"提示模板"标签的搜索结果

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) 的完整 MCP 服务端框架与生态系统，提供可扩展的 MCP 服务器实现、资源与工具托管、提示模板渲染，以及通过 JSON-RPC 与客户端通信的能力，支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理，适用于搭建支持 LLM 的上下文服务后端。

基于模型上下文协议（MCP）的后端服务器实现，提供本地资源管理、外部工具调用和提示渲染，支持与LLM客户端通过JSON-RPC进行交互，具备SQLite持久化与外部天气API查询等功能。

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 的 MCP 服务器实现，提供资源、工具与提示模板的管理以及 JSON-RPC 通信，支持标准化的上下文服务与多传输协议。

基于 Model Context Protocol (MCP) 构建的后端服务器，向大语言模型（LLM）客户端提供标准化的上下文服务，包括资源（Resources）的管理、工具（Tools）的注册与执行，以及提示模板（Prompts）的定义与渲染；通过 JSON-RPC 与客户端通信，支持会话管理与多传输协议（如 STDIO、SSE、WebSocket）的扩展能力。

基于模型上下文协议（MCP）的后端服务，向大型语言模型客户端提供资源、工具和提示模板的上下文能力，通过 JSON-RPC 的方式进行请求/响应，并支持多种传输协议（如 STDIO、SSE、WebSocket）以实现安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 Avanza 公共市场数据的资源、工具与提示模板，通过 JSON-RPC 与 LLM 客户端交互，支持资源管理、工具注册与提示渲染，便于构建可扩展的上下文服务。

基于 Model Context Protocol 的后端 MCP 服务器，实现资源、工具、提示模板等核心接口，使用 JSON-RPC 与客户端通信，向 LLM 客户端提供资源访问、工具调用与提示渲染能力，并支持多种传输协议（stdio、SSE、streamable-http 等）。

基于 Model Context Protocol (MCP) 的后端实现，提供资源管理、工具注册/执行、Prompt 定义与渲染等能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理与多传输协议，作为 LLM 应用的上下文服务后端。

基于 Model Context Protocol (MCP) 的后端服务器（MeMesh，原 Claude Code Buddy），为大语言模型客户端提供记忆化上下文、资源管理、工具执行与可定制的 Prompt 模板渲染，支持 JSON-RPC 通信、会话管理以及多传输协议（如 Stdio、SSE、WebSocket）。

基于 Model Context Protocol (MCP) 的服务器实现，向 LLM 客户端暴露资源、工具以及 Prompt 模板等分析能力，支持多种传输方式并提供会话与能力声明等 MCP 核心功能。

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（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 服务器端实现，提供资源管理、工具注册与执行，以及 Prompt 模板渲染等能力，面向大语言模型（LLM）客户端提供标准化的上下文服务。

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 (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 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。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具和提示模板的标准化管理与对外接口，支持 HTTP 与 STDIO 等传输模式，面向大语言模型客户端的上下文服务。

基于模型上下文协议（MCP）的后端服务器实现，提供资源管理、工具调用与提示模板渲染的标准化上下文服务，并通过 JSON-RPC 与 Claude Code 等客户端交互，支持可扩展的传输模式与会话管理。

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。

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 的后端服务，提供资源管理、工具注册/调用以及提示模板渲染等能力，通过 JSON-RPC 与客户端通信，并集成 Rossum API 提供安全、可扩展的上下文服务。

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。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具与提示模板的托管、注册与渲染，支持基于 JSON-RPC 的通信、会话管理以及多种传输协议（如 STDIO、HTTP、SSE）以供 LLM 客户端调用。

基于 Model Context Protocol (MCP) 的后端服务器实现，作为 Plan Cascade 的 MCP 服务端，向 LLM 客户端提供标准化的资源管理、工具注册与执行，以及 Prompt 模板渲染等能力，采用 JSON-RPC 进行请求/响应通信，支持多传输协议、会话管理与能力声明，确保安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务，向 LLM 客户端提供资源管理、工具注册/执行以及提示模板渲染等标准化上下文服务，支持多传输协议并实现会话与能力声明等 MCP 核心能力。仓库中包含用于集成 LispLang LangGraph 与 Playwright 的 MCP 服务实现、以及与 Argus E2E 测试引擎的对接插件。

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 Model Context Protocol 的 MCP 服务器实现，提供资源、工具、提示模板的托管与管理，以及通过 JSON-RPC 与客户端进行通信，支持多传输通道，供大语言模型应用安全、可扩展地获取上下文与外部功能。

基于 Model Context Protocol 的 MCP 服务器实现，负责向 LLM 客户端以标准化格式提供技能资源、工具注册与执行、以及 Prompt 模板的渲染，支持会话管理、能力声明，并通过 JSON-RPC 与客户端进行通信，具备沙箱化执行、工具调用以及多传输协议的能力。该实现包含服务器端逻辑、工具/技能管理、以及对外暴露的 MCP 接口，属于服务器端实现而非仅仅的客户端示例。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管与管理、工具注册与执行、以及 Prompt 模板渲染等核心功能，能够通过 JSON-RPC 与 LLM 客户端进行上下文信息与功能的标准化交互。服务器端负责会话管理、能力声明与多传输通道支持（如 Stdio、SSE、WebSocket），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) 的后端服务器，实现资源(Resource)托管、工具(Tools)注册与执行，以及 Prompt 模板的定义与渲染，并通过 JSON-RPC 与客户端通信，提供安全、可扩展的上下文服务，便于 LLM 进行集成查询和调用外部功能。

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。

一个完整的MCP服务器实现，提供资源、工具、提示模板等上下文服务，支持JSON-RPC通信、会话管理与多传输协议，面向本地开发、调试和集成OpenAI/Claude等LLM应用。

基于 MIESC 的 MCP（Model Context Protocol）服务器实现，提供资源托管、工具注册与执行、提示模板定义等功能，并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明以及多种传输协议的上下文服务能力。

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。