Mastery Pathing

習熟度に基づく学習経路

「この学習者は次に何を学ぶべきか？」を判断するエンジンです。検証済みの前提知識グラフ、スキルごとの習熟度（ベイズ知識追跡法／Elo）、知識フロンティアに基づく推奨を提供します。目標の達成を妨げているギャップを診断し、現在の状態から目標までの習熟度を考慮した学習順序を返します。

レジストリ名	ai.saifs/mastery-pathing
エンドポイント	https://mastery-pathing-mcp.saifs.ai/mcp
トランスポート	Streamable HTTP（リモート、インストール不要）
認証	OAuth 2.1 — PKCE（S256）と動的クライアント登録。初回使用時にクライアントでサインインページが開きます
公開者	SAIFS AI

インストール

VS Code / GitHub Copilot

ワークスペースの .vscode/mcp.json またはユーザーの mcp.json に追加します。

{
  "servers": {
    "saifs-mastery-pathing": {
      "type": "http",
      "url": "https://mastery-pathing-mcp.saifs.ai/mcp"
    }
  }
}

次に、MCP ビューからサーバーを起動し、プロンプトが表示されたらサインインします。

Claude（claude.ai、Desktop）

設定 → コネクター → カスタムコネクターを追加を選択し、次を貼り付けます。

https://mastery-pathing-mcp.saifs.ai/mcp

Claude Code

claude mcp add --transport http saifs-mastery-pathing https://mastery-pathing-mcp.saifs.ai/mcp

その他の MCP クライアント

Streamable HTTP トランスポートを使用して https://mastery-pathing-mcp.saifs.ai/mcp に接続します。サーバーは WWW-Authenticate: Bearer … resource_metadata=… チャレンジとともに 401 を返すため、OAuth 対応クライアントでは自動的にサインインします。

ツール

ツール	機能
build_knowledge_graph	トピックと依存関係から、検証済みの前提知識 DAG を作成します（循環検出、ギャップのフラグ付け）。
estimate_mastery	学習者の回答をもとに、グラフ全体のスキルごとの習熟度を BKT／Elo で推定します。
next_best_topic	知識フロンティア：学習者が今学ぶ準備のできているトピック（前提条件を満たしており、まだ習得していないもの）を示します。
diagnose_gaps	目標トピックの達成を妨げている前提知識のギャップと、補習の経路を示します。
optimal_sequence	現在の状態から目標までの、トポロジカル順序に基づく習熟度を考慮した学習経路を作成します。
rate_difficulty	項目と学習者の評価を、Elo に基づいて同一の尺度で算出します。
explain_recommendation	習熟度の根拠を示しながら、次にこのトピックを学ぶ理由を説明します。

プロンプトの例

• 「前提条件付きのシラバスはこちらです。この学生が次に学ぶべき内容は何ですか？」
• 「二次方程式を学びたいそうです。どのギャップが妨げになっていて、どのような順序で補うべきですか？」
• 「現在の習熟度から再帰の章までの学習順序を作成してください。」

サポート

• ウェブサイト： https://saifs.ai
• 課題： https://github.com/Saify-Technologies/saifs-ai-mcps-docs/issues
• プライバシー： https://saifs.ai/privacy_policy