pickfit

瀏覽MCP 伺服器

CourseCode Framework

用 AI 工具建立、預覽與打包 LMS 課程的開源框架。

已在 Linux 上測試

使用

Linux x86_64

需要先準備

  • 執行環境:Node.js 22.15 or later
  1. 全域安裝 coursecode

    npm install -g coursecode

確認能用

coursecode --help

輸出應包含「Start MCP server for AI agent integration」。

加進你的 agent

claude mcp add coursecode -- coursecode mcp
Claude Desktop、Cursor 等用戶端用的 JSON
{
  "mcpServers": {
    "coursecode": {
      "command": "coursecode",
      "args": [
        "mcp"
      ]
    }
  }
}

以 coursecode create <course-name> 建立專案,然後在其中以 coursecode mcp 啟動 MCP 伺服器,並將 AI 用戶端連線到它。

它能做什麼

  • 使用 AI 工具建立 LMS 課程
    怎麼使用
    1. 以 coursecode create <course-name> 建立課程。
    2. 在課程資料夾中以 coursecode mcp 啟動 MCP 伺服器,並連接你的 AI 用戶端。
    3. 請 AI 使用 coursecode_component_catalog 工具列出可用元件。
    已測試
  • 預覽、截圖、lint 及測試課程
    怎麼使用
    1. 以 coursecode create <course-name> 建立課程。
    2. 在課程資料夾中執行 coursecode mcp,並連接你的 AI 用戶端。
    3. 請 AI 呼叫 coursecode_lint 工具檢查課程。
    已測試
  • 將課程匯出為 SCORM、cmi5 與 LTI 套件
    怎麼使用
    1. 以 coursecode create <course-name> 建立課程。
    2. 在課程資料夾中執行 coursecode mcp,並連接你的 AI 用戶端。
    3. 請 AI 呼叫 coursecode_build 工具建置套件。
    已測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以連線
  3. 3 項功能中 3 項可用
  4. 可離線使用

適合用來

  • 將課程匯出為 SCORM、cmi5 或 LTI 套件
  • 在本機預覽課程並即時重新載入
  • 將 PDF、Word 與 PowerPoint 轉換為 markdown
  • 從文字產生語音旁白
  • 讓 AI 預覽投影片並截圖以驗證版面

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

MCP 用戶端成功呼叫工具

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.4.4

MCP 用戶端透過 stdio 連線,列出 16 個工具,呼叫 coursecode_component_catalog 也回傳了結果。

測試機器遇到的差異

  • README: npx coursecode create my-course
    測試中: 採用全域安裝(npm install -g coursecode)後執行 `coursecode create`,讓 `coursecode mcp` 啟動指令保留在 PATH 上以供離線重跑

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。