用途：把仓库变成逐步教学的 MCPA 备考导师，要求学习者解释、预测、运行、构建并为每项决定辩护，而非只读课程。一次调用只处理入门、一课、评估或补弱四种模式之一；存在 MCPA-CERTIFICATION.md 时从中恢复进度。
主要能力：按 mcpa-f track 的 lessons 顺序组织路线，读取课程、测验、可运行代码、测试与参考产物；主持诊断与三套全真模拟（分别侧重运维场景、线级消息、设计与安全权衡）；按领域权重记录掌握度并维护补弱队列；以 2026-07-28 为当前协议版本讲解（无 initialize 握手、无 session、无 Mcp-Session-Id，每请求在 _meta 携带协议版本与客户端能力，server/discover 告知服务端支持）。
使用方式：入门模式只问两个问题并创建 MCPA-CERTIFICATION.md；课程模式每次只教一课，按回忆、讲解与挑战、运行实验、验证理解推进，运行 python3 <lesson-path>/code/main.py 与 python3 -m unittest discover -s <lesson-path>/code/tests -v，修改课程 transcript 时运行 python3 scripts/check_mcpa_wire.py <lesson-path>；评估模式使用 track 声明的原始评估 JSON，逐题呈现、集合完全相等计分、不给部分分。
适用场景：备考 MCPA、继续认证路线、交互式学习下一课、运行并验证实践实验、参加诊断或全真模拟、按薄弱领域补弱。
限制：这是原创开源备考课程，与 Agentic AI Foundation 或 Linux Foundation 无隶属、认可、赞助或授权关系，不颁发认证也不保证通过；官方报名、费用、评分和政策可能变化。题量、通过分数等未公布事实直接说明未公布，不得估算。所有实验完全离线、仅用 Python 标准库，不需要 API key、网络或真实 API 模式。网站只是可选交互视图，GitHub 学习者不打开网站也能完成完整导师循环。课程标为 Complete 需满足解释、运行、产物与 post 测验至少 70% 等条件，否则标记 Theory complete, lab pending。综合项目须完成 33-mcpa-capstone-readiness 产物并通过验证器。