Slik kjører Crunchtime Canvas LMS MCP autonomt — research, kode og release med Paperclip-agenter

Fjordbyte sin Canvas LMS MCP-server — et TypeScript-bibliotek som gir AI-agenter strukturert tilgang til Canvas LMS sin API — vedlikeholdes av et team av Paperclip-agenter. En CTO-agent scanner konkurrenter ukentlig og leverer en strukturert gap-analyse til Notion. Developer-agenter implementerer de prioriterte funksjonene. En QA-agent verifiserer og godkjenner releases. Resultatet: 30 versjoner sendt siden open-source-lansering — med 104 verktøy på tvers av Canvas LMS sine API-domener — med Christian Bru som aktiv bidragsyter side om side med Paperclip-agentene.

Dette er ikke en ambisjon. Det er en verifiserbar tilstand du kan sjekke i GitHub-releaseloggen akkurat nå.

Problemet: open-source vedlikehold tar tid de fleste ikke har

Åpen kildekode-verktøy dør sjelden av tekniske grunner. De dør av manglende vedlikehold: en travel utvikler, features som hoper seg opp i backloggen, konkurrenter som leverer raskere.

Canvas LMS er plattformen som driver undervisning for over 30 millioner undervisere og lærende ved 6 000+ institusjoner globalt. Det betyr at kategorien «Canvas API-verktøy for AI-agenter» vil være etterspurt i lang tid — og at konkurransen allerede er i gang.

Et GitHub-søk etter «canvas lms mcp» per mai 2026 returnerer minst ti aktive repo. Den ledende konkurrenten, vishalsachdev/canvas-mcp (Python), gikk fra 96 til 125 stjerner mellom april og tidlig mai 2026 — inkludert 22 nye stjerner på under to uker i april — mens majoriteten av konkurrentene stod stille. DMontgomery40/mcp-canvas-lms (TypeScript), lenge en sterk nummer to med 94 stjerner, hadde vært inaktiv i 5+ uker per 2026-05-01.

I en kategori som vokser raskere enn de fleste vedlikeholdere kan følge manuelt, er tempoet du klarer å holde det som avgjør hvem som eier den.

Hva Crunchtime bygde for Fjordbyte

Løsningen var å koble Canvas LMS MCP til et team av fire Paperclip-agenter med klart atskilte ansvarsområder.

1. CTO-agenten — ukentlig produktresearch

CTO-agenten kjører på et fast intervall og leverer en strukturert Notion-side med:

• Konkurransetilstand: stjerner, forks, nye releases og nye funksjoner siden forrige kjøring
• Gap-analyse: hvilke Canvas API-domener mangler, estimert innsats per gap
• Rangerte anbefalinger med nytte- og innsatsvurdering

Den dokumenterte outputen fra 2026-05-01-kjøringen er tilgjengelig her: Canvas LMS MCP — Produktresearch 2026-05-01.

Hovedfunnet fra den kjøringen: den største adopsjonshindringen var ikke manglende verktøy — Canvas LMS MCP hadde allerede 104 verktøy mot konkurrentens 91. Problemet var setup-friksjon. vishalsachdev sin CLI-veiviser (canvas-mcp npm-pakke, sendt i v1.2.0, april 2026) gjør installasjon til én kommando på tvers av flere populære MCP-klienter, inkludert Claude Desktop, Cursor, Codex og Windsurf. Canvas LMS MCP krevde fortsatt manuell JSON-redigering.

Akkurat den typen innsikt leser seg godt i et Notion-dokument — men drukner fort i en travel hverdag hvis du ikke har en agent som henter den frem for deg.

2. Oppgavegenerering — fra gap til Paperclip-board

CTO-agentens anbefalinger konverteres automatisk til Paperclip-issues. Fra 2026-05-01-syklusen ble tre oppgaver opprettet under BRU-782:

• CLI-oppsettveiviser (npx canvas-lms-mcp init) — HIGH-prioritet
• get_course_structure aggregat-tool — MEDIUM-prioritet
• outcomes-domenet — MEDIUM-prioritet

Ingen manuell oppgavetildeling. Hele veien fra «vi er bak på ergonomi» til «dette er neste sprint» skjer uten et menneske i midten.

3. Developer-agenten — implementering til PR

Developer-agenten henter oppgaver fra boardet, implementerer og leverer pull requests. v1.9.0 (2026-04-27) med download_file-verktøyet (PR #92) er et eksempel på en release som gikk gjennom denne loopen med minimalt manuelt inngrep.

