"资源管理"标签的搜索结果

基于 Model Context Protocol (MCP) 的后端服务器实现，为 LLM 客户端提供资源管理、工具注册与执行、以及可自定义的 Prompt 模板渲染等上下文服务，支持 JSON-RPC 通信及多传输协议（如 STDIO、HTTP/SSE/WebSocket）以实现安全、可扩展的后端上下文服务。

基于 Model Context Protocol (MCP) 构建的 MCP 服务器实现，负责以标准化方式向 LLM 客户端提供上下文信息与功能，包括资源管理、工具注册与执行，以及 Prompts 的定义与渲染，支持本地/远程 relay 环境与多传输通道的 JSON-RPC 通信。

基于 Model Context Protocol（MCP）的后端框架，提供资源托管、工具注册与执行、以及基于模板的 Prompt 渲染，支持 JSON-RPC 通信与多传输协议（如 StdIO、SSE、WebSocket）以向 LLM 客户端提供上下文信息与外部功能。仓库不仅包含客户端示例，还实现服务器端能力、Prompts 及与客户端的集成运行逻辑。若要在实际环境中搭建 MCP 服务器，可使用内置的 MCP Prompts 服务器和通用服务器配置来对接不同的 MCP 客户端。

基于 Model Context Protocol (MCP) 的服务器实现，提供通过 HTTP SSE/STDIO 传输的 JSON-RPC 风格接口，管理资源、注册与执行工具、定义与渲染提示模板，面向大语言模型（LLM）客户端提供标准化的上下文服务和功能调用能力。

基于 Model Context Protocol (MCP) 的服务器实现，提供标准化的后端上下文服务，能够向客户端暴露 Resources、Tools，以及通过 MCP 协议读取和执行操作的能力，并以 JSON-RPC 形式进行请求/响应。实现了 MCP 的核心处理路径（初始化、获取资源、读取资源、列出工具、执行工具），并提供一个可运行的服务器接口入口（包括在 STDIO 模式下接收请求并返回响应的能力）。

基于 Foobara 的 MCP 服务器实现，提供资源(Resource)、工具(Tools)、提示模板(Prompts)等 MCP 组件的服务器端能力，通过 JSON-RPC 形式在 STDIO 通道下与客户端进行上下文信息与功能交互，支持命名域、会话、与命令注册的 MCP TOOL 列表与调用等核心能力。

基于 Model Context Protocol (MCP) 的后端服务器集合，提供资源、工具、提示模板等能力，供大语言模型（LLM）通过 JSON-RPC 方式调用和使用，用于资源管理、工具执行、提示渲染等场景。

基于 Flux 的 MCP（Model Context Protocol）服务器实现，提供标准化的资源管理、工具执行以及基于模板的提示渲染能力，以 JSON-RPC 方式与客户端交互，支持多传输（如 Stdio、HTTP/SSE），可为 LLM 客户端提供上下文和外部功能调用能力。

基于模型上下文协议（MCP）的多租户文档上下文服务端，提供资源托管、工具注册与执行、Prompts 定义与渲染等核心能力，并通过 JSON-RPC 与客户端通信，支持健康检查、会话管理与多传输协议扩展，适用于为大语言模型提供可控的上下文与功能门控。

基于 Model Context Protocol 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等能力，通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理、能力声明及多种传输形式，便于在编辑器、IDE 等环境中以标准化方式获取上下文信息与功能。该仓库实现了完整的 MCP 服务器端逻辑，包含任务发现、任务执行、结果与日志通知等核心能力。

基于 FastAPI 的 MCP 服务器实现，提供按标准化方式向 LLM 客户端暴露资源、工具和提示模板的能力，并通过 JSON-RPC 风格的 API 与客户端通信，支持多种传输方式（HTTP/SSE），实现会话管理与能力声明等 MCP 服务器核心功能。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对本地钥日志、屏幕截图及相关资源的访问、工具注册与执行能力，并通过 HTTP 传输实现与客户端（如 Claude Desktop 等 LLM 客户端）的 JSON-RPC 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 的 MCP 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，通过 JSON-RPC 与客户端通信，支撑 LLM 应用的上下文与功能服务。

基于 Model Context Protocol 的服务器端实现，作为 MCP 后端为 LLM 客户端提供资源、工具、Prompts 的标准化上下文与功能服务，通过 JSON-RPC 与客户端通信，并支持多种传输方式的扩展与会话管理。

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 Titan Memory 的 Model Context Protocol (MCP) 服务器，采用 JSON-RPC 与客户端进行资源、工具、提示模板等上下文能力的标准化交互，支持多传输协议、会话管理与安全认证，面向 LLM 客户端提供可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的完整后端服务器实现，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等核心能力，通过 JSON-RPC 与 LLM 客户端通信，支持 Godot 引擎与编辑器插件的桥接执行，满足在多传输通道下的上下文服务需求。

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 Ray Serve 的 MCP（模型上下文协议）服务端实现，提供注册、管理与暴露 MCP 服务器的能力，并通过 HTTP/JSON-RPC 风格接口与客户端进行资源读取、工具调用与请求渲染等交互，同时支持通过侧车代理实现对外部 MCP 服务器的访问控制与转发。

基于 Model Context Protocol (MCP) 的 MCP 服务器实现，围绕 Swarm 的 Hive/Hivemind/Swarmmail/Swarm 工具等组件，通过标准化的 JSON-RPC 接口向 LLM 客户端暴露工具注册、资源访问、提示模板等能力，并以 stdio 为传输实现服务器端与客户端的通信与协作。

基于 Model Context Protocol (MCP) 的后端服务器实现集合，用于向大语言模型客户端提供统一的上下文服务，包括资源（Resources）的托管与访问、工具（Tools）的注册与执行，以及提示模板（Prompts）的定义与渲染。仓库内含 Memory Bank 与 Cursor Shortcuts 两个成熟的 MCP 服务器实现示例，均通过标准的 JSON-RPC 形式与客户端通信，并提供以Stdio等多种传输方式的支持。

基于 Model Context Protocol（MCP）的后端服务器，实现资源对接、工具注册/执行与提示模板渲染等能力，向大语言模型客户端提供标准化的上下文服务，通过 JSON-RPC 进行通信，支持多传输协议和会话管理，适用于多实例协同的上下文服务场景。

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) 的企业级后端服务集合，提供资源管理、工具注册与执行、以及可渲染的 Prompt 模板等能力，用于向大语言模型客户端提供上下文与外部功能访问。仓库中包含多种以 MCP 为核心的服务器实现示例，支持不同传输方式（SSE、HTTP、stdio 等）与部署场景，覆盖从工具注册到调用、以及与外部系统的集成等完整场景。

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）的知识库后端服务器实现，提供资源管理、工具执行以及提示模板等功能，并通过 JSON-RPC 与 LLM 客户端进行标准化交互，支持网络访问与安全认证。该仓库中存在实现 MCP 的服务器端代码（如 mcp_kb_server.py、feonix_kb_server.py 等），实现了 Initialize、Tools、Resources 等 MCP 端点及健康检查等功能。

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 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) 的后端服务，向大模型客户端以标准化方式提供资源、工具与提示模板等上下文能力；通过 JSON-RPC 与客户端通信，支持多传输协议（stdio、SSE、WebSocket），并实现会话管理、能力声明以及对 MCP 请求/响应的处理。

基于 Model Context Protocol (MCP) 的后端服务集合，提供资源管理、工具注册与执行，以及可渲染的 Prompt 模板，支持 JSON-RPC 风格通信和 STDIO/WebSocket 等传输协议，用于向 LLM 客户端暴露上下文、工具和资源等能力。

基于 Model Context Protocol 的 MCP 服务器实现，向 LLM 客户端以标准化方式提供资源、工具与 Prompt 的注册、执行及渲染能力，并通过 JSON-RPC 进行通信，支持会话管理与多传输协议的后端上下文服务。

