"提示模板"标签的搜索结果

基于 Model Context Protocol (MCP) 的后端服务，集成资源管理、工具注册与执行、以及提示模板渲染等能力，并通过 JSON-RPC 与 LLM 客户端通信，支持多种传输方式（stdio、SSE、HTTP）以提供可扩展的上下文服务框架。

基于 Model Context Protocol 的后端服务，作为 MCP 服务器向 LLM 客户端以标准化方式提供资源、工具和提示模板，并通过 JSON-RPC 进行通信，支持会话管理、能力声明以及多传输协议接入（如 Stdio、SSE、WebSocket）以实现安全、可扩展的上下文服务框架。

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，提供标准化的资源（Resources）、工具（Tools）以及提示模板（Prompts），通过 JSON-RPC 与 LLM 客户端通信，支持多传输通道并对接 Supabase 数据源，构建面向 AI 赋能的上下文服务框架。该仓库包含一个完整的 MCP 服务器实现（含工具定义、资源暴露、提示模板以及 Prompt 执行逻辑），并以 Stdio 传输方式提供服务入口。

基于 Model Context Protocol 的 MCP 服务器实现，使用 Arivu 的连接器生态在 JSON-RPC 下向 LLM 客户端提供资源、工具与提示模板等上下文信息，并通过标准输入输出（目前实现）进行 JSON-RPC 通信与会话管理。

ModelCypher MCP 服务器是一个基于 Model Context Protocol 的后端服务，提供资源、工具和提示模板的统一管理，并通过 JSON-RPC 与 LLM 客户端通信，支持会话管理、能力声明及多传输协议。

基于模型上下文协议（MCP）的后端服务器，实现资源托管、工具注册/执行以及提示模板渲染，并通过 JSON-RPC 与客户端通信，提供会话管理、能力声明以及对多传输协议的支持，旨在为LLM客户端提供标准化的上下文和外部功能访问服务。

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 FastMCP 实现的 MCP 服务器，提供 Ayrshare 的资源、工具与 prompts，通过 JSON-RPC 与大模型客户端交互，实现统一的内容管理、外部功能调用与提示模板渲染能力。

基于模型上下文协议（MCP）的后端服务器实现，提供资源管理、工具注册与执行，以及提示模板渲染等能力，并通过 JSON-RPC 与客户端进行通信，支持 TUI/GUI 与 AI 助手的集成使用。

基于 Model Context Protocol (MCP) 的后端服务器，为 LLM 客户端提供可管理的资源、可注册的工具和可渲染的 Prompt 模板，通过 JSON-RPC 进行通信，支持多种传输协议（如 Stdio、SSE、WebSocket），并实现会话管理与能力声明等功能。

基于 Nim 的 MCP 服务器实现，提供资源、工具、提示模板等管理，支持多种传输协议（stdio、SSE、HTTP/Streamable、InMemory），并通过 JSON-RPC 与客户端进行请求与响应通信。

基于 Model Context Protocol (MCP) 的后端服务，提供资源（Resources）管理、工具（Tools）注册与执行，以及 Prompt 模板渲染等能力，采用 JSON-RPC 与 LLM 客户端进行通信，支持多种传输通道（如 SSE、StdIO、WebSocket），为大语言模型应用提供标准化的上下文与能力服务。

基于 Model Context Protocol (MCP) 的后端服务器，提供对 GitHub 的上下文资源、工具执行与提示模板的标准化访问，支持 JSON-RPC 交互，适配多种传输方式并具备会话管理、能力声明与远程工具发现等能力，用于为大语言模型提供可扩展的上下文服务。

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 Model Context Protocol (MCP) 的后端实现，为 AI 客户端（如大型语言模型）提供标准化的上下文服务：托管资源、注册并执行工具、定义与渲染提示模板，支持通过 JSON-RPC 进行通信。