4. QA-agenten — typecheck, tester, release

QA-agenten kjører typecheck, testsuiten og verifiserer at skjemaet for eksporterte verktøy er bakoverkompatibelt. Releases merkes og pushes kun etter godkjenning.

Verifiserbare tall fra 2026-05-01

Alle tall er verifiserbare fra GitHub og fra den linkede Notion-forskningssiden.

Hvorfor TypeScript — og hvorfor det betyr noe

Den ledende konkurrenten er bygd i Python. Canvas LMS MCP er TypeScript-native — og det er et bevisst valg med praktiske konsekvenser for brukere i 2026.

Model Context Protocol er selv bygd og vedlikeholdt med TypeScript SDK som primærspråk. Det betyr at verktøyskjemaene i Canvas LMS MCP er utledet direkte fra TypeScript-typene — ikke en etterhengt dokumentasjon. HTTP-transport med per-request-autentisering — en funksjon vishalsachdev først lanserte i april 2026 — har vært støttet i Canvas LMS MCP fra starten.

Med DMontgomery40 inaktiv finnes det nå et vakuum av aktivt vedlikeholdte TypeScript-alternativer. Brukere som søker et velfungerende TypeScript Canvas MCP-bibliotek, har i praksis ett reelt alternativ.

MCP som kategori: protokollen som gjør AI-agenter nyttige

Model Context Protocol ble lansert av Anthropic i november 2024 som et standardisert grensesnitt for å koble AI-agenter til eksterne API-er og verktøy. I løpet av de første månedene etter lansering vokste community-bidragene fra null til tusenvis av MCP-serverimplementasjoner.

Canvas LMS er én av de klareste kategoriene: et veldefinert REST-API, en stor og lojal brukerbase (institusjoner bytter ikke LMS-plattform hvert år), og et reelt behov — AI-agenter som kan navigere kurs, innleveringer og karakterer uten manuell input.

Å eie TypeScript-implementasjonen i denne kategorien, aktivt vedlikeholdt med flere verktøy enn konkurrentene, er en posisjon som er vanskelig å ta igjen — særlig dersom den nest største TypeScript-konkurrenten forblir inaktiv.

Hva du kan forvente av samme mønster

Mønsteret Crunchtime bruker for Canvas LMS MCP er generaliserbart til ethvert teknisk produkt som trenger kontinuerlig vedlikehold:

• Et eksternt API-flate eller konkurranselandskap som endrer seg over tid
• Behov for regelmessige releases basert på prioriterte features
• Et ønske om revisjonerbar dokumentasjon av hva som ble prioritert og hvorfor

Hva det krever: en tydelig produktdefinisjon, Paperclip-oppsett med de fire agentrollene og GitHub-integrasjon. Første konfigurasjon tar tid. Deretter skalerer det autonomt.

Realistisk forventning: to til fire timer spart per uke for et aktivt open-source-prosjekt, og en merkbart høyere release-kadense — fordi research og implementering ikke lenger venter på at en ledig ettermiddag skal dukke opp. Og siden loopen er Notion-dokumentert og Paperclip-sporet, kan du til enhver tid se hva CTO-agenten fant, hva som ble prioritert og hvorfor.

Slik ville vi bygd dette for deg

Crunchtime bygger og konfigurerer agentarbeidsflyter av typen beskrevet ovenfor — tilpasset stacken din, Notion- og GitHub-oppsettet ditt og målene dine.

Har du et teknisk produkt som trenger vedlikehold? En intern plattform med voksende backlog? Et open-source-bibliotek du vil holde aktivt i en konkurranseutsatt kategori?

Første steg er en Discovery Sprint: 3–5 dager der vi kartlegger arbeidsflytene, identifiserer hva som kan håndteres av agenter, og leverer et kjørende proof of concept. Ingen abstrakte løfter — bare konkrete output du kan verifisere.

Book en Discovery Sprint →

Kilder

• bruchris/canvas-lms-mcp — GitHub-repo og release-historikk — https://github.com/bruchris/canvas-lms-mcp — 2026-05-08
• Crunchtime — Canvas LMS MCP Produktresearch 2026-05-01 (Notion) — Untitled — 2026-05-01
• vishalsachdev/canvas-mcp — GitHub-repo — https://github.com/vishalsachdev/canvas-mcp — 2026-04-10
• Instructure — Canvas platform overview — https://www.instructure.com/canvas — 2024
• Anthropic — Model Context Protocol — https://modelcontextprotocol.io — 2024