Nosia 的 Model Context Protocol（MCP）后端实现，负责向大语言模型客户端提供资源、工具与提示模板等上下文能力，并通过 MCP 协议规范化地对接外部服务与数据源，支持多租户场景、会话状态管理以及多种传输方式（如 STDIO、SSE、WebSocket），以实现对外部能力的扩展与整合。该项目不仅具备服务端管理能力，还通过服务器端的工具、提示和资源管理，促进 LLM 与外部系统的无缝交互。

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 Model Context Protocol 的 MCP 服务器实现，用于以标准化的 JSON-RPC 方式向 LLM 客户端提供资源、工具及上下文相关功能，采用标准输入输出（STDIN/STDOUT）进行通信，便于 Claude Code 等客户端对接执行与查询。

基于 FastAPI 的 MCP（Model Context Protocol）服务器实现，提供对资源、工具和提示模板的托管与执行能力，支持与单个或多服务器协作、OAuth/API Key 授权、工具同步、以及流式传输等特性，面向 LLM 客户端提供标准化上下文服务。

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。

基于模型上下文协议（MCP）的后端服务器，向大语言模型客户端提供资源管理、工具执行与提示模板的统一上下文服务，并通过 JSON-RPC 与客户端进行通信。

基于 Model Context Protocol (MCP) 的后端服务，向支持 MCP 的大语言模型客户端提供视频上下文资源、工具与提示模板，通过 JSON-RPC 进行统一通信，并可通过标准化传输协议（如_stdio、SSE、WebSocket）实现会话管理与能力声明，作为视频理解型 LLM 应用的上下文服务框架。

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、以及提示模板渲染等核心能力，并通过 JSON-RPC 与 LLM 客户端进行上下文与功能交互，部署在 Cloudflare Workers 中以实现安全、可扩展的上下文服务。

一个包含多种 MCP 服务实现和协调网关的综合后端，提供资源管理、工具注册与执行、提示模板渲染等 MCP 功能；通过 JSON-RPC 风格的请求/响应在各 MCP 服务之间路由调用，并提供多传输与完整的监控能力（如 PostgreSQL、Redis、Grafana/Loki 等）。该仓库实现了 MCP 服务器模板、网关协调、工具路由、以及多模型/多服务的协同工作能力，适合作为 LLM 客户端的上下文与功能服务后端。

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。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具、提示模板等上下文信息的管理与执行，并通过 JSON-RPC 与 MCP 客户端进行通信，支持并发执行、会话管理与多种传输方式以支持对话型 AI 应用。

基于 Model Context Protocol 的 MCP 服务器实现，向大语言模型客户端提供资源数据、工具执行能力和 Prompt 模板渲染等上下文服务，支持通过标准化的 JSON-RPC 方式交互，并可通过 STDIO、SSE/HTTP 等传输协议进行通信与会话管理。

基于 Model Context Protocol (MCP) 的服务器端实现，作为后端上下文服务提供者，面向 LLM 客户端提供资源管理、工具执行和提示模板定义等功能，并通过 JSON-RPC/MCP 协议进行通信。实现了资源、工具、提示、多模态信息处理、会话管理以及通过配置驱动的行业路由与风险等级评估等能力。

基于 Model Context Protocol（MCP）的后端实现，向大语言模型客户端提供测试管理的上下文、资源、工具及提示模板渲染，并通过 JSON-RPC 的 MCP 协议与客户端进行通信与协作。

基于 Model Context Protocol (MCP) 的后端服务，向大型语言模型（LLM）客户端提供 Griffin API 的资源、工具和提示模板，并通过 JSON-RPC 进行交互，支持 STDIO 传输等多种传输方式，帮助在对话中访问和操作银行相关数据。

基于 Model Context Protocol (MCP) 的服务器端实现，提供通过 JSON-RPC/MCP 风格请求处理资源、工具与提示模板等功能，以及对代理人会话、工具注册、资源管理和跨进程通信的完整支持，底层以 relay-pty 提供的 UNIX 套接字和 PTY 注入机制实现，具备多种传输与扩展能力。

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（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，并通过 JSON-RPC 与客户端通信，支持本地 IPC 与 WebSocket 等传输方式，面向 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端实现，作为 StoreConfig 的 MCP 服务器，向 LLM 客户端提供 JSON 结构化的资源、工具和上下文内容，支持通过 JSON-RPC 的请求/响应方式进行资源查询、工具执行、以及对配置模板的交互渲染，帮助 AI 辅助的配置管理场景。

基于模型上下文协议（MCP）的后端服务器，向LLM客户端提供资源管理、工具执行和提示模板等上下文信息，支持多传输协议（如 Stdio、HTTP/WebSocket），通过 JSON-RPC 进行请求-响应交互。该实现覆盖资源、工具、Prompts 的注册、查询与渲染，以及会话管理与安全能力声明等核心功能，构成可扩展的对话上下文服务框架。

基于 Model Context Protocol（MCP）的后端实现，提供当前最先进模型的信息、硬件感知的资源筛选、可调用的工具，以及可渲染的提示模板；通过 JSON-RPC 与客户端通信，支持多传输通道，用于在 LLM 客户端中统一提供上下文信息与能力。

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) 的后端服务器实现，提供资源（Resources）管理、工具（Tools）注册与执行、以及提示模板（Prompts）的渲染等能力，允许通过 JSON-RPC 与 LLM 客户端进行标准化交互，支持多传输协议（如流式 HTTP、StdIO、SSE、WebSocket），为 LLM 应用提供安全、可扩展的上下文服务框架。仓库内包含基于 Python 的 FastAPI 实现（以及可选的 Node.js 实现结构），实现完整的 MCP 服务端功能与实际数据源集成。

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。

一个基于 Model Context Protocol (MCP) 的完整 MCP 服务器实现，作为后端上下文服务向 LLM 客户端提供资源管理、工具执行和 Prompt 渲染等能力。服务器通过 MCP 标准接口处理来自 LLM 的请求，管理会话与能力声明，并使用 SQLite 持久化资源状态与依赖关系，支持通过 stdio 传输渠道与客户端进行通信，便于在本地或集成开发环境中快速原型与迭代。

一个实现模型上下文协议（MCP）核心功能的后端服务器集合，提供 Weather、Tech News、Math 等 MCP 服务端实现示例。基于 FastMCP 库构建并通过标准的 MCP 传输（如 stdio）暴露工具接口，便于 MCP 客户端注册、请求资源与执行工具，形成标准化的上下文服务后端。

基于 Model Context Protocol 的后端服务实现，提供资源托管、工具执行、以及提示模板渲染等能力，支持通过 JSON-RPC 与大语言模型客户端进行资源读取、外部功能调用、以及上下文管理等交互。服务器端提供 STDIO 传输的 JSON-RPC 服务，并可选搭建 HTTP 调试接口，适合将本地上下文服务嵌入到 AI 助手工作流中，便于对接 Kubernetes 资源、CRD、以及服务器端的 dry-run 验证等功能。

基于 Model Context Protocol 的多服务器后端实现，向 LLM 客户端提供资源、工具及可渲染的提示模板等上下文服务，通过 JSON-RPC 与客户端进行通信，支持多种传输方式，具备注册、管理、执行工具以及安全治理等能力。

基于 MCP Apps 规范的后端服务实现，提供资源的注册与管理、工具的注册与执行、以及按规范渲染与传递 UI 资源，支持多主机环境并通过 JSON-RPC 与客户端通信，包含服务端核心逻辑、中间件、实验性扩展与测试用例。

