基于 Model Context Protocol (MCP) 的本地服务器实现，提供对浏览器标签、分组、窗口等资源的访问、工具的注册与执行，以及提示模板的定义与渲染，供外部大语言模型（LLM）客户端通过 JSON-RPC 进行上下文查询、操作与交互。
基于 Model Context Protocol (MCP) 的 Poznote 后端服务器实现，利用 FastMCP 在 HTTP 流式传输上通过 JSON-RPC 提供笔记资源、工具方法与数据访问能力，支持多用户环境与简易的扩展工具集。该服务器可让大语言模型（LLM）以统一、标准化的方式读取笔记、执行笔记操作、查询工作区与文件等上下文信息。
基于 Model Context Protocol (MCP) 的后端服务器，实现对资源、工具与提示模板的标准化暴露，支持 HTTP 流式传输与 stdio 传输等多种传输方式，供各类 LLM 客户端（如 Claude Desktop、VS Code Copilot、OpenWebUI 等）进行工具调用与上下文查询。
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 的 MCP 服务器实现，用于通过标准化的 JSON-RPC 接口向 LLM 客户端提供 Recharge API 的资源、工具和提示模板等上下文服务，并通过标准传输（如 stdio）与客户端进行通信。
基于 Model Context Protocol（MCP）的后端服务器实现，提供资源与数据访问、工具注册与执行、以及 Prompt 模板渲染等能力，支持通过 JSON-RPC 与 LLM 客户端通信，并在 DuckDB/BigQuery 等后端上对临床数据集进行安全、可扩展的上下文服务。
基于 Model Context Protocol 的 MCP 服务器端实现，提供 PatternFly 的资源、工具与文档的统一上下文服务，支持多传输协议（STDIO、HTTP/WebSocket 等）、会话管理与能力声明，水平扩展以供 LLM 客户端获取资源、执行工具和渲染 Prompt 模板等上下文信息。
一个覆盖多语言实现的 MCP 服务器示例集合，展示如何使用 Model Context Protocol 构建后端以暴露资源、工具和提示模板等能力，包含从基础示例到多传输协议的完整实现与解决方案。
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 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 的 MCP 服务器实现，提供将速率测试后端数据以 MCP 标准暴露给大语言模型客户端的能力；通过 JSON-RPC 风格的输入输出，在 stdin/stdout 方式下与客户端对话，支持初始化、工具列表与工具调用等核心功能，便于搭建可扩展的 LLM 辅助上下文服务入口。
基于 Model Context Protocol (MCP) 的后端服务，提供资源托管、工具注册与执行，以及提示模板的统一管理，通过 JSON-RPC 与 LLM 客户端进行交互，支持流式传输、会话管理与多种传输协议，使 ABAP/RAP 场景下的上下文服务可扩展且安全。
基于 Model Context Protocol 的 MCP 服务器实现，将本地技能暴露为 MCP 工具，支持 Claude Code、GitHub Copilot 等代理直接调用技能，从而实现本地技能的 Agent-Native 访问与执行。
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 的 MCP 服务器实现，向大语言模型客户端提供资源/工具的注册、查询与执行，并通过 JSON-RPC 进行通信以实现后端上下文服务。
基于 Model Context Protocol (MCP) 的后端服务器集，提供资源托管、工具注册/执行、以及提示模板渲染等能力；通过 JSON-RPC/HTTP 等传输协议与 LLM 客户端进行标准化通信，支持会话管理、能力声明，并可扩展为多传输通道（如 STDIO、SSE、WebSocket 等）。
基于 Model Context Protocol（MCP）的 Cron 任务管理 MCP 服务器实现，允许 MCP 客户端通过标准化的 JSON-RPC 调用对后端 Cron 作业进行查询、添加、删除、执行及状态获取，并通过主进程 REST API 与后端数据库和任务数据交互。
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。
基于 Model Context Protocol (MCP) 的后端服务端实现，公开招聘领域的资源、工具与提示模板，通过 MCP.json-rpc 风格的请求与客户端进行交互，并提供对多种传输与会话能力的支持（如工具注册、资源访问、提示渲染及安全授权）。
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 Model Context Protocol 的后端服务器，提供统一的资源管理、工具注册与执行、提示模板渲染能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多种传输方式（如 Stdio、SSE、WebSocket）。
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 的可扩展后端，提供资源、工具与提示模板的 MCP 服务，通过 JSON-RPC 与 LLM 客户端交互，支持插件化视觉分析能力和多种传输方式。整个体系以 FastAPI/uv 工具链实现服务器端能力管理与会话管理。
基于 Model Context Protocol 的 MCP 服务器实现，提供任务、时间块、子任务、用户等资源的管理和工具注册，面向 LLM 客户端通过 JSON-RPC 进行统一上下文服务与能力调用，支持 Stdio 等传输协议。)
基于 Model Context Protocol (MCP) 的后端服务器，提供资源、工具与提示模板的统一访问接口，整合 Ollama、Playwright、GitHub API 等工具集，面向大型语言模型客户端提供可扩展的上下文与能力服务。
基于 Model Context Protocol（MCP）的后端服务器集合，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，包括托管资源、注册与执行工具，以及定义/渲染提示模板；支持多种传输协议（Stdio、SSE、HTTP），通过 JSON-RPC 与客户端通信，适用于 Claude Code 等工作流场景。
