"模型上下文协议"标签的搜索结果

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源与工具的托管与管理、提示模板渲染、以及对外部 MCP 客户端的工具注册与执行能力；同时内置认证、秘密管理、Docker 隔离等安全与扩展特性，支持多传输协议（HTTP/SSE、stdio、WebSocket 等）并通过 JSON-RPC 与客户端通信，形成面向 LLM 场景的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务，提供对 OMOP CDM 数据库的资源、工具与 Prompt 的标准化暴露，并通过 JSON-RPC/TCP/HTTP 等传输方式与 LLM 客户端进行交互。该实现包含服务器端工具、提示、示例查询及 SQL 执行能力，支持本地 Stdio 以及 HTTP 传输。

基于 Model Context Protocol 的多 MCP 服务器后端网关，提供统一的 JSON-RPC 服务来托管资源、注册工具并渲染提示模板，通过 FastAPI 将多个独立 MCP 服务器整合为一个可扩展的上下文服务入口。

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) 的观测型后端代理，作为 MCP 客户端与服务器之间的透明中间件，实现对 JSON-RPC 请求/响应的零拷贝透传，同时提供实时可视化、历史日志与可选的审计签名能力，帮助开发者在不干预执行的前提下对工具链进行观测和回放。

基于 Model Context Protocol（MCP）的后端服务，提供资源管理、工具注册/执行与提示模板渲染等能力，并通过 JSON-RPC 与 LLM 客户端进行标准化通信，支持多种传输协议与会话管理以实现安全、可扩展的上下文服务。

基于模型上下文协议（MCP）的后端服务实现，提供资源管理、工具执行与提示模板渲染等能力，并通过 JSON-RPC 与客户端通信。实现了服务器端的工具注册与执行、资源导出与资产管理、以及对 Prompts/模板的支持，支持多传输协议（如标准输入/输出、SSE、WebSocket 等），用于为大模型/LLM 客户端提供标准化的上下文服务与能力暴露。

基于模型上下文协议（Model Context Protocol，MCP）的后端示例，封装 Shirtify 代理并通过send_message工具向MCP客户端提供上下文对话能力与外部功能调用，支持 SSE/streamable_http 等传输模式的JSON-RPC风格交互。

基于 Model Context Protocol 的 MCP 服务器实现，提供翻译、分析与能力声明等核心服务，通过标准化接口向多语言客户端提供资源访问、工具执行与 Prompt 模板相关能力，并以 JSON-RPC 风格的 API 与客户端交互，具备会话管理、能力声明、以及可扩展的传输与部署方式，适配代码翻译及形式化验证等后续扩展场景。

基于 Model Context Protocol (MCP) 的可信服务端实现，提供资源、工具注册与执行、以及提示模板渲染等核心能力，支持端到端安全传输并可通过多种传输方式与客户端对话。该实现包含服务器逻辑、信任机制整合、以及面向 MCP 客户端的安全传输客户端接口。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源托管、工具注册与执行、Prompt 模板渲染等核心能力，并支持多传输协议（如 WebSocket、MQTT/UDP 等）通过 JSON-RPC 与客户端通信，面向边缘设备和物联网场景的上下文服务解决方案。

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 的 MCP 后端服务器，实现资源与工具的管理，并通过 JSON-RPC 接口与 LLM 客户端进行交互，支持多工具与内容生成功能。

基于模型上下文协议（MCP）的 Rust 实现，提供服务器端与客户端的完整 MCP 功能，包括资源、工具、提示的托管与管理，以及通过 JSON-RPC 的请求/响应处理，支持多传输通道（stdio、TCP、HTTP SSE）与会话管理，面向在 AI 应用中提供上下文与功能的后端服务。

基于模型上下文协议（MCP）的服务器实现，向LLM客户端提供ATLAS Central Page的资源、工具与提示模板的统一访问接口，支持JSON-RPC风格请求/响应，以及多传输模式（如STDIO、HTTP）以服务化LLM上下文信息和能力查询。

基于模型上下文协议（MCP）的后端实现，向 MCP 客户端暴露 Klondike Spec 的资源、工具和提示模板等能力，并通过 JSON-RPC 形式处理请求与响应，支持多传输协议用于与大型语言模型的无缝对接。

基于 Model Context Protocol（MCP）的后端服务器框架，提供资源与工具管理、提示模板，以及通过 JSON-RPC/HTTP/WebSocket 等协议与客户端交互的上下文服务能力。

