MCPserverCumtJW

ALbiehao/MCPserverCumtJW

0 Stars 16 次浏览更新于 2026-08-23

MCP 服务配置

复制以下 JSON 到 OPClaw 或其他 MCP 客户端的配置文件中即可使用

{
  "mcpServers": {
    "MCP服务器 - SSE模式": {
      "type": "sse",
      "url": "https://ppbizon.xyz:8800/sse"
    }
  }
}

服务介绍

详细文档见https://modelscope.cn/docs/%E5%88%9B%E7%A9%BA%E9%97%B4%E5%8D%A1%E7%89%87

domain: nlp
tags:

MCP
教务系统
学生信息
datasets:
models:

启动文件

deployspec:
entry_file: app.py
license: MIT License

MCPserverCumtJW - 中国矿业大学徐海教务系统MCP工具

项目简介

MCPserverCumtJW是一个基于MCP (Model Context Protocol)的工具，用于访问中国矿业大学徐海校区教务系统的数据。该项目提供了一个简单的API接口，可以获取学生的考试信息和成绩信息。

功能特点

安全的用户认证：使用RSA加密保护用户密码
考试信息查询：获取指定学年学期的考试安排
成绩信息查询：获取指定学年学期的成绩信息，并计算GPA
MCP接口：通过MCP协议提供API服务，方便AI助手调用

技术栈

Python 3.x
requests：用于HTTP请求
pycryptodomex：用于RSA加密
mcp-server：用于提供MCP服务
mcp：MCP客户端库
FastAPI：用于构建API服务
uvicorn：ASGI服务器
Gradio：用于构建Web界面
ModelScope：AI模型部署平台

安装方法

克隆项目代码

git clone https://github.com/yourusername/MCPserverCumtJW.git
cd MCPserverCumtJW

安装依赖

pip install -r requirements.txt

使用方法

启动MCP服务器

python main.py

服务器启动后，会输出"hello ai_mcp"，表示服务已经成功启动。MCP服务器使用"stdio"模式运行，这意味着它通过标准输入/输出与客户端通信，适合与AI助手等工具集成。

启动Web界面

python app.py

启动Web界面后，可以通过浏览器访问http://localhost:7860，使用图形化界面与MCP服务交互。Web界面提供了以下功能：

输入学生信息（用户名和密码）
设置查询参数（学年和学期）
查询考试信息
查询成绩信息

在ModelScope平台上部署时，会自动使用app.py作为入口文件，提供Web界面服务。

API接口说明

获取考试信息

get_exam_list(student_username, student_password, year=None, term=None, exam_name=None)

参数说明：

student_username：学生用户名
student_password：学生密码
year：学年，如 "2023-2024"
term：学期，如 1, 2, 3
exam_name：考试名称，如 "期末考试"

返回值：

{
    "status": "success",
    "data": [
        {
            "course_name": "高等数学",
            "exam_date": "2024-01-15 09:00-11:00",
            "exam_location": "教学楼A-101",
            "exam_name": "期末考试"
        },
        // 更多考试信息...
    ],
    "message": "成功获取考试信息"
}

获取成绩信息

get_score_list(student_username, student_password, year=None, term=None, mark_type=None)

参数说明：

student_username：学生用户名
student_password：学生密码
year：学年，如 "2023-2024"
term：学期，如 1, 2, 3
mark_type：课程标记，如 "主修"/"辅修"等

返回值：

{
    "status": "success",
    "data": [
        {
            "course_name": "高等数学",
            "grade": "90",
            "credit": "4.0",
            "course_type": "必修"
        },
        // 更多成绩信息...
    ],
    "gpa": 3.8,
    "message": "成功获取成绩信息"
}

项目结构

.
├── .modelscope/    # ModelScope配置目录
│   ├── config.json # 模型配置
│   └── deploy.json # 部署规范
├── api.py          # API核心实现，包含教务系统客户端和MCP工具函数
├── app.py          # Web界面和MCP服务器启动入口
├── main.py         # 命令行模式MCP服务器入口
├── mcp_client_example.py # MCP客户端示例
├── models.py       # 数据模型定义
├── requirements.txt # 项目依赖
└── README.md       # 项目文档

数据模型

Student：学生信息，包含用户名和密码
Course：课程信息，包含课程名称、教师、地点、时间和周次
Schedule：课程表，包含多个课程
Score：成绩信息，包含课程名称、学分、成绩等
ScoreList：成绩列表，包含多个成绩信息，可计算GPA
Exam：考试信息，包含课程名称、考试时间、地点等
ExamList：考试列表，包含多个考试信息

