"工具注册"标签的搜索结果

基于 Model Context Protocol (MCP) 的服务器端实现，Routa 提供完整的 MCP 服务端能力，通过 JSON-RPC/Federated 流式通知向 LLM 客户端暴露资源、工具与提示模板，并支持多工作流的代理协同与会话管理。该仓库不仅包含 MCP 服务端核心逻辑，还实现了与 ACP 生态的深度集成与客户端路由接口。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管与数据访问、工具注册与执行、以及提示模板渲染等 MCP 核心能力，并通过 JSON-RPC 与 LLM 客户端进行通信；包含委派服务器等 MCP 服务入口，支持基于 stdio 的服务以及可扩展的传输协议。该仓库实现了 MCP 服务器端逻辑与启动集成，能够为 LLM 客户端提供上下文服务、工具执行能力以及可渲染的 Prompt 模板。

基于模型上下文协议（MCP）的后端服务，提供资源托管、工具注册与执行、Prompt 模板渲染，并通过 JSON-RPC 与客户端进行标准化交互；支持多传输协议、会话管理与能力声明，适配多种 LLM 客户端场景。

基于 MCP 的高性能后端服务器，提供资源、工具、以及提示模板的统一上下文服务，通过 JSON-RPC 与客户端通信，支持 STDIO、SSE、HTTP 等传输模式。

基于 Model Context Protocol (MCP) 的后端服务器，负责注册与发现 MCP 工具、并行调度执行、资源与记忆/知识图谱相关能力，并通过 JSON-RPC/HTTP 形式对外提供统一的 MCP 服务入口，支持多种传输模式与会话管理。

基于模型上下文协议(MCP)的后端服务器实现，提供资源与工具的注册、SSE传输的MCP服务端，以及多种认证方式（JWT、AK/SK、Open API签名）。通过 MCP 客户端（如 Claude、Cursor、CodeBuddy 等）以统一的JSON-RPC风格远程访问文件管理、统计与系统信息等能力，支持扩展的资源与工具。

基于 Model Context Protocol (MCP) 的后端服务器，负责托管资源、注册与执行工具、定义并渲染可定制的 Prompt 模板，并通过 JSON-RPC 与 LLM 客户端进行标准化的上下文服务交互，支持多种传输协议以提供安全、可扩展的后端能力。

基于 Model Context Protocol 的 MCP 服务器实现；将 Quorum 的多AI协同推理能力以标准化的 JSON-RPC 服务形式暴露给 MCP 客户端，支持资源/工具/提示模板的管理与渲染，并通过标准化接口与客户端进行通信。

基于 Model Context Protocol（MCP）的后端服务器实现，向大型语言模型客户端提供统一的资源管理、工具注册与调用，以及可定制的 Prompt 渲染能力；通过 JSON-RPC 2.0 进行通信，支持多种传输协议（如 stdio、SSE、WebSocket），以实现安全、可扩展的上下文服务。

基于 Model Context Protocol（MCP）的后端服务器实现，向 LLM 客户端提供资源管理、工具注册与执行、以及 Prompt 模板渲染等上下文服务，并通过 JSON-RPC 与客户端通信，支持 Claude Code 的多主体协作与扩展能力。

基于 Model Context Protocol 的后端服务器集合，提供资源、工具和提示模板的标准化上下文服务；通过 JSON-RPC 与 LLM 客户端通信，支持多传输模式（SSE、stdio、HTTP），并包含多种领域的 MCP 服务实现（资源管理、分析、报告撰写、团队分析等）。

基于 Model Context Protocol (MCP) 的多项目后端服务器，提供标准化的资源、工具、提示模板等上下文服务，并通过 JSON-RPC 与 Claude 等 LLM 客户端进行交互。

基于 Model Context Protocol (MCP) 的后端服务，将资源、工具与提示模板以标准化的 MCP 服务器形式提供给 LLM 客户端，通过 JSON-RPC 进行交互，支持多种传输通道（如 STDIO、SSE、WebSocket），实现会话管理、能力宣告与可扩展上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，实现资源、工具、提示模板等上下文服务，并通过 JSON-RPC 与 Claude Desktop 等客户端交互，提供可扩展的上下文管理能力。