基于 Model Context Protocol (MCP) 的服务器端实现示例，展示如何通过 JSON-RPC 提供资源管理、工具执行与 Prompt 模板渲染等核心能力，并支持通过标准输入输出 (stdio) 的传输模式与客户端进行通信，适合作为学习和实验用途的 MCP 服务器实现。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于向 Claude Code 客户端以标准化方式提供资源管理、工具注册与执行、以及提示模板渲染等功能，支持通过 JSON-RPC 与客户端通信，并提供本地/云模型的嵌入索引、检索与分析能力。该仓库实现了完整的 MCP 服务器端逻辑与相关工具集成，而不仅仅是客户端示例。

基于 Model Context Protocol (MCP) 的后端服务器实现集合，提供 Resources 的托管与管理、Tools 的注册与执行，以及可扩展的提示模板/交互能力，并通过标准化的 JSON-RPC 风格接口与 LLM 客户端进行通信，支持会话管理与多种传输场景。当前实现包括 MemoryMCPServer 与 RAGMCPServer 等服务器骨架，可作为 MCP 客户端对接的后端服务端。

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。

基于模型上下文协议（MCP）的服务器实现组件，作为 Polar 电子应用的一部分，提供工具定义查询、工具执行与健康检查等核心接口，通过 HTTP 端点与客户端通信，并通过 Electron 渲染进程 IPC 与后台工具 definition/执行能力对接，从而向 LLM 客户端暴露资源、工具与提示渲染能力。

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 Prompt 模板的定义与渲染，并通过 JSON-RPC 与客户端通信，支持多传输协议（如 STDIO、SSE、WebSocket）以为 LLM 客户端提供可扩展的上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，向大型语言模型（LLM）客户端提供统一的资源/工具/提示模板等上下文服务，通过 JSON-RPC 进行通信，并支持多传输协议与会话管理，内置 Word/Excel/PPT/PDF 等办公文档处理能力的托管实现。

基于模型上下文协议（MCP）的服务器端实现，面向后端提供统一的资源管理、工具注册与执行、以及 Prompt 模板的定义与渲染。通过 JSON-RPC 与客户端通信，支持会话管理、能力申明，并可通过多种传输协议（如 STDIO、SSE、WebSocket）实现安全、可扩展的上下文服务，方便 LLM 客户端调取资源、执行工具与获取定制的 Prompt。该仓库明确包含 MCP 相关的服务端实现与集成能力。

基于 Model Context Protocol 的 MCP 服务器，使用 Spring Boot 实现，提供 MonicaHQ CRM 数据的资源访问、工具调用及内容渲染，支持 STDIO 与 WebSocket/HTTP 等传输模式，面向大语言模型客户端（如 Claude Desktop）提供标准化的上下文服务。该服务器实现了资源管理、工具注册与执行，以及提示模板渲染等核心能力，以 JSON-RPC 2.0 进行通信。

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（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执行，并通过 JSON-RPC 与客户端进行通信，支持多种传输协议（如 Stdio、SSE、WebSocket/HTTP）以实现对本地资源、外部能力和交互场景的可扩展上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，向 MCP 客户端提供标准化的资源访问、工具执行和 Prompt 模板渲染等能力，支持多传输协议和会话管理，适配 Claude Desktop 等 MCP 客户端的上下文服务需求。

基于模型上下文协议（MCP）的服务器实现，提供对 Cursor 规则、工具调用和工作流指南的标准化上下文服务，便于与LLM客户端集成与扩展。

基于 Model Context Protocol (MCP) 的后端服务，提供将结构化数据转换为 TOON 格式以实现显著的令牌节省，并对接 Claude Code 插件与 MCP 客户端，暴露工具调用与资源访问能力，支持通过标准输入输出（stdio）进行通信与会话管理，同时内部集成本地统计指标。

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。

一个基于 Model Context Protocol 的最小可运行服务器实现，使用 stdio 传输，与客户端通过 JSON-RPC 进行交互，公开一个简单的 hello 工具，便于开发者快速上手 MCP 服务端开发。

基于模型上下文协议（MCP）的后端实现，作为 YakShaver 桌面应用的服务端，负责托管与管理内部 MCP 服务器、注册与执行工具，以及定义与渲染提示模板，通过 JSON-RPC 进行与 LLM 客户端的标准化通信，提供安全、可扩展的上下文服务框架。

