Canvas Assignment Assistant MCP Server

Canvas 作业助手 MCP 服务

概述

此模型上下文协议（MCP）服务让你无需离开 LLM（例如 Claude Desktop），即可与 Canvas/Instructure 课程和作业交互。

它可通过编程方式检索、搜索和总结课程及作业信息，例如查看即将到期的作业截止日期：

功能

工具

1. 列出课程

   • 检索课程列表
   • 按课程状态筛选（进行中、已完成或全部）

2. 搜索作业

   • 跨课程搜索作业
   • 按以下条件筛选：
     • 搜索查询
     • 截止日期范围
     • 指定课程
     • 包含或排除已完成的课程

3. 获取作业详情

   • 获取特定作业的详细信息
   • 支持多种输出格式（完整 HTML、纯文本、Markdown）

资源

• 作业内容：使用标准化的 URI 格式获取完整作业详情

前提条件

• 兼容 MCP 的客户端（Claude Desktop、Cursor 等）
• Canvas LMS 账户
• Canvas API 令牌
• Canvas 域名

配置

安装 MCP bundle 时，系统会提示你配置：

• Canvas API 令牌：你的 Canvas API 访问令牌（见下方说明）
• Canvas 域名：你的 Canvas 院校域名（例如 canvas.youruniversity.edu）

这些值由 MCP 客户端安全存储，不会暴露在配置文件中。

安全提示

请对 Canvas API 令牌保密。此 bundle 会将令牌标记为敏感信息，因此 MCP 客户端会安全存储该令牌。

安装

此 MCP 服务以 MCP bundle（.mcpb 文件）的形式分发，便于安装。

选项 1：从 Bundle 文件安装（推荐）

1. 下载 bundle

   从 发布页面下载 canvas-mcp.mcpb 文件，或自行构建（见选项 2）。

2. 在 MCP 客户端中安装

   对于 Claude Desktop：

   • 打开 Claude Desktop 设置
   • 前往 MCP 服务部分
   • 点击“Add Server”或“Install from Bundle”
   • 选择 canvas-mcp.mcpb 文件
   • 系统提示时，输入你的 Canvas API 令牌和域名

   对于 Cursor：

   • 打开 Cursor 设置
   • 前往 MCP 配置
   • 安装 bundle 文件
   • 根据提示配置你的 Canvas API 令牌和域名

3. 配置凭据

   首次安装 bundle 时，系统会提示你输入：

   • Canvas API 令牌：你的 Canvas API 访问令牌（见下方说明）
   • Canvas 域名：你的 Canvas 院校域名（例如 canvas.youruniversity.edu）

选项 2：从源代码构建

如果你想自行构建 bundle：

1. 克隆代码库并安装依赖项

   git clone https://github.com/mbcrosiersamuel/canvas-mcp.git
   cd canvas-mcp
   npm install
   

2. 构建 bundle

   npm run package
   

   这将创建一个 canvas-mcp.mcpb 文件，然后你可以使用选项 1 安装该文件。

如何获取 Canvas API 令牌

1. 登录 Canvas
2. 前往 Account > Settings
3. 向下滚动至“Approved Integrations”部分
4. 点击“New Access Token”
5. 复制生成的令牌

更多详情，请参阅 Canvas 提供的这些说明。

MCP 工具

• list_courses：默认显示所有进行中的课程。使用标志可显示已完成的课程或所有课程
• search_assignments：搜索作业标题和描述
• get_assignment：获取完整的作业详情

故障排除

常见问题

• 令牌无效：

  • 重新生成 Canvas API 令牌
  • 确保令牌具有适当的权限

• 域名不正确：

  • 仔细检查 Canvas 院校域名
  • 确认没有拼写错误

免责声明

这是一个非官方的 Canvas MCP，与 Canvas 或 Instructure 无关。我也不是专业软件工程师，这个项目是使用 Claude 氛围编程完成的，因此请自行承担使用风险 :)

致谢！

• 感谢 Luke Harries 提供灵感，并贡献了本 Readme 的部分文本。
• 感谢 Anthropic 团队提供关于如何使用大模型创建 MCP 的精彩指南！