In questa pagina

Leggi questa pagina in inglese

Traduzione automatica della pagina in inglese, non ancora rivista da una persona di madrelingua.

Canvas MCP è un server Model Context Protocol open source di Vishal Sachdev che collega un client di IA a un'istanza di Canvas LMS: l'agente può elencare il lavoro in arrivo di uno studente, leggere i compiti e le consegne di un corso, inviare un messaggio a una classe o verificare l'accessibilità di un corso, tutto tramite gli strumenti che il server espone anziché con uno scraping dello schermo ad hoc.

Che cosa puoi farci

Il server offre tre famiglie di strumenti. Gli strumenti per studenti rispondono a «che cosa è in scadenza questa settimana», «ho consegnato tutto», «quanti tentativi di quiz mi restano» sugli endpoint self di Canvas. Gli strumenti per docenti elencano e creano compiti, leggono le consegne, correggono in blocco, inviano conversazioni ed estraggono analisi sui compiti. Gli strumenti per progettisti didattici coprono i controlli di qualità dei corsi e le scansioni di accessibilità WCAG. Sono disponibili fino a 128 strumenti in totale, anche se il profilo predefinito ne registra meno e gli strumenti con funzioni opzionali alzano il conteggio. Oltre agli strumenti, otto skill per agenti confezionano ricette multi-passo — un piano settimanale, un controllo mattutino dello stato del corso, un albero decisionale per la correzione in blocco, una pipeline di revisione tra pari, un audit del corso prima del semestre — installabili in più di 40 agenti tramite skills.sh.

A chi si rivolge

Docenti che vogliono che un agente gestisca la lettura e la messaggistica di routine attorno a un corso, e team istituzionali che valutano che cosa un agente collegato all'LMS possa davvero raggiungere. I progettisti didattici ottengono qui la cosa più vicina a una revisione automatizzata del corso. Il progetto è un esempio concreto di strumenti agentici al livello dell'LMS di un singolo istituto anziché di un chatbot generico.

Note e avvertenze

L'installazione è locale: Python 3.11 o successivo, un token e un URL API di Canvas e un client MCP, con un'estensione avviabile con doppio clic per Claude Desktop. Il server pubblico ospitato è stato ritirato, quindi una distribuzione condivisa significa self-hosting dietro l'autenticazione dell'istituzione. Gli strumenti di scrittura sono protetti: i server HTTP sono in sola lettura a meno che gli strumenti di scrittura non siano esplicitamente consentiti, le eliminazioni richiedono token di conferma e l'esecuzione di codice avviene in una sandbox che in caso di errore nega l'accesso anziché concederlo. I controlli sulla privacy sono opt-in: l'anonimizzazione delle risposte, la mascheratura delle email e il filtraggio dei dati personali devono essere attivati, e il README è attento a precisare che questi possono sostenere gli obblighi FERPA senza stabilire la conformità, che dipende dalla distribuzione e dal fornitore di IA. Non c'è telemetria nel server, ma Canvas e il client scelto mantengono i propri log. Il progetto è con licenza MIT, è sviluppato attivamente, e le sue guide sono l'autorità sui nomi correnti degli strumenti e sulla configurazione.

Concetti collegati

Incorpora questa pagina

Copia il codice qui sotto per incorporare questa pagina in un sistema di gestione dell’apprendimento o in un altro sito. La versione incorporata mostra solo il contenuto della pagina — nasconde header, navigazione e footer del sito.