基于 Model Context Protocol (MCP) 的后端服务器框架，提供 A2A 端点、工具注册、跨服务器协作与 JSON-RPC 通信，能够向 LLM 客户端以标准化方式暴露工具集合、实现会话与上下文管理。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大型语言模型客户端以标准化方式提供上下文资源、可调用工具、以及可定制的提示模板。服务器通过 JSON-RPC 与客户端通信，支持会话管理与多种传输协议（如 STDIO、SSE、WebSocket），实现资源/工具/提示的托管、注册与渲染，面向本地开发环境的可扩展上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，实现对资源、工具和提示模板的统一管理，并通过 JSON-RPC 与 LLM 客户端进行交互，支撑多传输协议的上下文服务与安全扩展能力。

基于 Model Context Protocol (MCP) 的 LeetCode 学习与练习后端，提供资源、工具、提示等标准化访问，并通过 JSON-RPC 形式对接大型语言模型客户端

基于模型上下文协议（MCP）的后端实现，提供对 Markdown 内容资源的托管与管理、工具注册与执行，以及可渲染的 Prompt 模板，供 LLM 客户端通过 JSON-RPC 进行资源读取、工具调用和提示渲染等交互，包含可运行的服务器端代码与完整工具集。

基于 Model Context Protocol 的 MCP 服务器实现，提供外部工具注册、资源管理和提示渲染等能力，并通过 JSON-RPC/stdio 等传输与客户端进行交互。

基于 Model Context Protocol (MCP) 的服务器端实现，用于通过 JSON-RPC 提供 AMReXAgent 的资源管理、工具注册/执行以及 Prompt 模板的渲染等上下文服务，并对外提供可扩展的传输方式（如 stdio）。该仓库中实现了一个真实的 MCP 服务器入口、工具注册、请求分发与执行通道，确保客户端能以统一的协议访问后端能力。

基于模型上下文协议（MCP）的后端服务器实现，能对本地/远程/内存等后端暴露资源、注册工具、渲染提示模板，并通过 MCP 客户端进行标准化的上下文服务与功能调用。

基于 Model Context Protocol (MCP) 的后端服务器实现，通过 HTTP 的 JSON-RPC 提供资源、工具和提示模板等能力给 LLM 客户端进行上下文查询与功能调用，核心与后台容器生命周期、网络/镜像等能力集成在一个可扩展的 MCP 服务端中。

基于模型上下文协议（MCP）的后端服务，向大语言模型客户端提供依赖分析、风险评估、工具执行和提示渲染等能力。通过 JSON-RPC 与客户端通信，支持资源管理、工具注册、Prompts 定义与多种传输通道（如 Stdio），实现对后端分析流程的标准化上下文服务。

基于模型上下文协议（Model Context Protocol, MCP）的服务器实现，提供对 GitHub 相关资源的访问与工具执行能力，并通过 JSON-RPC 与客户端进行通信，支持以 STDIO 传输进行交互的实际服务器实现。

基于 Model Context Protocol（MCP）的后端服务，提供统一的资源管理、工具注册与执行、Prompt 模板渲染等能力，通过 JSON-RPC 与 LLM 客户端通信，用于单位转换、维度分析与上下文服务等场景。该实现将 ucon 的单位/维度计算能力暴露为可被 AI 客户端调用的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器，为 MCP 客户端提供 pyscn 的资源访问、工具注册/执行和提示模板渲染能力，通过 JSON-RPC 与客户端通信，支持多种传输通道并实现会话管理与能力声明。该实现以 pyscn 的命令行分析能力为核心，暴露给 AI 辅助工具集成使用。

基于 Model Context Protocol (MCP) 的后端服务器，实现对资源、工具和提示模板的标准化对外接口，通过 JSON-RPC/SSE 与 LLM 客户端进行交互，提供会话管理、能力声明以及多传输协议支持的 MCP 服务端能力。

基于 Model Context Protocol (MCP) 的本地化后端服务，嵌入式使用 FastAPI 提供 MCP 资源、工具和 Prompt 的注册、管理与渲染，并通过 JSON-RPC 与 LLM 客户端通信，支持会话管理和多种传输方式。

基于 Model Context Protocol (MCP) 的服务器端实现，将 Mage Remote Run CLI 的命令注册为 MCP 工具，通过 TCP/STDIO 或 SSE 支持的传输协议向 LLM 客户端提供资源、工具执行能力与 Prompts 渲染等上下文服务。