基于 Model Context Protocol (MCP) 的后端服务，提供统一的资源管理、工具调用和提示渲染能力，以便向大模型客户端（LLM）提供可访问的上下文信息和功能。实现包含对资源（Memory）的托管、工具注册与执行，以及对提示/上下文的组织与渲染，支持通过标准输入输出（stdio）以及 TCP/HTTP 钩子等多种传输方式进行 JSON-RPC 交互。

基于 Model Context Protocol (MCP) 的后端服务实现，提供对资源(Resource)、工具(Tools)及提示模板(Prompts)的管理与执行能力，并通过标准的 JSON-RPC 与客户端进行通信。支持多服务器配置、OAuth 与微支付等扩展能力，能够作为 LLM 客户端的上下文与功能提供端。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源（Resources）托管与访问、工具（Tools）注册与执行、以及 Prompt 模板的自定义渲染，使用 JSON-RPC 与客户端通信，支持会话管理、能力声明并可通过多种传输协议（如 Stdio、SSE、WebSocket）对外暴露上下文服务，适用于让 LLM 客户端按统一协议获取上下文与外部功能。

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) 的后端服务器实现，提供资源托管与访问、工具注册与调用、以及提示模板的定义与渲染能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多种传输方式（如 STDIO、HTTP、WebSocket 等），用于为大语言模型提供统一的上下文与功能服务。

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。

一个用于 AI 代理的模型上下文协议（MCP）服务器实现，提供资源、工具和提示模板等上下文服务，并通过 JSON-RPC 与客户端进行交互。

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) 的后端服务器，提供资源、工具和提示模板的管理与执行，通过 JSON-RPC 与客户端通信，支持多种传输协议（stdio、WebSocket、SSE），用于向大语言模型（LLM）提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的在进程内 Ruby 实现的 MCP 服务器，用于向 Claude Agent 提供工具、资源和提示等上下文能力，并通过 JSON-RPC 风格的 MCP 协议进行通信。

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) 的后端服务器实现，提供资源、工具与 Prompt 模板的注册、管理、执行与渲染，并通过 JSON-RPC 与客户端进行通信，支持多种传输方式与会话管理，便于 LLM 客户端获取上下文信息与外部功能。

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 Model Context Protocol 的 MCP 服务器，实现 Hydra 项目的资源、工具与提示模板等能力的 JSON-RPC 访问与执行，支持多种传输模式，便于 LLM 客户端获取上下文信息与功能。<name></name>

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（MCP）的后端服务器实现；通过标准化的 JSON-RPC 方式向 LLM 客户端提供上下文信息、资源管理、工具注册与执行，以及可渲染的 Prompt 模板，支持多传输协议（如 Stdio、SSE、WebSocket），用于构建安全、可扩展的 LLM 上下文服务平台。

基于 Model Context Protocol 的后端 MCP 服务器实现，向大语言模型客户端提供资源管理、工具注册与调用、以及可渲染的 Prompt 模板等能力，通过 JSON-RPC/流式传输等方式进行通信，并具备会话管理、认证、备份与技能管理等完整功能。

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) 的后端服务器，提供资源托管与管理、注册与执行工具、以及 Prompt 模板的定义与渲染，面向大型语言模型（LLM）客户端，通过 JSON-RPC 与客户端通信，并支持会话管理、能力声明以及多种传输协议（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 Farnsworth 的 Model Context Protocol(MCP) 服务端实现；通过 MCP 协议向 MCP 客户端暴露资源管理、工具注册/执行以及提示模板等能力，支持多传输协议（如 Stdio、SSE、WebSocket），并实现会话管理与能力声明，提供一个安全、可扩展的上下文服务后端。

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) 的完整服务器端实现与示例，提供 JSON-RPC 2.0 交互、Stdio/HTTP 等传输、资源/工具/提示的管理，以及会话与扩展能力，面向将 MCP 服务化以供 LLM 客户端调用的后端应用。

InfoMosaic 提供基于 Model Context Protocol (MCP) 的服务器端实现框架，能够托管资源、注册并执行工具、定义并渲染提示模板，并通过多种传输方式对外提供上下文服务与能力声明。

基于 Model Context Protocol（MCP）的 AKS 后端服务器实现，向大型语言模型(LLM)客户端以标准化方式提供 AKS 资源、工具与提示模板，支持多种传输协议（stdio、SSE、streamable-http），并实现会话管理、能力声明以及安全认证能力。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染，向 LLM 客户端以标准化的 JSON-RPC 方式提供上下文、数据访问和外部功能调用能力。

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。

Roo Extensions 是一个面向开发者的 MCP 服务器生态，基于 Model Context Protocol 提供面向 LLM 客户端的资源管理、工具注册与执行以及可定制 Prompt 渲染等能力，核心通过 JSON-RPC 与客户端通信，并在多传输协议（如 Stdio、SSE、WebSocket）下提供会话管理、能力声明与扩展性，支持多 MCP 实例协同工作与跨机器同步。仓库中包含多个内部/外部 MCP 实例、同步系统 RooSync、SDDD 跟踪等组件，构成完整的后端上下文服务框架。

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。

基于模型上下文协议（MCP）的后端服务器实现，专注为大语言模型客户端提供标准化的上下文服务：托管资源、注册并执行工具、定义和渲染Prompt模板；通过 JSON-RPC 进行通信，具备会话管理与能力声明，并支持多种传输通道，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，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 (MCP) 的完整后端服务器实现，提供资源、工具和提示模板的托管与数据访问，通过 JSON-RPC 形式与 MCP 客户端通信，支持 HTTP 与 stdio 两种传输模式，并实现会话管理、能力声明及多工具集扩展与集成 Harness API 的能力。

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 的后端服务器实现，向大语言模型客户端提供资源托管、工具注册与执行，以及可渲染的 Prompt 模板，采用 JSON-RPC 进行通信，支持多种传输协议并具备会话管理与能力声明。

基于 Model Context Protocol (MCP) 的后端服务器实现，承载资源、工具和提示模板，并通过 JSON-RPC 与 LLM 客户端进行标准化交互，支持多种传输模式，便于向 LLM 客户端提供统一的上下文信息和功能入口。

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。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务器，向大语言模型客户端提供资源管理、工具注册/执行和提示模板渲染等能力，并通过 JSON-RPC 进行通信与协作，支持多传输协议（如 Stdio、SSE、WebSocket）和会话管理，提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端实现，提供对资源、工具与提示模板的托管、注册与渲染，并通过 JSON-RPC 风格接口与客户端交互，支持会话管理、能力声明与多种传输方式（如 StdIO、SSE、WebSocket）。

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 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、以及用于 LLM 的 Prompt 模板渲染。通过 JSON-RPC 与客户端通信，当前实现采用标准输入输出（Stdio）传输，读取客户端请求并输出响应；同时具备会话管理、能力声明与资源/工具渲染等核心能力，便于外部代理或图形化客户端接入以提供上下文信息与外部功能调用。

基于模型上下文协议的 MCP 服务器实现，提供资源、工具和提示模板的后端能力，通过 JSON-RPC 与客户端通信，注册并执行工具、管理会话并支持简单的 stdio 传输。

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）的服务端实现，提供标准化的资源管理、工具注册与执行、以及 Prompt 模板渲染等功能，支持通过 JSON-RPC 与 LLM 客户端通信，管理会话与能力声明，并具备多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，用于对接外部数据源、工具和上下文提示等，实现对 LLM 的上下文服务提供与编排。

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，作为 LLM 客户端的后端上下文服务，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 与客户端通信，支持多传输（如 STDIO、HTTP），并包含会话管理、能力声明与日志控制等核心特性。

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）的后端服务器，提供资源管理、工具注册与执行、以及提示模板的标准化上下文服务，面向 LLM 客户端通过 JSON-RPC 进行通信与交互。

