Na této stránce

Přečtěte si tuto stránku v angličtině

Automatický strojový překlad této anglické stránky, který ještě nebyl zkontrolován rodilým mluvčím.

Canvas MCP je open-source server Model Context Protocol od Vishala Sachdeva, který připojuje klienta AI k instanci Canvas LMS: agent může vypsat studentovu nadcházející práci, přečíst zadání a odevzdané práce kurzu, rozeslat zprávu třídě nebo provést audit kurzu z hlediska přístupnosti, a to vše přes nástroje, které server vystavuje, nikoli ad hoc stahováním obrazovky.

Co s ním můžete dělat

Server dodává tři rodiny nástrojů. Studentské nástroje odpovídají na otázky „co se tento týden odevzdává“, „odevzdal jsem všechno“ a „kolik pokusů v kvízu mi zbývá“ proti vlastním koncovým bodům self v Canvasu. Učitelské nástroje vypisují a vytvářejí zadání, čtou odevzdané práce, hromadně známkují, rozesílají konverzace a stahují analytiku zadání. Nástroje pro návrháře výuky pokrývají kontroly kvality kurzu a skeny přístupnosti WCAG. Celkem je k dispozici až 128 nástrojů, výchozí profil jich však registruje méně a nástroje podmíněné přepínači funkcí počet zvyšují. Nad nástroji je osm agentních dovedností, které balí vícekrokové recepty — týdenní plán, ranní kontrolu zdraví kurzu, rozhodovací strom pro hromadné známkování, postup vzájemné recenze, audit kurzu před semestrem — instalovatelných do více než 40 agentů přes skills.sh.

Pro koho je určen

Vyučující, kteří chtějí, aby agent obstaral rutinní čtení a komunikaci kolem kurzu, a institucionální týmy, které zvažují, co agent připojený k LMS skutečně dosáhne. Návrháři výuky zde dostávají nejbližší věc k automatizované revizi kurzu. Projekt je rozpracovaný příklad agentních nástrojů na úrovni LMS jedné instituce, nikoli obecný chatbot.

Poznámky a upozornění

Instalace je lokální: Python 3.11 nebo novější, token a URL API Canvasu a klient MCP, s rozšířením pro Claude Desktop spustitelným dvojklikem. Veřejný hostovaný server byl vyřazen, takže sdílené nasazení znamená vlastní hosting za autentizací instituce. Zapisovací nástroje jsou za branou — HTTP servery jsou jen pro čtení, pokud nejsou zapisovací nástroje výslovně povoleny, mazání vyžaduje potvrzovací tokeny a spouštění kódu běží v sandboxu, který při selhání zavírá. Kontroly soukromí jsou opt-in: anonymizace odpovědí, maskování e-mailů a filtrování osobních údajů musí být zapnuté a README pečlivě uvádí, že tyto funkce mohou podpořit plnění povinností podle FERPA, aniž by zakládaly shodu, která závisí na nasazení a poskytovateli AI. V serveru není žádná telemetrie, ale Canvas a zvolený klient si vedou vlastní logy. Projekt má licenci MIT, je aktivně vyvíjen a jeho vlastní průvodce jsou autoritou pro aktuální názvy nástrojů a konfiguraci.

Související pojmy

Vložit tuto stránku

Zkopírujte níže uvedený kód a vložte tuto stránku do systému pro správu výuky nebo jiného webu. Vložená verze zobrazuje pouze obsah stránky — skrývá záhlaví, navigaci a zápatí webu.