用途：把 ai-engineering-from-scratch 仓库变成 MCPA 认证的逐步辅导流程，而非阅读清单。每次调用处理四种模式之一：入门、单课、测评或补强；存在 MCPA-CERTIFICATION.md 时从中续接。
主要能力：以 certifications/mcpa/program.json 与 tracks/mcpa-f.json 为事实来源，按课程顺序教学；读取课程 docs/en.md、code/main.py、tests、outputs、quiz.json 及研究文档。以 2026-07-28 协议修订为当前版本（无 initialize 握手、无会话、无 Mcp-Session-Id，请求在 _meta 携带协议版本与客户端能力，server/discover 告知服务器支持），旧版本仅作为变更说明，Roots、Sampling、Logging、Dynamic Client Registration 列为已弃用但仍在移除窗口内可用。考试事实须引用 source-verification-ledger.md；未公布项（如题量、及格分）应说明未公布而非估算。
使用方式：入门模式先声明独立性边界（非官方、不颁发证书、不保证通过），询问 MCP/JSON-RPC/工具调用智能体经验与每周学习时长，并展示受众、推荐经验、课程数与领域；随后创建 MCPA-CERTIFICATION.md。单课模式按回忆、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；修改课程记录后运行 python3 scripts/check_mcpa_wire.py <lesson-path> 校验消息线格式。测评模式使用轨道声明的原始测评 JSON，逐题呈现、按精确集合评分，报告原始百分比与领域结果，并声明非官方分数。
适用场景：AI 工程师、平台工程师与 AI 治理人员备考 MCPA；也支持不写代码的引导式无代码模式，由辅导者代跑 Python 模拟并讲解可观察行为。
限制：所有实验为离线标准库 MCP 模拟，无需 API 密钥或网络；不覆盖官方政策变动，不保证通过；未提供的信息（如官方题量、及格分、费用等）暂未提供。