基于 Model Context Protocol（MCP）的广告自动化后端实现，提供资源、工具和 Prompt 模板的托管与管理，并通过 JSON-RPC 与客户端进行通信，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（MCP）的服务器端实现，提供资源（Resources）托管与管理、工具（Tools）的注册与执行、以及 Prompt 模板的定义与渲染，并通过 JSON-RPC 与客户端进行安全、可扩展的上下文服务交互，支持多传输协议（如 Stdio、SSE、WebSocket）和会话管理等核心能力。

一个基于 Model Context Protocol (MCP) 的后端服务，加载内置与外部 SOP，将它们作为可调用的提示注册，通过 FastMCP 提供 JSON-RPC 服务供 MCP 客户端访问，用于向大型语言模型提供结构化上下文和功能性提示。

基于 Model Context Protocol 的 MCP 服务器，向大型语言模型客户端提供对 Azure Logic Apps 的资源、工具与工作流定义的标准化访问，使用 JSON-RPC 进行请求/响应，并通过标准的 Stdio 传输实现本地集成与扩展能力。

基于 Model Context Protocol 的 MCP 服务器，向大型语言模型客户端提供对 Gitea 实例的资源、工具与提示模板等上下文能力，支持资源访问、工具调用与提示渲染。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具的托管、权限化访问，以及 Prompt 模板的定义与渲染，外部通过 JSON-RPC 进行通信，支持多种传输协议（如 HTTP/WS/SSE），用于向 LLM 客户端提供可扩展的上下文服务与工具调用能力。

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，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 Model Context Protocol（MCP）的服务器端实现示例集合，展示如何暴露工具、资源与 Prompt 模板，并通过 JSON-RPC 与客户端进行通信，涵盖多种 MCP 服务端实现与用法，适合作为后端上下文服务的参考实现。

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 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) 的后端服务实现，提供资源托管与访问、工具注册与执行、以及提示模板渲染等能力，并通过 JSON-RPC 进行与 LLM 客户端的通信，支持多传输协议用于上下文服务的扩展性。

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 的 MCP 服务器实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染，支持 stdio、HTTP、SSE 等传输，并通过 JSON-RPC 与客户端进行消息交互，具备会话管理、能力声明及多传输协议支持等能力。

基于 Model Context Protocol 的 MCP 服务端，为 LLM 客户端提供 NiceGUI 资源、工具、文档与示例等能力，并通过 JSON-RPC 与客户端通信，支持资源读取、工具执行、主题索引、示例检索、组件信息查询以及可选的屏幕截图和主提示渲染等功能。

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 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，提供资源、工具、Prompt 的托管、读取和渲染能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多传输协议以提供安全、可扩展的上下文服务。

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。

基于 Model Context Protocol(MCP) 的后端服务，作为本地大模型应用的上下文提供者。该服务器托管与管理 Resources（数据资源）、Tools（可注册并供 LLM 调用的外部功能）以及 Prompts（Prompt 模板渲染），通过 JSON-RPC 与客户端通信，完成会话管理、能力声明以及跨传输协议（如 Stdio、SSE、WebSocket）的上下文服务，方便编辑器、IDE 以及本地模型进行组合式推理与扩展。仓库中明确包含 MCP 集成组件、启动脚本及相关文档，具备对 MCP 客户端的完整支持能力。

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，提供资源管理、工具注册与执行、Prompts 定义与渲染等能力，并通过 JSON-RPC 风格接口向 LLM 客户端暴露上下文与功能。服务器支持多种传输形式（HTTP）、会话管理、能力声明，以及可拓展的工具与资源生态，提升大模型在编码协作中的上下文服务能力。

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 Model Context Protocol 的 MCP 服务器实现，提供资源（Resources）托管与数据访问、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/WebSocket 等通道与 LLM 客户端进行标准化上下文服务交互。

基于模型上下文协议的后端实现，提供资源管理、外部工具注册与执行以及对外暴露的工具集合，支持通过标准化的 JSON-RPC 方式与客户端进行对话式上下文交互。

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，用于托管资源、注册与执行工具、渲染 prompts，并通过 JSON-RPC/事件流等协议为 LLM 客户端提供标准化的上下文服务与能力扩展。

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 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端以标准化的 JSON-RPC 方式提供资源管理、工具注册/执行以及 Prompt 模板渲染等上下文服务，支持会话管理、能力声明与多传输协议（如 stdio、SSE、WebSocket），旨在为 LLM 应用提供可扩展、安全的上下文服务能力。

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) 的后端服务器实现，提供资源（Resources）管理、工具（Tools）注册与执行、以及提示模板（Prompts）渲染，支持 stdio、Web 服务等传输协议，通过 JSON-RPC 与 MCP 客户端通信，向大模型客户端提供上下文、数据访问、外部功能调用等能力。

基于 Model Context Protocol（MCP）的服务器实现，用于向 LLM 客户端以标准化方式暴露资源、工具以及 Prompt 模板等上下文服务，支持通过多种传输协议与客户端通信，负责会话管理与能力声明，并可与 LangGraph 生态整合进行工具发现与执行。

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 MCP（Model Context Protocol）在 ESP32/ESP-IDF 上实现的 MQTT 传输 MCP 服务器，提供资源管理、工具注册与调用、以及 Prompt/模板支持，利用 JSON-RPC 与客户端通信，适用于边缘设备上的上下文与能力服务。

基于 Model Context Protocol（MCP）的完整服务器实现，提供资源管理、工具注册与执行、Prompts 定义与渲染，以及以 JSON-RPC 形式与客户端通信的能力，支持多传输通道（stdio、SSE、WebSocket）与会话管理，适合作为 LLM 客户端的上下文服务后端。

基于 Model Context Protocol（MCP）的服务器实现，作为后端上下文服务提供者，负责托管并管理 资源（如 UniAST/AST 数据、仓库结构等）、注册与执行工具，以及定义和渲染 Prompt 模板，供大语言模型（LLM）客户端通过 JSON-RPC 进行资源访问、工具调用与提示渲染等交互。实现了 MCP 服务端核心能力，支持 STDIO/HTTP 等传输模式的通信。

基于 MQTT 5.0 的 MCP 服务器实现，使用 paho-mqtt-c 库，提供资源管理、工具注册与调用、以及基于 JSON-RPC 的 MCP 请求/响应处理，支持服务器上线、会话管理和多客户端交互。

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，提供资源管理、工具注册与执行，以及提示模板渲染，使用 JSON-RPC 与客户端通信，当前实现通过标准输入输出传输（Stdio）提供 MCP 服务并暴露设计系统的令牌、组件规则与提示内容。

基于 Model Context Protocol (MCP) 的服务器端实现框架，提供资源、工具、提示的托管、注册、路由与多传输支持，面向 LLM 客户端的上下文服务。

基于 Model Context Protocol (MCP) 的多模型上下文服务后端，向 LLM 客户端提供资源管理、工具注册与执行、Prompt 模板渲染等核心能力；通过 JSON-RPC 与客户端通信，支持会话管理并兼容多种传输协议（STDIO/SSE/WebSocket），为 AI 应用提供可扩展、安全的上下文服务框架。

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（Model Context Protocol, MCP）的后端服务器，向大型语言模型（LLM）客户端以标准化方式提供资源数据、工具执行能力和可渲染的提示模板，支持多租户、会话管理以及通过 JSON-RPC 与客户端通信的上下文服务框架，适用于广告投放场景的自动化协作与执行。

将 Fess 转换为基于 MCP 的服务器，提供 JSON-RPC 2.0 的接口，用于资源、工具、提示等的管理与调用

基于 WeKnora 的 MCP（Model Context Protocol）服务器实现，向大模型客户端提供标准化的资源、工具与提示模板的上下文服务，并支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理，用于实现安全、可扩展的上下文环境。该服务器通过 JSON-RPC 与客户端进行通信，承载资源访问、工具注册/执行与提示渲染等核心能力。典型场景包括对接外部知识库、执行工具调用、以及渲染与提供定制化的 Prompt 模板。

