"AI 集成"标签的搜索结果

基于 Model Context Protocol (MCP) 的本地化后端服务器，提供资源、工具和提示模板等上下文能力，通过 JSON-RPC 与 Claude Desktop/Code 客户端通信，支持 HTTP 和 stdio 双传输，适配本地发票管理的 AI 场景。

基于 Model Context Protocol 的 MCP 服务端实现，提供对 HDL/SystemVerilog 相关资源、工具调用以及提示模板的标准化访问，并通过 JSON-RPC 与 LLM 客户端进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 Laravel Workflow 的资源、工具与流程的 MCP 接口支持，允许 AI 客户端通过 JSON-RPC 向服务器发起启动工作流、查询状态等操作，并在 Laravel 应用内完成工作流调度与结果存储。

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，提供统一的资源管理、工具注册与执行、Prompt 模板渲染等能力，通过 JSON-RPC 与 LLM 客户端通信，用于单位转换、维度分析与上下文服务等场景。该实现将 ucon 的单位/维度计算能力暴露为可被 AI 客户端调用的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端提供工作历史数据的资源、可执行工具和可渲染的提示模板，并通过 JSON-RPC 与客户端通信以实现上下文服务和功能扩展。

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 Symfony + Sulu CMS 的 MCP（Model Context Protocol）服务器实现，能向 LLM 客户端提供资源、工具、以及可渲染的 Prompt，支持通过 JSON-RPC 等协议进行交互并实现会话与权限等后端能力。该仓库不仅包含服务端核心组件，还提供了 MCP 工具、测试用例及集成示例，表明其为完整的 MCP 服务器实现，而非仅仅是客户端示例。

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。

基于 Model Context Protocol 的 MCP 服务器实现，整合插件注册、工具执行、资源管理与提示模板，通过 JSON-RPC 与浏览器客户端通信，支持 WebSocket 与 HTTP 传输，为 LLM 提供统一的上下文、工具调用和提示渲染能力，方便在开发环境中扩展自动化工具和上下文服务。

基于 Model Context Protocol (MCP) 的后端服务端实现，面向大模型客户端提供 Rancher 多集群管理的资源访问、工具执行与提示模板渲染，通过 JSON-RPC 与客户端通信，支持 stdio、HTTP/SSE 等传输模式，提供可扩展的上下文和能力服务。

基于 Model Context Protocol 的 MCP 服务器，提供对 Android 设备的自动化控制工具、资源和提示模板的标准化对接，支持 STDIO/HTTP 传输与 JSON-RPC 通信，便于与 LLM 客户端集成。

基于 Model Context Protocol 的服务器端实现，向客户端暴露 Whenny 的日期与时间相关工具，支持通过 JSON-RPC 请求执行工具、注册与查询工具、以及基于时区的传输/时区上下文等功能，适用于将日期服务接入到 AI 客户端的上下文环境中。

基于 Model Context Protocol (MCP) 的后端服务实现，提供 System/Enterprise 资源的托管与管理、工具的注册与执行、Prompt 模板的定义与渲染，并通过 JSON-RPC 与客户端通信，支持多传输协议以为 LLM 客户端提供安全、可扩展的上下文服务。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供对 Planet API 的上下文访问、工具调用与提示渲染能力，帮助大语言模型在本地环境中高效地与 Planet 数据和功能交互。

基于 Model Context Protocol (MCP) 的后端服务器，为大语言模型(LLM)客户端提供资源托管、工具注册与执行、以及 Prompt 模板渲染等上下文服务；通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多传输协议（如 StdIO、SSE、WebSocket）进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol 的 Spark 后端实现，提供对 Spark SQL、计划信息与元数据的统一访问接口，供大模型（LLM）通过 MCP 客户端进行调用与分析。

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 (MCP) 的后端服务器实现，向 LLM 客户端以统一的 JSON-RPC 形式暴露内核构建、配置、运行与测试等工具，帮助自动化地进行内核开发与验证流程。

基于 Model Context Protocol (MCP) 的服务器端实现，作为 Whimbox 的后端服务，通过 JSON-RPC 提供资源/工具（Tasks/宏相关接口）等能力给大语言模型客户端调用，支持健康检查、嵌入式工具渲染与多传输协议（如 streamable-http）。

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。

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）的服务器端实现，向大型语言模型客户端提供 Tempo 区块链的资源、工具和提示模板，并通过 JSON-RPC 进行交互，支持多传输协议与严格的会话与安全机制。

基于 Model Context Protocol (MCP) 的服务器端实现，提供通过 API 访问组件库资源、暴露工具以供 AI 助手调用、并支持以 MCP JSON-RPC 形式与客户端进行交互的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染等能力，并通过 JSON-RPC 与客户端进行通信，支持多传输模式（如标准输入输出）。该服务器用于为 Playwright + Cucumber + TestNG 等测试框架提供统一的上下文服务和智能代码生成功能。

基于 Model Context Protocol 的后端服务器，向 LLM 客户端以标准化 JSON-RPC 提供资源、工具与提示模板，并实现会话管理、认证与多传输协议扩展。

结合 Looker SDK 提供 CLI 工具，并内置 MCP 服务器为 LLM 客户端提供 Looker 上下文和功能。

提供数据库 schema 信息和功能给 AI 客户端，支持 AI 调用 SchemaCrawler 工具进行数据库探索和分析。

将 Apple Notes 和 Things 3 集成到大语言模型客户端的 MCP 服务器。

通过 Model Context Protocol (MCP) 连接 AI 客户端与 DigitalOcean 资源，实现智能化的云管理。

将 Alation 数据目录的元数据和功能以标准 MCP 协议暴露给 LLM 客户端的应用后端。

使Dubbo应用具备MCP能力，将Dubbo服务自动转换为LLM可调用的工具。

通过 MCP 协议，为 AI 助手提供访问和管理 Google 日历、Gmail 和 Drive 的能力。

一个基于MCP协议的PDF文档知识库服务器，支持上传、处理和检索PDF内容，可与AI工具集成。

通过MCP协议向AI/LLM提供访问Azure Boards和Pipelines的功能。

增强 TickTick 工作流程的 MCP 服务器，使 AI 助手和兼容 MCP 的应用能更精确地管理和过滤你的任务。

基于 Model Context Protocol (MCP)，提供访问 Quip 电子表格数据及相关工具的后端服务。

一个基于 MCP 的 Go 语言应用后端，使 AI 助手（如 Claude）能够与 Atlassian Jira 进行交互和管理任务。

连接 CloudGlue 平台与 AI 助手，为 LLM 提供视频内容理解、分析和管理工具。

将 Smartlead API 功能以 Model Context Protocol (MCP) 标准暴露给 AI 助手和自动化工具。