找到 5 个结果
基于 Model Context Protocol (MCP) 的服务器实现，为 AI Agent 提供长时记忆、工具执行和资源管理能力，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多种传输通道（如 StdIO、SSE、WebSocket）。
一个将 Brian 知识库功能暴露为 MCP (Model Context Protocol) 服务的后端实现。通过 JSON-RPC 形式与客户端交互，提供资源管理、工具执行、以及基于知识库的上下文拼接与推理支持，便于 LLM 客户端（如 Goose）进行外部知识查询与操作。
基于 Model Context Protocol (MCP) 的后端服务器，为 LLM 客户端提供对瑞士法院判例数据的资源访问与工具调用，通过 JSON-RPC 在标准输入输出(stdio)传输，与客户端进行交互，支持搜索、获取判决、统计等功能。
基于 Model Context Protocol 的 MCP 服务器实现，用于向大语言模型客户端提供包生态数据的上下文和查询工具；在本地 SQLite 数据库可用时优先使用本地数据，无法时回退到远端 API；通过 JSON-RPC 提供工具调用、健康检查等能力，支持标准的 stdio 通道进行通信。
基于模型上下文协议（MCP）的后端服务，实现了通过标准 JSON-RPC 对外提供资源管理、工具注册与执行、以及上下文相关提示/工作流的能力。该实现以 stdio 为传输介质，供 LLM 客户端（如 Claude Code、Cursor、Gemini CLI、Codex CLI 等）调用并集成到软件工程场景的推理与协作中，内部使用 SQLite DB 存储知识组件与工作流状态，支持多阶段的 FP F（First Principles Framework）推理循环。