册。
  • state/ – 初始运行时状态占位符(在自动化过程中演进是安全的)。

快速入门

  1. 创建一个虚拟环境```bash
    uv venv --python 3.11
    source .venv/bin/activate
    uv pip install -e .

1. **运行CLI脚手架**```bash
python -m learning_path_tutor.cli plan show

你应该能看到下一个可执行的项目和任务已呈现出来 plan.yaml。

  1. Wire MCP 服务器
  • 从本地文件MCP服务器开始,指向这个存储库。
  • 按照以下步骤添加Google日历MCP服务器 docs/google_calendar_oauth_checklist.md。
  • 使用命令行界面(CLI)命令start-project, standup, weekly-review) 作为集成冒烟测试。
  1. 安排自动化任务
  • 添加cron条目或GitHub Actions工作流以触发 python -m learning_path_tutor.cli standup 日常和 weekly-review 在周日。

代理角色

代码库定义了三个协作代理,它们以LangGraph节点或普通(形式)实现
Python 可调用对象:

  • 教练代理 – 管理目标,分解任务,并更新计划文件。
  • 调度器代理 – 与Google日历同步计划里程碑,并处理重新安排。
  • 审稿人代理 – 每日/每周进行复盘,总结进展,并提出下一步行动方案。

每个角色通过共享(资源/平台)进行沟通 State 存储在磁盘上的对象(state/state.json)。

下一步行动

  • 在内部实现真实的MCP客户端调用 learning_path_tutor.tools。
  • 扩展CLI以与Google日历MCP服务器进行身份验证。
  • 为审查备注添加持久性功能 reviews/ 以及内容发布的自动化。

> 提示: 将这个仓库视为你的辅导控制中心。保持计划的更新,让
> 该代理自动化执行机械工作,让您将精力集中在高价值的学习上。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
MCP Coach 怎么安装?

在客户端按下面的安装命令接入:python -m learning_path_tutor.cli plan show。装完在客户端配置里引用同一个包或端点。

MCP Coach 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

MCP Coach 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

MCP Coach 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

MCP Coach 能提供哪些能力?

资料显示能力标签包括 Python、自动化管理、项目管理。具体工具清单以官方文档为准。

MCP Coach 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

MCP Coach 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。