基于 Hatch CLI 的 MCP（模型上下文协议）后端实现，提供资源与数据访问、工具注册与执行、以及 Prompts 渲染等能力。服务器通过 JSON-RPC 与 AI 客户端通信，注册多种工具并暴露给客户端，支持通过标准输入/输出（stdio）等传输方式进行交互，适合作为 LLM 助手的上下文与功能服务端。该实现包含完整的服务器端逻辑、工具注册、认证、以及与 Hatch API 的交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端以标准化的 JSON-RPC 形式提供资源、工具和提示模板，支持会话管理、能力声明以及多传输协议接入，具备资源管理、工具注册、流程模板渲染等完整功能。该实现包含服务端核心组件、工具/资源注册、数据框架、以及与 Claude Desktop 等客户端对接所需的 stdio 传输入口。

基于 AtomCLI 的 Model Context Protocol (MCP) 服务器实现，向 LLM 客户端以标准化方式提供资源、工具、提示模版与会话管理等上下文能力，并通过 JSON-RPC 与客户端通信，支持多传输协议（如 Stdio、SSE、WebSocket）与灵活的配置扩展。

基于 Model Context Protocol 的后端服务实现，提供资源、工具、Prompts 的注册与管理，并通过 JSON-RPC 与客户端通信，支持多传输协议（STDIO、SSE、WebSocket），实现会话管理和能力声明，用于为 LLM 客户端提供一致的上下文与功能服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大语言模型客户端提供统一的上下文信息与功能入口。服务器负责托管与管理资源、注册与执行工具、定义与渲染提示模板，并通过 JSON-RPC 风格的协议与客户端交互，支持多种传输方式（如 HTTP/1.1 桥接、WebSocket、STDIO），实现安全、可扩展的上下文服务框架。目前处于开发者预览阶段，功能与接口可能在后续版本中变动。

基于 Model Context Protocol (MCP) 的服务端实现，向大型语言模型客户端以标准化方式提供资源、工具与对话上下文能力，支持 JSON-RPC 交互并集成多源数据健康与替代项查询。

一个基于 Model Context Protocol（MCP）的简单可运行 MCP 服务器示例，用于测试客户端对 MCP 的调用与交互，提供一个单工具（get_weather）的测试服务并通过标准输入输出（stdio）与客户端通信。

基于 Model Context Protocol（MCP）的后端服务，向 MCP 客户端提供资源、工具和提示模板等上下文能力，支持通过 JSON-RPC 与客户端通信，并可通过多种传输方式（stdio、SSE/HTTP）进行交互。

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 的后端服务器实现，向大型语言模型客户端提供资源管理、工具注册/执行、以及可渲染的 Prompt 模板，并通过 JSON-RPC 进行通信，支持标准输入输出（stdio）传输等多种传输协议，以实现统一的上下文服务和外部功能访问。

基于 GraphJin 的 MCP 服务器实现，为 LLM 客户端提供标准化的上下文服务，包含资源管理、工具注册和提示模板等上下文能力，支持通过 STDIO 和 HTTP 代理两种传输模式进行 JSON-RPC 通信，方便与 Claude Desktop 等 AI 助手对接。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源管理、工具注册与执行、以及可渲染的提示模板，通过 JSON-RPC 与客户端进行通信，并支持多传输协议（如 STDIO、SSE、WebSocket），为大语言模型应用提供可扩展的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器实现，为 OpenClaw 等 LLM 客户端提供标准化的资源、工具和提示模板服务，支持 StdIO/HTTP SSE 等传输方式，通过 JSON-RPC 与客户端通信并暴露 MCP 工具与服务器信息。

基于 Model Context Protocol (MCP) 的 Dooray MCP 服务器实现，向大型语言模型客户端以标准化方式提供上下文信息与功能。核心能力包括托管与管理资源（Resources）、注册并执行工具（Tools）、定义与渲染提示模板（Prompts），并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，以及多传输协议（如 Stdio、SSE、WebSocket）的扩展能力。

基于 Model Context Protocol (MCP) 的 ShipUI 后端实现，提供资源托管、工具注册与执行、以及提示模板的 MCP 服务端，能通过 JSON-RPC 与各类 MCP 客户端通信，支持标准的会话管理与多传输通道（如标准输入输出）。

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 的 MCP 服务器，提供资源、工具与提示模板的后端服务，通过 JSON-RPC 与 MCP 客户端通信，内置对 Mackerel API 的多工具封装，支持多传输通道（如标准输入输出、SSE、WebSocket）以向大语言模型客户端提供可扩展的上下文服务。

