Na tej stronie

Przeczytaj tę stronę po angielsku

Tłumaczenie automatyczne tej strony z języka angielskiego, jeszcze nie sprawdzone przez rodzimego użytkownika języka.

Canvas MCP to otwarty serwer Model Context Protocol autorstwa Vishala Sachdeva, który łączy klienta AI z instancją Canvas LMS: agent może wypisać nadchodzące zadania studenta, odczytać zadania i zgłoszenia kursu, wysłać wiadomość do klasy albo przeprowadzić audyt kursu pod kątem dostępności — wszystko przez narzędzia, które serwer wystawia, a nie przez doraźne zeskrobywanie ekranu.

Co można z tym zrobić

Serwer dostarcza trzy rodziny narzędzi. Narzędzia studenckie odpowiadają na „co jest zadane w tym tygodniu”, „czy oddałem wszystko”, „ile prób quizu mi zostało”, korzystając z własnych punktów końcowych self Canvasa. Narzędzia edukatorskie wypisują i tworzą zadania, czytają zgłoszenia, oceniają zbiorczo, wysyłają rozmowy i pobierają analitykę zadań. Narzędzia projektanta nauczania obejmują kontrole jakości kursu i skany dostępności WCAG. Łącznie dostępnych jest do 128 narzędzi, choć domyślny profil rejestruje ich mniej, a narzędzia za flagami funkcji podnoszą tę liczbę. Poza narzędziami osiem umiejętności agentowych pakuje wieloetapowe przepisy — tygodniowy plan, poranny przegląd kondycji kursu, drzewo decyzyjne zbiorczego oceniania, potok recenzji rówieśniczej, audyt kursu przed semestrem — instalowalne w ponad 40 agentach przez skills.sh.

Dla kogo jest przeznaczone

Prowadzący, którzy chcą, by agent obsłużył rutynowe czytanie i wysyłanie wiadomości wokół kursu, oraz zespoły instytucjonalne oceniające, do czego agent podłączony do LMS naprawdę dociera. Projektanci nauczania dostają tu najbliższą rzecz do automatycznego przeglądu kursu. Projekt jest wypracowanym przykładem narzędzi agentowych na poziomie LMS jednej instytucji, a nie ogólnego chatbota.

Uwagi i zastrzeżenia

Konfiguracja jest lokalna: Python 3.11 lub nowszy, token i adres API Canvasa oraz klient MCP, z rozszerzeniem uruchamianym dwukrotnym kliknięciem dla Claude Desktop. Publiczny hostowany serwer został wycofany, więc współdzielone wdrożenie oznacza samodzielny hosting za własnym uwierzytelnianiem instytucji. Narzędzia zapisu są bramkowane — serwery HTTP są tylko do odczytu, chyba że narzędzia zapisu zostaną wyraźnie dozwolone, usunięcia wymagają tokenów potwierdzenia, a wykonywanie kodu działa w piaskownicy, która w razie błędu pozostaje zamknięta. Kontrole prywatności są opcjonalne: anonimizacja odpowiedzi, maskowanie adresów e-mail i filtrowanie danych osobowych muszą być włączone, a README starannie zaznacza, że mogą wspierać obowiązki FERPA, nie ustanawiając zgodności, która zależy od wdrożenia i dostawcy AI. Serwer nie zbiera telemetrii, ale Canvas i wybrany klient prowadzą własne logi. Projekt ma licencję MIT, jest aktywnie rozwijany, a jego własne przewodniki są autorytetem w kwestii aktualnych nazw narzędzi i konfiguracji.

Powiązane pojęcia

Osadź tę stronę

Skopiuj poniższy kod, aby osadzić tę stronę w systemie zarządzania nauczaniem lub na innej witrynie. Wersja osadzona pokazuje tylko treść strony — ukrywa nagłówek witryny, nawigację i stopkę.