服务配置与环境设置

服务参数配置

基本配置

在部署MCP服务器时，可以通过以下方式配置服务参数：

修改运行模式

目前服务默认使用"stdio"模式运行，适合与AI助手集成。如需部署为HTTP服务，请修改main.py：
```
# 从
mcp.run("stdio")

# 改为
import uvicorn
uvicorn.run(mcp.app, host="0.0.0.0", port=8000)
```

配置服务名称

在main.py中，可以修改FastMCP的初始化参数来设置服务名称：

# 默认名称为"jwxt"
mcp = FastMCP("jwxt")

# 可以修改为其他名称
mcp = FastMCP("cumt-jwxt-service")

添加或移除工具

可以通过mcp.add_tool()方法添加更多工具，或者移除现有工具：

# 添加工具示例
mcp.add_tool(api.get_schedule)  # 假设已实现get_schedule函数

# 移除工具示例（需要先实现移除方法）
# mcp.remove_tool("get_exam_list")

高级配置

环境变量配置

为了保护敏感信息，建议使用环境变量存储配置：

import os

# 从环境变量获取配置
PORT = int(os.getenv("MCP_PORT", 8000))
HOST = os.getenv("MCP_HOST", "0.0.0.0")

# 使用环境变量配置服务
uvicorn.run(mcp.app, host=HOST, port=PORT)

CORS配置

如果需要支持跨域请求，可以配置CORS：

from fastapi.middleware.cors import CORSMiddleware

# 获取FastAPI应用实例
app = mcp.app

# 配置CORS
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],  # 在生产环境中应该限制来源
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)

环境设置

本地开发环境

Python环境
- Python 3.8或更高版本
- 建议使用虚拟环境：python -m venv venv
- 激活虚拟环境：
  - Windows: venv\Scripts\activate
  - Linux/Mac: source venv/bin/activate
依赖安装
- 安装所有依赖：pip install -r requirements.txt
- 开发依赖（可选）：pip install pytest black isort

生产环境

服务器要求
- 支持Python 3.8+的Linux服务器（推荐Ubuntu 20.04或CentOS 8）
- 至少512MB RAM（推荐1GB或更多）
- 建议配置反向代理（Nginx或Apache）
安全设置
- 创建专用服务账户运行应用
- 配置防火墙，只开放必要端口
- 启用HTTPS（使用Let's Encrypt免费证书）
- 定期更新依赖包
监控与日志
- 配置日志记录：logging.basicConfig(filename="mcp_server.log", level=logging.INFO)
- 设置服务监控（如使用Prometheus或简单的健康检查端点）
自动启动
- 使用systemd配置服务自动启动
- 创建/etc/systemd/system/mcp-server.service文件

容器化部署

Docker配置

创建Dockerfile：

FROM python:3.9-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 8000

CMD ["python", "main.py"]

Docker Compose配置

创建docker-compose.yml：

version: '3'

services:
  mcp-server:
    build: .
    ports:
      - "8000:8000"
    environment:
      - MCP_PORT=8000
      - MCP_HOST=0.0.0.0
    restart: always

ModelScope平台部署

准备工作
- 确保项目根目录包含requirements.txt文件
- 确保main.py文件正确配置
ModelScope配置
- 项目已包含.modelscope文件夹，其中包含以下配置文件：
  - config.json: 定义模型类型、任务和框架
  - deploy.json: 定义部署规范，包括入口文件、资源需求和端口配置
部署步骤
- 登录ModelScope平台
- 创建新的空间或选择现有空间
- 上传代码或关联GitHub仓库
- 系统会自动读取.modelscope/deploy.json中的配置，使用app.py作为启动文件
- 选择合适的计算资源
- 完成部署后，可以通过Web界面与MCP服务交互

注意事项

本项目仅供学习和研究使用
请勿将学生账号密码明文存储或传输
使用过程中请遵守学校相关规定
部署到公网时，务必配置适当的安全措施
定期更新依赖包以修复潜在安全漏洞

许可证

MIT License

在ModelScope上使用

克隆项目

git clone https://www.modelscope.cn/studios/yourusername/MCPserverCumtJW.git

在ModelScope上部署

在ModelScope平台创建空间
上传或关联代码仓库
配置启动文件为main.py
部署并使用MCP服务

使用MCP客户端调用服务

项目提供了mcp_client_example.py示例文件，演示如何使用MCP客户端调用服务：

# 创建MCP客户端
from mcp.client import Client
client = Client("https://www.modelscope.cn/api/v1/mcp/servers/yourusername/MCPserverCumtJW")

# 调用获取考试信息API
exam_result = client.get_exam_list(
    student_username="your_student_id",
    student_password="your_password",
    year="2023-2024",
    term=1
)

# 调用获取成绩信息API
score_result = client.get_score_list(
    student_username="your_student_id",
    student_password="your_password",
    year="2023-2024",
    term=1
)

完整示例请参考项目中的mcp_client_example.py文件。

查看源码项目主页