基于 Model Context Protocol 的后端服务器，向大语言模型（LLM）客户端以标准化的 JSON-RPC 形式提供资源、工具和提示模板等上下文服务，并通过 SSE/HTTP 等传输协议实现资源托管、工具注册与 Prompt 渲染等核心能力。

基于 Model Context Protocol (MCP) 的后端服务，作为 MCP 服务器向 LLM 客户端提供资源管理、工具注册与执行、以及 Prompt 模板渲染等上下文能力；通过 JSON-RPC（NDJSON/多传输协议）与客户端通信，支持会话管理、模型切换、跨服务协同等扩展能力，适配多种传输协议（如 Stdio、SSE、WebSocket）以为 LLM 应用提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务，提供资源与工具的注册、对接外部数据源，并通过 JSON-RPC/stdio 方式与 MCP 客户端通信，以支持 LLM 场景下的上下文、工具调用与提示模板渲染。

基于 Model Context Protocol 的 MCP 后端实现，提供资源管理、工具注册与执行、以及提示模板渲染等核心能力，并通过 JSON-RPC 与客户端进行交互，具备会话管理与多传输通道支持，适用于向大语言模型客户端提供结构化上下文与外部功能入口。

基于 Model Context Protocol (MCP) 的服务器实现，注册并暴露一组用于文件检索、文档管理与查询的工具，供大语言模型客户端通过 JSON-RPC 调用、统一上下文信息与功能。

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 Model Context Protocol (MCP) 的后端服务器，将 Hono API 端点暴露为 MCP 工具，核心实现包括资源托管、工具注册/执行、提示模板渲染，并通过 JSON-RPC 与客户端通信，支持多种传输协议（如 Stdio、SSE、WebSocket），为 LLM 客户端提供安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供向 LLM 客户端暴露资源、注册与执行工具、以及渲染提示模板的能力，并通过 JSON-RPC/多传输协议与客户端互动，内置对 Confluence、Slack、Swagger 等外部工具的集成。

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 (MCP) 的后端实现，作为 LLM 客户端的上下文服务提供者，托管与管理 Resources（资源）、Tools（工具）以及 Prompts（提示模板），并通过 JSON-RPC 与客户端进行请求/响应通信，支持多传输协议（如 Stdio、SSE、WebSocket），为 LLM 应用提供安全、可扩展的上下文服务框架。

本仓库提供基于 MCP 的服务器实现示例，包含 JavaScript 与 Java 两种实现，展示如何注册工具、提供能力、以及通过标准化的 JSON-RPC 与 LLM 客户端交互，支持多种传输协议并进行会话与能力声明管理。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管、工具注册与提示模板渲染等能力，供 LLM 客户端以标准化方式获取上下文信息和外部功能访问。

基于 Model Context Protocol (MCP) 的后端实现，围绕资源管理、工具注册/执行和提示模板渲染，提供通过 JSON-RPC 与 LLM 客户端通信的服务器能力，并在内置组件之间暴露资源、工具、提示等接口，支持多种传输方式与会话管理。该仓库包含用于 Memory/Task/A2A/Events 的 MCP 相关服务端实现以及一个用于启动 MCP 服务器的命令行接口。

基于 Model Context Protocol(MCP) 的后端服务器实现，提供资源管理、工具注册与调用、以及 Prompt 模板渲染等能力，供 LLM 客户端以标准化方式获取上下文、数据与外部功能。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端以标准化 JSON-RPC 形式暴露资源、工具和提示，提供会话管理、能力声明、工具注册与执行，以及对多种传输协议的支持，构建可扩展的上下文服务框架。

基于 Model Context Protocol（MCP）的后端服务，作为 LLM 客户端的标准化上下文服务入口，提供资源托管、工具注册/执行、提示模板定义与渲染等能力，并通过 JSON-RPC 与前端/其他组件进行通信，支持嵌入式部署与回退模式，便于实现可扩展的上下文服务框架。

基于 SystemPrompt 的 MCP 服务器实现集合，提供资源管理、工具注册与执行、以及提示模板渲染等 MCP 核心能力，供大语言模型客户端通过 JSON-RPC 获取上下文信息与外部功能，并支持多种传输与会话场景。仓库中包含多个 MCP 服务器实现（如 systemprompt、moltbook、content-manager），共同构成一个可扩展的 MCP 后端生态。

基于 Model Context Protocol 的后端服务器，向 LLM 客户端以标准化方式提供上下文资源、可执行工具和可渲染的 Prompt 模板，支持多传输协议（如 STDIO、HTTP、SSE、WebSocket），并实现会话管理与工具加载策略。