基于 Model Context Protocol (MCP) 的后端实现，提供资源、工具、Prompts 的注册、管理与渲染，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接入，面向 LLM 的上下文服务与功能扩展。

基于 Model Context Protocol 的 MCP 服务器端实现，作为 AI 助手的后端上下文服务，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等功能，支持通过 JSON-RPC 与客户端通信，并可在 stdio、HTTP（含 SSE）等传输模式下运行，具备会话管理、能力声明和安全保护机制。

基于 Model Context Protocol (MCP) 的后端示例服务器，提供资源注册、提示渲染，以及多传输（HTTP/STDIO）支持，便于与 MCP 客户端对接与集成。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管与管理、工具注册/执行，以及提示模板的定义与渲染，通过 JSON-RPC 与客户端进行通信，支持会话管理与多传输协议的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器实现，为 AI 代理提供资源、工具、提示等上下文服务，并通过 JSON-RPC 与客户端交互，支持资源管理、工具执行与提示渲染等核心能力。

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 (MCP) 的后端实现集合，提供资源、工具、Prompt 模板的标准化对外访问与渲染，涵盖会话管理、MCP 代码执行、工具注册与执行以及多种传输方式的支持，面向对话式大模型客户端提供上下文和功能服务。该仓库包含用于 MCP 的服务器实现、工具包装、以及面向 LLM 客户端的 context 图谱查询与持续性能力，适合作为一个可运行的 MCP 后端生态系统。

基于 LiveKit Agents 框架的 MCP（Model Context Protocol）服务器实现与示例，提供资源、工具与提示模板的托管与暴露，支持 JSON-RPC 风格的通信以及多传输协议（如 SSE/WebSocket/StdIO）以供 LLM 客户端访问上下文信息和外部功能。

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 的 MCP 服务器实现，提供资源、工具与提示模板的注册与渲染，通过 JSON-RPC 与 AI 客户端进行交互，支持以标准输入输出（StdIO）传输的通信方式，为 LLM 应用提供可扩展的上下文服务框架。

一个基于 Charm KV 存储的 MCP 服务器实现，提供资源、工具、和提示模板等功能，供对话式 AI 客户端通过 JSON-RPC 与后台进行上下文交互与操作执行。当前实现通过标准输入输出（stdio）传输进行 JSON-RPC 的通信。

基于模型上下文协议（MCP）的后端服务器集合，提供对资源、工具和提示模板的托管与执行，并通过 JSON-RPC 与 MCP 客户端进行通信，支持多种传输方式，适用于为大语言模型（LLM）客户端提供上下文与功能服务的后端架构。仓库内包含 Python 与 TypeScript 实现的多个 MCP 服务器实例及客户端示例，覆盖新闻、YouTube 工具箱、Notion 驱动的框架资源等场景。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源管理、工具注册与执行、Prompt 模板渲染等上下文服务，并通过 JSON-RPC 与客户端通信，支持会话管理与多传输协议接入。

基于 Model Context Protocol (MCP) 的后端服务，面向 Strudel 音乐助手，提供资源管理、工具执行与提示模板等上下文信息，通过 JSON-RPC 与 LLM 客户端进行交互，并支持基于文件系统的存储与扩展工具集。

基于 Model Context Protocol（MCP）的后端服务器实现，面向大语言模型客户端提供资源管理、工具注册与执行，以及提示模板的渲染等核心能力，并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明及多传输协议（如 Stdio、SSE、WebSocket）以实现安全、可扩展的上下文服务框架。

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。

为 AdonisJS 应用提供 Model Context Protocol 集成，支持工具、资源和提示管理

基于Rust的高性能多模态AI推理引擎，提供完整的Model Context Protocol服务器实现，支持文本、视觉、语音和图像生成模型

快速构建 MCP 服务器应用的起始样板，包含基础工具、资源、提示模板示例。

提供工具和提示的MCP服务器，扩展大型语言模型能力，支持多种工具和提示模板，简化LLM应用开发。

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。