"多传输协议"标签的搜索结果

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管、工具注册与执行、Prompt 模板渲染等核心能力，通过 JSON-RPC 与客户端通信，并支持多种传输方式（如 Stdio、SSE、WebSocket）以构建面向 LLM 的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器端实现，提供 PatternFly 的资源、工具与文档的统一上下文服务，支持多传输协议（STDIO、HTTP/WebSocket 等）、会话管理与能力声明，水平扩展以供 LLM 客户端获取资源、执行工具和渲染 Prompt 模板等上下文信息。

一个将 Jira 实例与大型语言模型客户端连接的后端服务，基于 Model Context Protocol (MCP)，提供资源、工具和提示模板的统一访问，并支持 STDIO 与 SSE 多传输协议，便于 AI 应用以标准化方式获取上下文信息与 Jira 相关操作能力。

基于 Model Context Protocol 的 MCP 服务端实现，用于向 LLM 客户端提供资源、工具和提示模板的标准化上下文与功能服务，支持多传输协议并通过 JSON-RPC 进行通信。

基于 Model Context Protocol（MCP）的服务器实现与示例生态，提供可运行的 MCP 服务器示例、工具暴露与管理，以及用于客户端接入的工具库，帮助构建以 MCP 为载体的上下文服务后端。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供工具注册、资源管理和内容/搜索相关能力，支持通过 JSON-RPC 与客户端通信，涵盖 STDIO 与 HTTP 两种传输方式的 MCP 服务端实现。

基于 Model Context Protocol (MCP) 的后端服务器实现，负责以标准化的 JSON-RPC 方式向 LLM 客户端提供资源管理、工具注册/执行以及 Prompts 渲染等能力，并支持多传输协议（如 Stdio、SSE、WebSocket），实现会话管理、能力声明和可扩展的上下文服务框架。

基于 MCP（Model Context Protocol）的后端服务器，实现对资源、工具和提示模板的统一管理与渲染，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多传输协议以适配不同应用场景。

基于 Model Context Protocol 的 MCP 服务器实现，提供对 AI 客户端的上下文能力、工具执行与提示渲染等核心能力，通过 JSON-RPC 与客户端通信，并支持多传输协议（如标准输入输出和流式 HTTP）以实现安全、可扩展的后端上下文服务。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染，向 LLM 客户端以标准化的 JSON-RPC 方式提供上下文、数据访问和外部功能调用能力。

基于 Model Context Protocol (MCP) 的后端实现，作为对话型LLM客户端的后端服务，托管并管理资源（Resources）、注册与执行工具（Tools）、定义并渲染 Prompt 模板（Prompts），通过 JSON-RPC 与客户端通信，支持 stdio 与 HTTP 等传输方式，提供会话管理和能力声明的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 MCP 客户端提供资源、工具与提示模板等上下文信息与功能，支持多传输协议、会话管理与认证，目标是为 LLM 客户端提供可扩展、安全的上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，提供资源（Resources）托管与访问、工具（Tools）的注册与执行，以及提示模板（Prompts）的定义与渲染，支持通过 JSON-RPC 与客户端通信，并具备会话管理与多传输协议（如 Stdio、SSE、WebSocket）扩展能力，为大语言模型（LLM）应用提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的服务器端框架，聚合、管理资源与工具，并通过 JSON-RPC 将上下文、工具与提示暴露给 LLM 客户端，同时支持本地与远程 MCP 服务器的代理与协作。

基于模型上下文协议（MCP）的服务器端实现，提供资源托管、工具注册/执行以及 Prompts 定义与渲染，通过 JSON-RPC 与 LLM 客户端通信，支持多种传输方式并具备会话管理与跨应用的 MCP 服务器管理能力。

基于 Model Context Protocol 的完整 MCP 服务器集合，覆盖 Google Drive、PostgreSQL、Notion、Figma、Google Calendar、GitHub、Zendesk 等多服务工具与资源托管，支持 JSON-RPC 通信、STDIO/REST 网关等传输方式，提供资源管理、工具注册与 Prompts 渲染等能力，便于与 LLM 客户端在同一后端进行上下文与功能扩展。

基于 Model Context Protocol (MCP) 的后端服务器实现，面向 LLM 客户端提供统一的上下文资源、可注册的工具以及可渲染的 Prompt 模板。通过 JSON-RPC 与客户端通信，支持会话管理、能力宣告，以及多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，适配 Claude 等 AI 助手的上下文服务需求。