基于模型上下文协议（MCP）的 Verkada API 后端服务器，提供资源管理、工具注册与执行，以及提示模板渲染等能力，通过 JSON-RPC 与大语言模型客户端进行通信，具备本地部署与扩展能力，并内置对 Verkada API 的工具集和请求处理框架。

基于 Model Context Protocol（MCP）的后端服务器实现。该服务器通过 JSON-RPC 提供对工具的注册与执行、会话管理及跨客户端通信能力，支持多工具整合、Plans 与会话监控等功能，并通过标准传输（如 STDIO）与 MCP 客户端进行交互。该实现可作为 LLM 客户端（如 Claude Code、Codex 等）访问的上下文服务后端。

基于 Model Context Protocol 的后端服务器实现，向大语言模型客户端提供统一的上下文服务，包括资源管理、工具注册与执行、以及 Prompt 模板渲染等能力，支持 JSON-RPC 通信和多传输通道（如 STDIO/WebSocket/SSE）以供 AI Agent 调用。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大型语言模型客户端提供 npm 包的上下文、健康数据与可用工具，通过 JSON-RPC 形式处置资源、工具、提示模板等能力，并支持 MCP 客户端的连接与调用。

基于 Model Context Protocol (MCP) 的后端服务实现，作为 MCP 客户端的服务器端，托管与管理资源、注册与执行工具、定义与渲染 Prompt 模板，并通过 JSON-RPC 与 LLM 客户端通信，提供会话管理、能力声明及多传输协议支持的上下文服务框架。该仓库实现了 MCP 服务器端的核心功能，并与向量检索后端（嵌入、数据库等）进行整合。

基于 Model Context Protocol (MCP) 的服务器端实现，提供对资源、工具与提示模板的统一管理与渲染，通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理、能力声明以及多种传输方式，用于在代码分析与开发场景中提供可扩展的上下文服务。

基于 MoonBit 的 MCP 服务器实现，向 LLM 客户端提供资源托管、工具注册和提示模板等上下文服务，并通过 JSON-RPC 进行稳定的通信。

基于 Model Context Protocol (MCP) 的后端实现，作为 MCP 服务器向 LLM 客户端暴露 Helicone 的数据资源与工具，并通过 JSON-RPC 进行通信；当前实现注册了若干工具（如 query_requests、query_sessions、use_ai_gateway），实现了通过标准输入/输出的传输（Stdio）运行方式，以供 LLM 客户端调用与交互。

基于 Model Context Protocol 的 MCP 服务器实现，提供标准化的资源、工具、Prompts 等能力，通过 JSON-RPC 与客户端通信，支持公开的 MCP 接入点与工具集注册，便于 LLM 客户端获取上下文信息、执行外部功能与获取 Prompt/模板等能力。

基于 MCP（Model Context Protocol）构建的 DataHub 元数据上下文后端服务器，提供资源管理、工具注册与执行，以及与查询引擎的上下文结合，供 LLM 客户端通过 MCP JSON-RPC 方式获取资源、工具与提示模板等上下文信息。

基于 Model Context Protocol (MCP) 的完整服务器实现，用于向大模型客户端提供域名可用性查询、价格比较、工具调用、以及 TLD 信息等上下文服务，并通过 JSON-RPC 方式与客户端通信。

基于 Model Context Protocol (MCP) 的后端服务实现，提供工具注册、资源管理和提示模板渲染等核心能力，通过 JSON-RPC/Connect 框架与 MCP 客户端进行标准化通信，支持多个传输和会话能力，服务端还与前端 Web 界面和后端资源/工具链进行协作。

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信息、资源、工具与提示模板的管理与执行能力。服务器通过 JSON-RPC 风格的交互，支持资源读取、工具注册/执行、Prompts 渲染等核心功能，并具备会话管理、能力声明，以及对多种传输协议（如 STDIO、SSE、WebSocket 等）的扩展支持，适合在本地或服务端环境中作为 MCP 服务端使用。

基于 Model Context Protocol (MCP) 的后端实现，提供资源/工具/提示模板的管理与渲染，通过 JSON-RPC 与 LLM 客户端进行交互，支持 HTTP 与 STDIO 等传输模式的多种通信方式。