基于 Fred 平台的 MCP 服务器实现，提供以标准化方式向大语言模型客户端提供资源、工具、提示模板等上下文与能力的后端服务，并通过 JSON-RPC/多传输通道进行通信。包含知识流后端的完整 MCP 服务、以及用于快速演示的最小 MCP 服务器示例和相应部署示例。

基于 Claude Code Workflow 的 MCP 服务器实现，使用 JSON-RPC 与客户端通信，核心职责是托管资源、注册工具、定义并渲染 Prompt 模板，为 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册/执行、Prompt 模板渲染，并通过 MCP/JSON-RPC 进行客户端交互，支持会话管理与跨协议传输，面向 LLM 客户端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，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 UI-TARS-desktop 的 MCP 服务实现与集成，为桌面端应用提供资源管理、工具注册与提示模板的统一上下文服务，通过 MCP 协议与 LLM 客户端进行交互；在本地环境中可以以 In-Memory/MCP 服务器等多种方式暴露工具与资源，并支持浏览器、文件系统等内置模块的扩展与组合使用，形成一个可运行的 MCP 服务端框架生态。

基于 Model Context Protocol（MCP）的后端服务器，用于通过标准化的 JSON-RPC 与客户端交互，提供对 YouTube 资源的托管和访问、工具执行以及 Prompt 模板渲染等功能。

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 (MCP) 的后端服务器，实现 Claude Code 会话的资源管理、工具执行与提示渲染，提供统一的上下文服务给 LLM 客户端，采用 JSON-RPC 进行交互，支持多传输方式并完成会话、资源、工具等能力的托管与管理。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管、工具调用以及资源渲染的服务端能力，并通过 JSON-RPC/ SSE 方式与客户端通信，支持多会话与会话管理，适用于在后端向 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的 HealthSim 后端实现，用于以标准化方式向 LLM 客户端提供上下文信息和功能，包括资源管理、工具注册/执行，以及提示模板渲染。服务器通过 JSON-RPC 与客户端通信，具备会话管理、能力声明，并对接多种传输协议（如 Stdio、SSE、WebSocket），为健康数据生成与模拟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，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 (MCP) 的高性能本地后端服务器实现，提供资源管理、工具注册与执行、以及基于模板的 Prompt 渲染，支持 JSON-RPC 标准交互、会话管理和多传输协议（如 STDIO、SSE、WebSocket），用于本地化的代码上下文理解与分析场景。内置多语言代码解析、符号与引用检索、调用图与安全分析等工具集，面向离线/隐私安全的 LLM 客户端提供丰富上下文服务。

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 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 Model Context Protocol (MCP) 的服务器端框架，聚合、管理资源与工具，并通过 JSON-RPC 将上下文、工具与提示暴露给 LLM 客户端，同时支持本地与远程 MCP 服务器的代理与协作。

基于Go实现的MCP后端服务器，提供资源管理、工具注册与执行、提示模板渲染，以及面向多MCP服务器的上下文服务框架；通过多协议通信（HTTP/SSE/stdio 等）与LLM客户端协同工作，支持任务编排、工具调用、以及会话级别的上下文管理。该仓库不仅包含服务端实现，还包含用于工具、客户端以及前端的相关组件与示例，目标是构建一个可扩展的MCP服务器生态。通过统一的接口实现资源、工具、提示模板的托管、注册与执行。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供统一的资源管理、工具注册/执行以及 Prompt 模板的定义和渲染，能够通过 JSON-RPC 与 LLM 客户端进行交互，并支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理、能力声明及健康监控等扩展能力。

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 的完整 MCP 服务器集合，覆盖 Google Drive、PostgreSQL、Notion、Figma、Google Calendar、GitHub、Zendesk 等多服务工具与资源托管，支持 JSON-RPC 通信、STDIO/REST 网关等传输方式，提供资源管理、工具注册与 Prompts 渲染等能力，便于与 LLM 客户端在同一后端进行上下文与功能扩展。

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) 的后端服务器，实现资源管理、工具注册与执行、以及提示模板渲染，向大语言模型客户端提供可扩展且结构化的上下文服务与数据访问能力。

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 的 MCP 服务器实现，用于作为后端上下文服务向大语言模型客户端提供资源管理、工具执行和提示模板渲染等能力，支持通过 JSON-RPC 方式与客户端交互并管理会话与安全策略。

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 Model Context Protocol（MCP）的后端服务器实现示例，提供资源/工具管理、工具执行以及面向 LLM 的上下文渲染能力，展示了如何用 MCPX 服务器核心实现 JSON-RPC 风格的请求/响应，并支持多种传输方式（如标准输入输出、SSE、HTTP 流等）。

基于 Model Context Protocol (MCP) 的后端运行时与代理，提供资源、工具和提示的统一管理，并通过 JSON-RPC 与 MCP 客户端通信，支持多传输协议（stdio、SSE、WebSocket）等，能够在沙箱中运行并托管任意 MCP 兼容的服务器。*

基于 Model Context Protocol（MCP）的后端服务器合集，提供 MCP 服务的资源管理、工具/客户端对接、模板/提示等能力，支持多协议交互与容器化部署，用于向 LLM 客户端提供统一的上下文和外部功能调用能力。

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，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。

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。

基于 Model Context Protocol (MCP) 的服务端实现，使用 SSE 传输，提供资源与资源模板的托管、工具注册与执行，以及嵌入式 Widget 的渲染能力，作为 ChatGPT 应用的上下文与功能后端。

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，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) 的完整 MCP 服务器实现，提供资源托管、工具执行、提示模板渲染，以及与大模型客户端的 JSON-RPC 通信，支持会话管理、能力声明和多种传输协议（如 Stdio、SSE、WebSocket）以为 LLM 应用提供安全、可扩展的上下文服务。该仓库不仅包含服务器核心逻辑，还实现了资源、工具、会话初始化、自动上下文注入等关键能力的模块化实现。

基于 Model Context Protocol (MCP) 的后端服务器，为 LLM 客户端提供资源、工具与模板等上下文服务，基于 JSON-RPC 通信，支持会话管理、能力声明，并可通过多种传输协议（如 STDIO、SSE、WebSocket）与客户端对接，面向股票分析与量化交易场景的统一上下文服务框架。

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。

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）。

基于多智能体网络框架的MCP协议服务器，支持资源管理、工具调用和提示模板功能

一个开源的AI代理网络平台，提供MCP服务器功能让LLM客户端能够访问网络中的资源、工具和提示模板。

一个让AI助手能够通过原生C++自动化桥接插件控制虚幻引擎的MCP服务器

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

一个用于在Dart中快速、声明式地构建Model Context Protocol (MCP) 服务器的框架。

一个基于Model Context Protocol (MCP) 构建的服务器，用于托管和提供AI技能（Skills）及其相关资源，使LLM客户端能标准化地发现和调用外部功能。

Vespera Atelier 是一个模板驱动的创意项目管理系统，其核心 `Vespera Scriptorium` 包提供了一个基于 Model Context Protocol (MCP) 的服务器，用于向 LLM 客户端提供上下文信息、管理资源和执行 AI 辅助工作流。

Artinet SDK 是一个TypeScript库，提供了构建Agentic Communication的AI Agent，并支持将其作为Model Context Protocol (MCP) 服务器向LLM客户端提供上下文信息和功能。

ACB是一个模块化的Python框架，提供一个全面的Model Context Protocol (MCP) 服务器，使AI应用能发现、交互并编排其组件（如动作、适配器、服务）。