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 Model Context Protocol（MCP）的后端服务器，提供资源管理、工具注册与执行、以及 Prompts 定义与渲染等能力，并通过 JSON-RPC 与 LLM 客户端进行通信，同时集成对 OpenAI/Claude API 的代理访问能力，面向 Cursor 等前端实现上下文服务。

基于 Model Context Protocol (MCP) 的 Jenkins 服务端实现，提供对外暴露的工具、资源与提示等上下文能力，支持通过 JSON-RPC 进行通信，包含 SSE、流式等传输端点以及对 Jenkins 实例的会话与能力声明管理。

基于模型上下文协议（MCP）的后端服务器，提供 MCP 指令注册与执行、资源与工具的管理，以及提示模板的渲染，供大模型客户端通过 JSON-RPC 调用，并可通过多传输协议进行通信。

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。

基于 Model Context Protocol 的 MCP 服务器端实现，提供资源、工具与示例性提示模板等能力，支持通过 JSON-RPC 与客户端通信，且实现了通过不同传输协议（如 SSE/HTTP）进行交互的服务器端逻辑。

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) 的后端治理与资源/工具/提示模板管理服务器，面向 LLM 客户端提供标准化的上下文数据、可注册/执行的工具集以及可渲染的 Prompt 模板。服务器通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并具备扩展传输协议（如 STDIO、SSE、WebSocket）的能力，为 LLM 应用提供安全、可审计的上下文服务框架。

基于Model Context Protocol，提供BMI计算和天气查询工具的服务器示例。

一个MCP服务器代理，用于管理和过滤多个后端MCP服务器的能力，优化LLM客户端的上下文使用。

为AI代理提供标准化的股票价格查询工具服务，基于模型上下文协议(MCP)实现。

Snowgoose仓库内包含的一个基于Model Context Protocol (MCP) 的简单时间工具服务器实现。

基于Spring AI框架构建的MCP服务器，提供资源、工具和Prompt模板管理，并通过SSE实现与LLM客户端的通信。

为 Groq 模型提供基于模型上下文协议 (MCP) 的服务器，支持实时信息问答和代码执行工具。

ContextBase Server 是一个专为AI应用设计的模型上下文协议（MCP）服务器，用于安全地存储、管理和检索用户上下文信息，支持构建个性化和持久化的AI交互体验。

MCP Lite 是一个基于 Ruby 开发的轻量级模型上下文协议（MCP）服务器实现，旨在为 LLM 应用提供高效、可扩展的上下文服务框架。

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。

Proxy Base Agent是一个基于Proxy Structuring Engine (PSE)构建的状态化Agent框架，通过MCP协议支持动态扩展工具能力，保证Agent工具调用的可靠性。

Go-MCP 是一个 Go 语言 SDK，用于构建和交互 Model Context Protocol (MCP) 应用，支持服务端和客户端实现。

基于 RESTful API 的 MCP 服务器传输层实现，支持通过 HTTP 协议接收和发送 MCP 消息。

Sentry MCP服务器是一个原型项目，旨在为LLM应用提供访问Sentry错误监控数据的工具，作为模型上下文协议（MCP）的远程服务端。

go-modelcontextprotocol是一个Go语言库，用于构建符合模型上下文协议（MCP）的服务端应用，提供资源管理、工具注册和Prompt模板定义等核心功能。

Figma Context MCP Server是一个基于模型上下文协议（MCP）的服务器，旨在将Figma设计数据以结构化的方式提供给AI编码工具，从而提升AI代码生成的准确性和设计一致性。

Pebble是一个通用通信协议库，旨在为AI Agent提供标准化的上下文服务，支持模型上下文协议（MCP），并实现跨框架的Agent交互。

为AWS Lambda函数提供MCP服务器基础设施，支持SSE协议，简化LLM应用在AWS环境中的上下文服务构建。

通过模型上下文协议(MCP)连接AI模型与GIMP，实现图像编辑的智能化扩展。

为 EventCatalog 提供 MCP 接口，支持 Claude、Cursor 等 MCP 客户端访问 EventCatalog 的架构文档和信息。

Rust实现的模型上下文协议(MCP)库，提供构建MCP服务器和客户端的工具和库。

AgentIQ是一个灵活的库，旨在将企业级智能体与各种数据源和工具无缝集成，并兼容模型上下文协议（MCP），作为一个有效的MCP服务器实现。

Image Generation MCP Server是一个基于Model Context Protocol的后端应用，允许LLM客户端通过调用工具生成图像，并支持配置图像参数和保存路径。