qmaker-mcp

小猜出题MCP

智能题目生成和审核系统 - Model Context Protocol (MCP) 服务

功能特性

• 🎯 支持5种题型：单选题、多选题、判断题、填空题、排序题
• 📝 智能提示词生成：大纲整理、细节补充、题目生成
• 🔄 题目审核流程：重新完善、答案核实、批量保存
• 💾 数据库集成：直接保存题目到小猜系统
• 🌍 多环境支持：开发环境和生产环境

安装

npm install xiaoguai-question-mcp

或全局安装：

npm install -g xiaoguai-question-mcp

快速开始

1. 初始化配置

npx xiaoguai-question-mcp init

根据提示选择环境和配置API Token。

2. 启动MCP服务

# 开发环境
npx xiaoguai-question-mcp start

# 生产环境
npx xiaoguai-question-mcp start --env prod

3. 测试连接

npx xiaoguai-question-mcp test

4. 交互式生成题目

npx xiaoguai-question-mcp generate

配置说明

创建 .env 文件：

# 环境：development（开发）或 production（生产）
NODE_ENV=development

# API Token - 请填写您自己的token
API_TOKEN=your_api_token_here

# 日志级别
LOG_LEVEL=info
VERBOSE=false

环境配置

• 开发环境: http://127.0.0.1:8000
• 生产环境: https://ask.he29.com

MCP工具列表

1. get_question_types

获取支持的题目类型列表

输入：无

输出：

{
  "success": true,
  "data": [
    {
      "type": 1,
      "name": "单选题",
      "min_options": 2,
      "max_options": 6
    }
  ]
}

2. generate_outline_prompt

生成题目大纲整理提示词

输入：

{
  "question_type": 1,
  "topic": "JavaScript闭包",
  "difficulty": 3,
  "custom_requirements": "需要实际代码示例"
}

输出：

{
  "success": true,
  "prompt": "# 题目大纲整理\n...",
  "metadata": {
    "question_type": 1,
    "topic": "JavaScript闭包",
    "difficulty": 3
  }
}

3. generate_detail_prompt

生成细节补充提示词

输入：

{
  "question_type": 1,
  "topic": "JavaScript闭包",
  "difficulty": 3,
  "outline": "整理后的大纲内容...",
  "user_feedback": "需要更多实例"
}

4. generate_question_prompt

生成完整题目生成提示词

输入：

{
  "question_type": 1,
  "topic": "JavaScript闭包",
  "difficulty": 3,
  "enhanced_outline": "增强后的大纲内容...",
  "custom_requirements": "包含代码示例"
}

5. save_question

保存题目到数据库

输入：

{
  "question_data": {
    "question_type": 1,
    "title": "以下关于JavaScript闭包的描述，哪个是正确的？",
    "description": "考察对闭包概念的理解",
    "difficulty": 3,
    "category": "JavaScript",
    "options": [
      {"text": "闭包是函数和其词法环境的组合", "is_correct": 1},
      {"text": "闭包只能在全局作用域中创建", "is_correct": 0},
      {"text": "闭包不能访问外部变量", "is_correct": 0},
      {"text": "闭包会导致内存泄漏", "is_correct": 0}
    ],
    "correct_answer": "A",
    "explanation": "闭包是函数和其声明时所在的词法环境的组合...",
    "hint": "考虑函数作用域和变量访问"
  },
  "category_id": 1
}

输出：

{
  "success": true,
  "data": {
    "id": 123,
    "question_id": "q_20250118_abc123",
    "message": "题目保存成功"
  }
}

6. batch_save_questions

批量保存题目

7. update_question

更新题目

8. delete_question

删除题目

9. get_question

获取题目详情

10. get_categories

获取题目分类列表

11. generate_refine_prompt

生成题目重新完善提示词

12. generate_verify_prompt

生成答案核实提示词

使用流程

完整出题流程

1. 用户选择题型和主题
   ↓
2. MCP生成大纲整理提示词 (generate_outline_prompt)
   ↓
3. 大模型整理大纲
   ↓
4. 用户确认大纲
   ↓
5. MCP生成细节补充提示词 (generate_detail_prompt)
   ↓
6. 大模型补充细节
   ↓
7. 用户确认细节
   ↓
8. MCP生成题目生成提示词 (generate_question_prompt)
   ↓
9. 大模型生成题目
   ↓
10. 用户核验题目
    ↓
11. MCP保存题目到数据库 (save_question)

题目审核流程

如果题目不正确，可以：

• 重新完善：使用 generate_refine_prompt 生成重新完善提示词
• 核实答案：使用 generate_verify_prompt 生成答案核实提示词
• 删除题目：使用 delete_question 删除当前题目

题目数据格式

单选题

{
  "question_type": 1,
  "title": "题目内容",
  "difficulty": 3,
  "category": "分类名称",
  "options": [
    {"text": "选项A", "is_correct": 1},
    {"text": "选项B", "is_correct": 0},
    {"text": "选项C", "is_correct": 0},
    {"text": "选项D", "is_correct": 0}
  ],
  "correct_answer": "A",
  "explanation": "答案解析"
}

多选题

{
  "question_type": 2,
  "title": "题目内容（多选）",
  "options": [
    {"text": "选项A", "is_correct": 1},
    {"text": "选项B", "is_correct": 1},
    {"text": "选项C", "is_correct": 0},
    {"text": "选项D", "is_correct": 0}
  ],
  "correct_answer": "AB"
}

判断题

{
  "question_type": 3,
  "title": "判断陈述",
  "options": [
    {"text": "正确", "is_correct": 1},
    {"text": "错误", "is_correct": 0}
  ],
  "correct_answer": "A"
}

填空题

{
  "question_type": 4,
  "title": "题目内容，用____表示填空",
  "options": [],
  "correct_answer": "标准答案"
}

排序题

{
  "question_type": 5,
  "title": "将以下选项按正确顺序排列",
  "options": [
    {"text": "第一项", "is_correct": 0, "correct_order": 1},
    {"text": "第二项", "is_correct": 0, "correct_order": 2},
    {"text": "第三项", "is_correct": 0, "correct_order": 3}
  ],
  "correct_answer": "1-2-3"
}

开发调试

# 克隆项目
git clone <repository-url>

# 安装依赖
cd mcp
npm install

# 开发模式
npm run dev

# 测试
npm run test

注意事项

• API Token: 确保配置正确的API Token
• 网络连接: 确保能访问API服务器
• 题目质量: 大模型生成的题目需要人工审核
• 数据格式: 严格按照JSON格式提交题目数据

许可证

MIT License

联系方式

• 项目地址: GitHub
• 问题反馈: Issues