托管和执行Anthropic风格的技能，通过MCP协议为LLM客户端提供上下文信息、工具调用和资源管理。

为SinglePageStartup框架提供基于Model Context Protocol的上下文服务，管理资源和工具，支持LLM应用集成。

连接LLM客户端至Google Cloud Gemini Cloud Assist API的MCP服务器，实现通过自然语言管理和排查Google Cloud环境。

基于Python和FastMCP构建的生产级Model Context Protocol (MCP) 服务器模板，提供工具、资源和Prompt管理、多协议传输及OAuth2认证支持。

一个基于MCP协议的Azure助手服务器，通过自然语言和KQL探索、管理您的Azure资源环境。

一个基于Model Context Protocol的示例服务器，展示了如何托管资源、工具，并与多种LLM代理框架集成。

基于 Elixir 语言，提供完整的 Model Context Protocol (MCP) 客户端和服务器实现，赋能 AI 模型安全交互。

通过 MCP 协议，动态集成 Azure 扩展能力的统一服务器框架。

将 Node.js 构建的 MCP 服务器打包为可执行文件，提供资源、工具、提示等上下文服务。

用于使用流畅接口快速构建 Model Context Protocol (MCP) 服务器的 JavaScript/TypeScript 库。

多语言AI后端，通过集成MCP协议库提供LLM上下文服务（资源、工具）。

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。

在Google Apps Script环境中实现模型上下文协议(MCP)服务器，提供基础上下文服务功能。

为Swift开发者提供构建和连接遵循Model Context Protocol (MCP) 标准的服务器和客户端的工具包。

将 Turbot Guardrails 的云治理数据和功能通过 MCP 协议暴露给 AI 助手，实现自然语言交互和自动化。

使用Go语言实现的Model Context Protocol (MCP)服务器，为LLM提供资源、工具及Prompt服务。

一个基于MCP协议的服务工具集，提供对各类AI和外部服务的访问能力。

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。

使用 Go 语言和 mcp-go 库构建的 MCP 服务器基础示例，展示工具、资源和提示词的实现。

Blue Bridge 是一个 MCP 服务器，用于无需密钥地查询和管理 Azure 资源。

演示如何使用 Go 和 Python 构建 MCP 服务器，提供资源访问和工具调用能力。

一个使用Python实现的MCP服务器基础示例，演示了如何通过工具和资源为LLM提供上下文信息和功能扩展。

基于 MCP 协议和 Solana 构建的去中心化 AI 记忆基础设施，提供资源管理和工具能力。

Micro.mcp 是一个轻量级的 Python MCP 服务器框架，帮助开发者快速构建和部署符合 Model Context Protocol 标准的应用后端，用于管理资源、工具和 Prompt，为 LLM 应用提供上下文服务。

基于 Model Context Protocol 构建的 MCP 服务器，提供访问 Acurast 资源的接口，并支持脚本部署和处理器信息查询等工具。

基于MCP协议的AWS工具服务器，为LLM提供AWS云服务和本地文件系统访问能力。

一个基于 JavaScript 开发的 MCP 服务器，用于管理资源、工具和 Prompt，为 LLM 应用提供上下文服务。

Project AIRI是一个基于Web技术构建的AI VTuber框架，可以作为MCP服务器的基础设施，支持资源管理、工具注册和Prompt模板渲染等核心功能。

基于 OpenAPI 规范的 MCP 服务器，提供资源和工具管理，通过标准输入输出与客户端通信。

一个MCP服务器，使LLM客户端能够通过工具调用与Azure云服务进行交互，实现资源管理和信息查询等功能。

用于快速创建 Model Context Protocol (MCP) 服务器应用程序的脚手架工具，简化 MCP 服务器的初始化和开发流程。

AJ-MCP 是一个轻量级的 Java SDK，用于构建 MCP 客户端和服务器，提供资源管理、工具注册和 Prompt 模板等核心 MCP 功能，支持 Stdio 和 SSE 传输协议。

Python A2A MCP Server 是一个基于 FastAPI 的 Python 库，用于构建 Model Context Protocol (MCP) 服务器，为 AI 智能体提供工具和资源访问能力。

连接AI应用与Azure PostgreSQL数据库的MCP服务器，提供数据查询、管理工具及表结构资源访问。

为 Better Auth 应用提供模型上下文协议 (MCP) 服务，管理资源、工具和 Prompt 模板，标准化 LLM 交互。

SupaMCP是一个跨平台的Model Context Protocol (MCP) 服务器实现，用C语言编写，支持资源和工具管理，并可作为网关路由请求。

基于Python和SSE实现的MCP服务器，提供实时的LLM上下文服务和工具调用能力。

基于FastAPI构建的MCP服务器，提供资源管理、工具注册和SSE通信能力，为LLM应用提供上下文服务。

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。

基于Langchain和NestJS构建的MCP服务器示例，演示了如何使用MCP协议提供上下文信息和工具能力。

Chef CLI 是一个用于 ADaaS 配方开发的命令行工具，同时可以作为 MCP 服务器为 LLM 客户端提供上下文服务。

Autochat项目提供的MCP服务器示例，展示如何通过FastMCP框架构建和运行MCP服务器，为Autochat智能体提供资源和工具。

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。

PHP SDK，用于构建 MCP 服务器和客户端，为 LLM 应用提供标准化的上下文服务框架，支持资源、工具和 Prompt 管理。

一个Java SDK，用于通过注解声明式地构建MCP服务器，简化资源和工具的定义与集成。

基于Go语言实现的MCP服务器，专注于为LLM应用提供学术资源上下文和工具支持。

通过MCP协议为LLM应用提供Pulumi基础设施管理和资源信息查询能力。

该项目是一个基于 MCP 协议的服务器，允许 LLM 通过工具调用来管理和操作 Kubernetes 集群资源。

提供Bun和Python两种语言实现的MCP服务器示例，用于演示如何构建和运行支持资源与工具管理的MCP后端服务。

一个基于MCP协议的服务器，旨在为LLM应用提供B站API的工具和数据资源访问能力。

Saiku MCP服务器是基于Model Context Protocol的后端实现，旨在为LLM客户端提供资源、工具和Prompt模板管理等核心上下文服务。

用于快速构建AI原生IDE产品的框架，可作为MCP服务器为LLM客户端提供上下文服务。

Blaxel Python SDK 提供了一套用于构建和部署 MCP 服务器的工具，旨在简化大型语言模型（LLM）与外部上下文和功能集成的过程。

AIGNE Framework 提供了一系列示例，展示了如何基于 Model Context Protocol (MCP) 构建和集成各种功能强大的服务器，如Puppeteer、SQLite和GitHub服务器。

基于MCP协议的Kubernetes AI Agent，通过自然语言操作和管理Kubernetes资源。

这是一个使用D语言编写的MCP服务器库，专注于通过stdio传输协议为AI语言模型提供上下文信息、工具和Prompt服务。

基于Spring AI构建的MCP协议演示服务器，提供资源、工具和Prompt模板管理功能。

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。

kom 是一个 Kubernetes 操作工具，同时支持作为 MCP 服务器，提供 Kubernetes 资源管理能力，并可通过 SQL 查询资源。

基于MCP协议的Python服务器示例，演示如何使用FastMCP SDK构建提供资源、工具和Prompt的LLM上下文服务。

Qwen-Agent 框架的 MCP 服务器组件，提供资源管理、工具注册和 Prompt 模板渲染等 MCP 协议核心功能，为 LLM 应用提供上下文服务。

基于Laravel框架实现的Model Context Protocol (MCP) 服务器，提供资源管理和工具调用功能，用于连接LLM客户端。

Ragie TypeScript MCP服务器是一个基于Model Context Protocol的应用后端，为LLM应用提供资源管理、工具注册和Prompt模板服务。

基于Spring AI框架构建的MCP服务器示例，用于演示如何为LLM应用提供上下文服务，包括资源管理、工具调用和Prompt模板渲染等核心功能。

Modal MCP Server 是一个基于 Model Context Protocol 的后端实现，专注于提供 Modal 云计算平台上的卷管理和应用部署功能，方便 LLM 应用安全访问和操作 Modal 资源。