基于 Model Context Protocol (MCP) 的邮件上下文后端，为大模型/LLM 客户端提供资源访问、工具执行和提示渲染能力；通过 JSON-RPC 与客户端通信，支持在本地Outlook 环境中进行邮件加载、查询、撰写与批量转发等操作，并提供服务端会话管理与工具注册机制。该实现面向在 Windows 上使用 Outlook 的场景，核心目的是为 LLM 应用提供可扩展、可控的上下文服务。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等能力，面向 Claude Code 等 LLM 客户端提供标准化的上下文与功能服务。

基于 Model Context Protocol (MCP) 的后端服务器，实现对 Resources、Tools 与 Prompts 的托管、注册与渲染，并通过 JSON-RPC 2.0 与 LLM 客户端进行通信，支持资源读取/订阅、工具调用、提示获取，以及远程订阅通知等功能。该实现包含完整的服务器端约束、路由、订阅管理与通知输出，具备可运行的 MCP 服务端能力。

基于 Model Context Protocol (MCP) 的后端服务，向大型语言模型提供 MediaWiki 的资源访问、工具执行和提示模板渲染等上下文服务。服务器支持多种传输模式（标准输入输出、HTTP），并实现会话管理、权限控制、可观测性和安全保护，帮助 LLM 客户端以标准化方式查询 wiki 内容、执行外部工具以及获取/渲染 Prompt 模板。

基于 Model Context Protocol 的后端服务器，向大型语言模型客户端提供资源、工具和提示模板等上下文与功能，并通过 JSON-RPC 进行通信与协作。

基于 Model Context Protocol (MCP) 的 STDIO 交互后端，为大语言模型客户端提供资源管理、工具注册/执行以及提示模板渲染的统一上下文服务。

基于模型上下文协议（MCP）的后端实现示例，包含可运行的 MCP 服务器代码、工具/资源注册以及简单的 Prompt 管理能力，能够通过标准化的 JSON-RPC 方式与客户端交互。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源管理、工具注册与执行、以及 Prompt 的定义/渲染，支持通过多种传输方式进行 JSON-RPC 通信，供 LLM 客户端以标准化方式获取上下文、调用外部工具并渲染对话模板。

基于模型上下文协议（MCP）的 PostgreSQL 只读服务器实现，向LLM客户端提供结构化数据库资源、工具注册与提示渲染能力，通过JSON-RPC风格的MCP接口进行交互，支持多数据库只读查询、模式描述、索引/外键查询以及健康监控等功能。

基于 Model Context Protocol (MCP) 的服务端实现，用于向基于 MCP 的中文/英文客户端提供标准化的上下文信息与功能。核心职责包括托管与管理 Tools、Resources、Prompts，支持通过 JSON-RPC 与客户端通信，提供会话管理、能力声明以及多传输协议的支持，适合在浏览器环境或本地服务中搭建对 LLM 的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器，作为 VidCap YouTube API 的上下文服务提供方，管理资源与工具，支持 JSON-RPC 的请求/响应，并通过 STDIO、流式 HTTP/WebSocket 等传输方式与 MCP 客户端进行交互，便于 AI 助手在对话中获取视频数据、执行外部功能和渲染提示模板。

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 MCP 的后端服务，为大语言模型客户端提供标准化的上下文信息与功能支持，托管资源、注册工具、定义与渲染提示模板，并通过 JSON-RPC 与客户端交互，支持多种传输协议与会话管理。该仓库实现了 MCP 相关组件与服务器端能力，旨在在本地或分布式环境下提供可扩展的上下文服务。

基于 Model Context Protocol 构建的 MCP 服务器实现集合，提供资源与工具的托管、Prompt 定义及渲染能力，并通过 JSON-RPC 与客户端通信，支持多入口输出、浏览器扩展场景，以及跨进程/跨页面的上下文服务能力。

基于 Model Context Protocol (MCP) 的服务器框架，提供对 MCP 请求/响应的处理能力、资源与工具注册管理，以及通过 JSON-RPC 与客户端进行通信的多进程服务器支持与会话管理。

基于 Model Context Protocol (MCP) 的后端服务器，结合 Joern 代码分析平台，为 LLM 客户端提供统一的资源管理、工具注册、提示模板渲染等上下文服务，并通过 JSON-RPC 支持多种传输协议（如 stdio、SSE、WebSocket）来读取资源、执行工具和渲染 Prompt。该服务器实现了 MCP 的核心功能，包含会话管理、能力声明以及对外暴露的丰富工具和资源接口。

