使用
Linux x86_64
需要先準備
- 執行環境:
Node.js 22.15 or later
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 mcpClaude 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 課程已測試
怎麼使用
- 以
coursecode create <course-name>建立課程。 - 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。 - 請 AI 使用
coursecode_component_catalog工具列出可用元件。
- 以
- 預覽、截圖、lint 及測試課程已測試
怎麼使用
- 以
coursecode create <course-name>建立課程。 - 在課程資料夾中執行
coursecode mcp,並連接你的 AI 用戶端。 - 請 AI 呼叫
coursecode_lint工具檢查課程。
- 以
- 將課程匯出為 SCORM、cmi5 與 LTI 套件已測試
怎麼使用
- 以
coursecode create <course-name>建立課程。 - 在課程資料夾中執行
coursecode mcp,並連接你的 AI 用戶端。 - 請 AI 呼叫
coursecode_build工具建置套件。
- 以
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以連線
- 3 項功能中 3 項可用
- 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