HoneyHive TypeScript SDK 提供可安装的 Model Context Protocol (MCP) 服务器，将 SDK 方法作为工具暴露给 AI 应用，以管理上下文和功能。

基于Cloudflare Workers和Stytch的TODO应用MCP服务器，提供资源管理和工具调用能力，扩展传统应用以支持AI Agent。

Open Manus 是一个开源框架，旨在构建类似 MCP 服务器的功能，为 AI 代理提供工具、资源和 Prompt 管理，提升企业级 AI 应用的上下文处理能力。

基于MCP协议的文件系统服务器，允许LLM客户端安全访问和操作服务器端文件系统资源。

基于 Go 语言实现的 Model Context Protocol (MCP) 服务器，提供资源管理、工具注册和 Prompt 模板等核心功能，用于构建 LLM 应用的上下文服务后端。

这是一个基于Server-Sent Events (SSE) 的Model Context Protocol (MCP) 服务器示例，展示了如何使用SSE协议构建支持工具和资源的Web应用后端。

StrawMCP Dart SDK 提供 MCP 协议的 Dart 实现，用于构建 LLM 应用的上下文服务后端。

Fast MCP 是一个 Ruby 库，旨在简化 Ruby 应用程序与 AI 模型之间的集成，实现基于 Model Context Protocol 的上下文信息和功能共享。

基于NestJS框架，快速构建Model Context Protocol (MCP) 服务器的模块，简化资源、工具和Prompt的管理与暴露。

Kom MCP Server基于Kom Kubernetes操作库，通过Model Context Protocol为LLM客户端提供Kubernetes资源上下文信息和管理工具。

一个基础的MCP服务器示例，演示了如何使用Model Context Protocol (MCP) 框架提供资源列表，为后续MongoDB集成奠定基础。

基于gRPC构建的LLM应用后端，提供资源管理、模型服务和上下文支持，可作为MCP服务器使用。

Dify MCP Server是基于Model Context Protocol的应用后端，为Dify AI应用提供资源、工具和Prompt模板的托管、管理和执行能力，支持LLM客户端通过JSON-RPC协议进行交互。

Pollinations MCP 服务器是一个开源实现，旨在为 AI 助手提供上下文和功能，支持资源管理、工具执行和 Prompt 模板渲染，并通过 JSON-RPC 协议进行通信。

基于FastMCP框架实现的Python MCP服务器示例，提供算术工具和动态问候资源，可通过SSE或Stdio协议与客户端通信。

C#实现的MCP协议SSE测试服务器，提供资源、工具和Prompt管理功能，用于验证和测试MCP客户端的连接与交互。

PHP实现的Model Context Protocol SDK，用于构建MCP客户端和服务器，标准化LLM上下文处理。

TSW知识库MCP服务器提供基于MCP协议的知识库资源访问服务，允许LLM客户端通过标准化的方式获取和利用知识库信息。

基于MCP协议实现的示例服务器，集成Ollama模型，提供数学计算工具和动态问候资源。

将本地文件系统目录作为MCP资源暴露给LLM客户端，并实时推送文件变更通知。

go-mcp 是一个用 Go 语言实现的 Model Context Protocol (MCP) 服务器，旨在为 LLM 应用提供资源、工具和 Prompt 管理等上下文服务。

一个简单的MCP服务器示例，提供问候资源、助手Prompt和Echo工具，演示MCP服务器的基本功能。

基于知识图谱的MCP服务器，提供实体、关系和观察的管理与查询功能，支持数据持久化。

Filesys MCP服务器提供通过MCP协议安全访问预配置目录中文件内容和元数据的功能。

基于Model Context Protocol的MCP服务器，提供笔记管理和LTE展会信息查询功能，演示了资源、工具和Prompt等核心概念。

Model Context Protocol (MCP) Python SDK 提供了一套全面的工具，用于构建兼容 MCP 协议的服务器和客户端应用，简化 LLM 应用的上下文管理。

一个用于Model Context Protocol (MCP) 协议的简单测试服务器，提供资源、工具和Prompt模板管理功能。

基于Model Context Protocol (MCP) 构建的警察审讯模拟服务器，使用OpenAI生成审讯对话和嫌疑人回应，提供警官信息和审讯流程管理等资源。

一个基础的MCP服务器实现，提供资源管理、数据访问和上下文服务，包含天气数据示例服务器。

基于 Model Context Protocol 的演示服务器，提供知识存储和检索功能，并通过工具和资源暴露给 MCP 客户端。

一个简单的MCP服务器示例，演示了资源、工具和Prompt模板的定义与使用，支持Stdio和SSE传输协议。

此Symfony Bundle为开发者提供构建MCP服务器的框架，方便在Symfony应用中集成和管理AI工具与资源，符合MCP协议标准。

一个简单的MCP服务器示例，展示了资源、Prompt和工具管理，支持SSE和Stdio传输。

基于FastMCP框架构建的演示MCP服务器，提供资源和工具管理，用于增强LLM应用上下文。

Qt MCP 服务器是一个基于 Qt 框架实现的 Model Context Protocol (MCP) 服务器，提供资源管理、工具执行和 Prompt 模板处理等核心功能，用于构建模型驱动的应用后端。

基于FastAPI框架实现的MCP服务器，提供工具、资源和Prompt管理，集成SkySQL API。

mcp-go 是一个用 Go 语言编写的 Model Context Protocol (MCP) 服务器实现，旨在简化 LLM 应用与外部数据源和工具的集成。

Authed MCP服务器集成方案，为AI Agent提供安全认证的Model Context Protocol服务。

mcp-ectors 是一个高性能的 MCP SSE 服务器，使用 Rust 和 Actors 构建，旨在为 LLM 提供工具、资源和 Prompt 模板的集成和管理能力。

Orq MCP Server提供开发者友好的Typescript SDK 和 MCP 服务器实现，用于管理 LLM 应用的资源、工具和 Prompt，符合 Model Context Protocol 标准。

用于构建 MCP 服务器的 Clojure SDK，提供资源、工具和 Prompt 模板管理功能。

MCP Go SDK 是一个用于构建 Model Context Protocol (MCP) 服务器和客户端的 Go 语言工具包，旨在为 LLM 应用提供标准化的上下文服务。

该项目提供了一个基于FastMCP框架的简单MCP服务器示例，演示了如何定义和注册工具(Tool)和资源(Resource)，为LLM应用提供基础的上下文服务能力。

mcp.rs 是一个用 Rust 语言实现的高性能 Model Context Protocol (MCP) 服务器，旨在为 AI 应用提供标准化的上下文和资源访问能力。

该项目是一个使用TypeScript开发的自定义MCP服务器，提供了资源、工具和Prompt模板的管理功能，旨在扩展大型语言模型的能力。

基于Model Context Protocol的支付系统示例，演示如何构建可与AI模型集成的应用后端，提供支付处理、欺诈检测和货币汇率等功能。

Agentics Edge Functions提供了一个基于Supabase Serverless平台的Model Context Protocol (MCP) 服务器实现，用于管理AI Agent的资源和工具。

该项目是一个MCP服务器示例，用于管理学生数据，通过资源提供学生列表，并通过工具支持学生信息的查询和添加功能。

Puzzlebox是一个MCP服务器，用于托管和管理有限状态机（Puzzle）作为动态资源，提供工具供客户端订阅和操作状态机，应用于多智能体协同和流程管理。

MCP-server-template 是一个用于构建 Model Context Protocol (MCP) 服务器的综合模板，基于 TypeScript/Node.js，提供标准化结构和最佳实践。