基于 Model Context Protocol 的 MCP 服务器端后端，提供资源与工具的托管、会话管理、以及与 MCP 客户端的 JSON-RPC 通信，辅以网关、调度、工具聚合等模块实现对 MCP 服务的弹性编排与扩展。

基于模型上下文协议（MCP）的后端服务器，向LLM客户端标准化提供资源管理、工具注册/执行以及可自定义的提示模板渲染，通过 JSON-RPC 进行通信与协作。

基于 Model Context Protocol (MCP) 的后端服务端实现，作为 MCP 服务器向大语言模型客户端提供标准化的资源管理、工具注册/执行以及 Prompt 模板渲染等能力，使用 JSON-RPC 进行通信，并支持会话管理与多传输协议（如 Stdio、SSE、WebSocket）以满足多样化上下文服务需求。

基于 Model Context Protocol (MCP) 的后端服务器实现，作为 AI 客户端的上下文服务中心，提供资源（Resources）管理、工具（Tools）注册与执行、以及 Prompt 模板（Prompts）的定义与渲染，并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明与多种传输协议以便进行安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，实现了资源(数据)托管、工具注册与执行、以及提示模板渲染等核心能力，并通过 JSON-RPC 方式与客户端通信，具備会话管理、能力声明以及对多传输协议的支持，用于为 LLM 客户端提供可扩展的金融上下文服务。

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。

基于 Model Context Protocol 的后端服务器实现，提供资源与工具的托管、Prompt 模板的渲染，以及通过 JSON-RPC 与 LLM 客户端进行通信的能力，支持标准化的会话管理与多传输通道（如 stdio）。

一个配置驱动的MCP服务器，通过简单配置将任何API转换为MCP兼容的工具，无需为每个服务编写单独的服务端代码

提供一套基于MCP协议的通用工具集，支持LLM客户端访问网页搜索、天气查询和航班搜索等功能。

基于 Spring Boot 和 Spring AI 的 MCP 服务器，集成 AI 模型并可管理外部 MCP 服务。

基于 NanoAgent 微框架的 MCP 服务器组件，用于托管和远程调用工具。

Go语言实现的Model Context Protocol (MCP) 开发工具包，用于构建LLM客户端与外部环境交互的服务器和客户端应用。

一个基于Python的MCP服务器演示，用于AI便签应用，提供资源、工具和Prompt管理功能。

基于A2A协议实现的代理伙伴服务器，提供工具注册、任务管理和推送通知等功能，用于构建智能代理协作系统。

基于Micronaut框架构建的MCP服务器PoC，专注于提供工具注册和调用功能，通过标准输入/输出与客户端通信。

基于 Axiom 平台的 MCP 服务器实现，提供资源管理、工具注册和 Prompt 模板服务，支持 LLM 应用构建。

mcp-auto-register是一个Python包，用于自动化将Python包中的函数和类注册为FastMCP服务器的工具，简化MCP服务器的工具配置过程。

基于Cloudflare Workers实现的远程MCP服务器，提供资源管理、工具注册和Prompt模板渲染等MCP核心功能，并支持OAuth登录。

基于OpenAI Agents SDK的MCP示例服务器，提供工具注册和SSE传输功能，演示MCP协议后端实现。

基于Python的MCP服务器快速开发模板，提供工具注册和SSE/Stdio传输支持，简化AI应用后端构建。

WildFly AI Feature Pack为Jakarta EE应用提供实验性的Model Context Protocol (MCP) 服务器功能，简化AI集成。

一个基于 Model Context Protocol (MCP) 的简化服务器实现，旨在降低 MCP 服务器的开发门槛，并提供工具注册和执行的核心功能。

kotlin-sdk仓库是一个基于 Model Context Protocol (MCP) 的 Kotlin SDK，它提供了构建MCP客户端和服务器端应用的能力，支持资源、工具和Prompt模板的管理，以及多种传输协议。

Quarkus MCP Server扩展，简化了基于Quarkus框架构建Model Context Protocol (MCP) 服务器的流程，支持资源、工具和Prompt模板的声明式API。

MCP Boilerplate项目是一个用于快速搭建MCP服务器的脚手架，实现了基础的工具注册和调用功能，方便开发者快速构建与LLM客户端交互的上下文服务后端。

Pulse MCP Server 是一个用于发现和探索 MCP 服务器及其集成的工具，通过 PulseMCP API 提供服务器列表和集成信息。