"多智能体协作"标签的搜索结果

基于 Model Context Protocol 的 MCP 服务器，实现 Hydra 项目的资源、工具与提示模板等能力的 JSON-RPC 访问与执行，支持多种传输模式，便于 LLM 客户端获取上下文信息与功能。<name></name>

基于 Model Context Protocol (MCP) 的后端服务器实现，提供多智能体协作、资源与工具管理、Prompts 定义与渲染等能力，并通过 JSON-RPC 与客户端通信（当前实现以 Stdio 传输为主）。该服务器承担会话管理、能力声明、工具注册与执行、以及任务编排等核心职责，支持扩展的工具集和工作流模板，适合为 LLM 客户端提供标准化的上下文服务。 jovens

基于 Model Context Protocol (MCP) 的后端服务，用于向大模型客户端以标准化方式提供上下文、资源、工具和提示模板，并通过 gRPC/HTTPS 等协议实现对外通信与会话管理。该实现涵盖资源与工具的托管与访问、Prompts 的定义渲染、以及对多服务器的注册与健康状态管理。实现面向可扩展的上下文服务框架，便于在 LLM 场景中集成外部能力。

基于 Model Context Protocol 的 MCP-like 服务器实现，提供资源、工具和提示模板等上下文服务，供大语言模型（LLM）客户端以标准化 JSON-RPC 方式读取资源、执行工具、渲染提示等能力，并通过 Sui 区块链进行交易签名与记录。该仓库实现了完整的服务端代码及多类别工具集，支持本地 stdio 传输测试。

一个基于Model Context Protocol的多智能体协作系统，通过标准化接口为LLM客户端提供上下文信息和功能调用能力。

一个基于MCP协议的AI协作服务器，帮助不同AI工具像团队一样协同开发项目。

基于MCP协议，利用多智能体协作增强大语言模型进行复杂顺序思考的服务器实现。

AgentMCP是一个开源平台，实现了模型上下文协议（MCP），旨在促进不同AI框架下智能体之间的无缝协作和通信。

Coral Server是一个MCP服务器，为AI Agent提供线程消息通信工具，支持Agent注册、会话管理和消息传递。

演示如何使用AutoGen和MCP服务器构建智能体工作流，以访问文件系统和Jira等外部知识源。

OWL是一个先进的多智能体协作框架，集成了模型上下文协议(MCP)，旨在简化AI模型与工具及数据源的标准化交互，实现高效的任务自动化。