一个基础的MCP服务器示例，提供笔记存储、总结和添加工具，演示了如何构建符合Model Context Protocol的应用后端。

ESP32MCPServer是基于 Model Context Protocol 的服务器实现，专为 ESP32 微控制器设计，通过 WebSocket 提供资源管理和实时数据更新服务，适用于连接 LLM 应用。

该项目是基于 Model Context Protocol 的服务器实现，用于管理资源、工具和 Prompt 模板，为 LLM 应用提供上下文服务。

mcp-typed-prompts仓库是一个Python实现的Model Context Protocol (MCP) SDK，它不仅包含了构建MCP客户端的工具，也提供了FastMCP服务器框架，用于快速搭建和运行MCP后端服务，以标准化方式向LLM应用提供资源、工具和Prompt模板。

Go语言MCP服务器SDK，提供资源、工具和Prompt模板管理功能。

一个演示性质的MCP服务器，用于管理和提供Istio配置资源，例如VirtualService、ServiceEntry和EnvoyFilter，通过gRPC协议提供MCP服务。

该Ruby库提供了一个实验性的Model Context Protocol (MCP) 服务器实现，允许开发者使用Ruby构建兼容MCP协议的后端服务。

mcp-rb 是一个 Ruby 框架，用于构建 MCP 服务器，便捷地定义和管理资源与工具，为 LLM 应用提供上下文服务后端。

Hermes MCP 是一个用 Elixir 开发的 MCP 服务器和客户端库，提供了高性能的 MCP 协议服务端实现，支持资源、工具和 Prompt 管理。

easy-mcp 是一个使用 TypeScript 开发的 MCP 服务器框架，旨在简化资源、工具和 Prompt 的定义与管理。

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。

一个用于构建模型上下文协议（MCP）服务器的TypeScript框架，提供工具、资源和Prompt的自动发现、多种传输协议和身份验证等功能，简化MCP服务器的开发流程。

基于 Model Context Protocol 的 Python SDK，用于构建 MCP 客户端和服务器，便捷地为 LLM 应用提供上下文服务。

riza-io_mcp-go 是一个 Go 语言实现的 Model Context Protocol (MCP) SDK，提供构建 MCP 服务器和客户端的能力，支持资源、工具和 Prompt 管理，并通过 Stdio 等传输协议与 LLM 客户端通信。

FastMCP-HTTP 是一个基于HTTP协议的MCP服务器实现，包含独立的MCP服务器、客户端以及MCP注册中心，用于管理和访问工具、资源和Prompt模板。

modelcontextprotocol_python-sdk 是一个Python SDK，用于构建 Model Context Protocol (MCP) 服务器，方便开发者为LLM应用提供标准化上下文服务。

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。

该项目是一个基础的MCP服务器示例，使用TypeScript SDK实现，演示了如何通过stdio传输协议提供资源列表和读取功能，适用于学习和理解MCP服务器的基本构建。

一个简单的Python MCP服务器，用于管理笔记，允许客户端添加、总结和访问笔记资源。

基于Convex云平台的MCP服务器示例，提供简单的笔记资源管理和创建笔记工具。

一个在树莓派上运行的MCP服务器，提供简单的笔记存储和总结功能，演示了资源管理、Prompt模板和工具注册的核心MCP服务器能力。

MCP代理服务器，聚合多个后端MCP资源服务器，通过统一接口向客户端提供资源、工具和Prompt服务。

mcp-framework是一个用于构建Model Context Protocol (MCP) 服务器的TypeScript框架，提供工具、Prompt模板和资源管理等核心功能，简化MCP服务器开发流程。

该仓库提供了一系列MCP协议服务器的示例实现，演示了资源管理、工具调用和Prompt模板等核心功能，涵盖文件系统、Google Drive、PostgreSQL和Git等多种数据源。

Python Filesystem MCP Server提供基于REST API的文件系统操作，使LLM客户端能够安全访问和管理服务器上的指定目录中的文件和文件夹。

dice-server 是一个基于 MCP 协议的简单笔记服务器，允许用户通过客户端创建、读取、列出和总结文本笔记。

一个简单的MCP服务器模板，用于管理文本笔记，演示了如何使用资源、工具和Prompt向LLM客户端提供上下文信息和功能，可作为开发MCP服务器的起点。

MCP Kotlin SDK 提供构建和运行 MCP 服务器及客户端的能力，示例代码展示了资源和工具管理功能。

Pylon 是一款桌面应用程序，内置 MCP 服务器，为 LLM 客户端提供资源管理、工具调用和 Prompt 模板服务，支持文件系统资源访问和 Ollama 模型集成。

原型MCP服务器，集成Red Hat Developer Hub，提供访问和查询RHDH目录中资源、API和推理服务器的工具。

一个简单的MCP服务器实现，提供笔记存储、总结和管理功能，演示了如何通过MCP协议扩展LLM应用的能力。

一个基于 Model Context Protocol 的笔记服务器，提供笔记的存储、检索、总结和添加功能，可通过 MCP 协议与 LLM 客户端交互。

该项目是一个MCP服务器，专注于Go High Level (GHL) API 密钥的管理，为LLM应用提供GHL API的访问能力。

该项目是一个 MCP 服务器实现，专注于提供数据获取服务，可能通过工具或资源管理来增强 LLM 的上下文能力。

convex-mcp-server 是一个基于 Model Context Protocol (MCP) 的服务器实现，提供笔记管理功能，允许LLM客户端通过资源访问和工具调用来管理和创建文本笔记。

一个基于MCP协议的服务器，允许LLM客户端探索和执行本地命令行工具，并以资源形式提供命令行工具的结构化信息。

一个简单的MCP服务器，提供备忘录管理功能，包括资源化管理备忘录、通过Prompt总结备忘录以及使用工具添加备忘录，旨在与Claude等LLM客户端集成。

GoAI库提供了一个灵活的MCP服务器实现，支持资源管理、工具注册、Prompt模板定义，并通过JSON-RPC协议与LLM客户端通信，构建可扩展的AI应用后端。

一个基于Model Context Protocol (MCP) 的服务器，提供QR二维码生成功能，包括资源管理、工具调用和Prompt模板支持。

PeakMojo Server 是一个 Python MCP 服务器，它将 PeakMojo API 的资源和工具以标准化的 MCP 协议形式暴露给 LLM 客户端，实现 LLM 对 PeakMojo 功能的访问和控制。

Dojo MCP Server是一个基于Go语言实现的MCP服务器，提供资源管理、工具注册和Prompt模板渲染等功能，旨在为LLM应用提供上下文服务。

Resource Hub Server作为代理MCP服务器，连接到中心Resource Hub以访问共享工具、资源和提示。

LLMling Server是一个YAML配置驱动的MCP服务器，为LLM应用提供资源、工具和Prompt管理功能，支持Stdio和SSE等多种传输协议。

基于FastMCP框架实现的Replicate API服务器，提供AI模型推理的资源访问和图像生成功能。

基于FastMCP框架实现的文献和知识图谱管理服务器，提供文献资源的管理、检索和关联实体的功能。

Columbia MCP Servers仓库是为LLM应用构建的后端服务，基于Model Context Protocol (MCP) 提供资源管理、工具注册和Prompt模板服务，支持Docker部署和高可用架构。

Lodestar MCP 是一个基础的MCP服务器实现，用于文档查询，提供了资源和工具的示例，展示了MCP服务器的基本结构和功能。

Azure MCP是一个MCP服务器，旨在桥接Claude Desktop与Azure云平台，通过自然语言实现Azure资源的管理和查询。

mcp-hfspace 是一个 MCP 服务器，它连接了 Claude Desktop 等 MCP 客户端与 Hugging Face Spaces，使得用户可以通过 Claude 等工具调用 Hugging Face Spaces 上托管的各种模型和服务，例如文生图、语音合成、视觉模型等。