基于 Veritas Kanban 的 MCP 服务器实现，提供以 JSON-RPC 方式向 AI 助手/客户端暴露资源、工具、提示模板等上下文能力的后端服务，并支持多传输通道与会话管理。
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) 的多租户后端服务器，实现资源管理、工具注册与执行、以及 Prompt 模板渲染等功能，并通过 JSON-RPC 与客户端进行通信，支持 HTTP/Streamable HTTP 和 SSE 等传输协议。
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 Model Context Protocol 的 MCP 服务器实现，提供资源、工具执行与提示模板渲染等核心能力，并通过 JSON-RPC 与客户端通信，支持 stdio 与 HTTP 两种传输模式，便于将 AI 助手接入 Phoebe API 的上下文与功能。
基于 Model Context Protocol 的后端服务器，向大语言模型客户端提供资源管理、工具注册与执行、以及可渲染的提示模板等上下文服务；通过 JSON-RPC 进行请求/响应，并支持会话管理、能力声明与多传输协议（如 Stdio、SSE、WebSocket）的扩展能力。
基于 Model Context Protocol 的后端服务实现，提供资源、工具、提示等统一管理，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多种传输方式（如 SSE）。完整的 MCP 服务器端实现，包含服务初始化、挑战/结果管理、评测与分析、以及对外暴露的健康端点。
基于 Model Context Protocol (MCP) 的后端服务，向 LLM 客户端通过标准化的 JSON-RPC 方式提供资源、工具与提示模板等上下文信息，并支持开发/生产两种模式、以及通过标准传输通道进行通信。
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 的 MCP 服务器实现，提供对 Sirchmunk 的资源托管、工具注册与执行，以及提示模板渲染等能力，向 LLM 客户端以标准化的 JSON-RPC 方式提供上下文与功能服务。
基于 Model Context Protocol 的 MCP 服务器实现，为 LLM 客户端提供资源管理、工具注册与执行、以及基于模板的 Prompt 渲染等上下文服务，通过 JSON-RPC 与客户端通信并支持标准化的工作流与多后端后端适配。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供 MCP 的核心能力：注册并执行工具（Tools）、托管资源与数据，以及通过 JSON-RPC 风格的交互向 LLM 客户端提供上下文与功能，支持多传输协议（stdio 与 HTTP/SSE）以便与不同的 AI 客户端对接。项目中包含可运行的 MCP 服务器代码和 HTTP/SSE 传输实现，适合作为对接大模型代理的后端服务。
基于 Model Context Protocol (MCP) 的后端服务器，标准化向大语言模型客户端提供新闻资源、工具和提示模板，支持本地 stdio 与 HTTP/SSE 传输，以实现实时上下文和外部功能的访问。
基于 Model Context Protocol 的 MCP 服务器，为本地知识库的 AI 客户端提供资源管理、工具执行与 Prompt 模板渲染等能力，并通过 JSON-RPC 与客户端进行通信。
基于 Model Context Protocol（MCP）的后端服务，为 LLM 客户端（如 Claude）提供统一的上下文服务，包括资源、工具和提示模板的管理；通过 JSON-RPC 进行通信，支持 SSE/stdio 等传输协议，并具备会话管理与认证机制，适合作为法律场景下的上下文与功能后端。
基于 Model Context Protocol（MCP）的后端服务，实现对资源、工具与 Prompt 模板的管理与渲染，提供面向 LLM 客户端的上下文服务与交互能力，支持多种传输模式（STDIO、SSE、HTTP），实现 Java 生态中的 Jakarta EE 迁移支持与分析工具的远程调用。
一个用于构建、部署和连接基于 Model Context Protocol（MCP）的后端服务与工具的综合工具链。它提供服务器代理、MCPB/Manifest 支持、检测与打包、工具注册与发布，以及本地/远程工具的解析与加载等能力，帮助开发者高效搭建和维护 MCP 服务端环境。
基于 Model Context Protocol 的 MCP 服务端实现，负责与 MCP 客户端通过 JSON-RPC 协议通信，注册并执行外部工具、管理资源与提示模板，并支持多种传输方式（如 STDIO、HTTP SSE），提供会话管理、能力声明及外部工具的接入能力。
基于 Model Context Protocol (MCP) 的 BoxLang 后端服务器实现，提供对 Resources、Tools 与 Prompts 的注册、管理与暴露，并通过 JSON-RPC 与 MCP 客户端进行通信，支持多传输协议（如 STDIO、SSE、WebSocket），为 LLM 客户端提供标准化的上下文服务、会话与能力声明。
基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具和提示模板的托管与通过 JSON-RPC 与客户端通信的后端服务。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源、工具、Prompt 模板等上下文能力的托管与管理，并通过 JSON-RPC 风格的 MCP 协议对接 LLM 客户端。实现了对 MCP 请求/响应的处理、传输协议支持（SSE/HTTP proxy、STDIO 启动模式等）、以及与网关、权限、鉴权和模块化插件体系的协同运行，定位于为 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 的后端服务器，为 Tandoor 食谱管理系统提供资源、工具和提示模板等上下文服务，供大语言模型调用与查询。
基于 Model Context Protocol 的 MCP 服务器实现，用于通过标准化方式向 LLM 客户端提供 MSSQL 数据库的资源、工具和提示等上下文服务，支持多语言实现（Node 与 .NET 版本）以及基于 JSON-RPC 的交互。
基于 Model Context Protocol 的 MCP 服务器实现，用于向 LLM 客户端提供上下文信息、工具调用通道与 Prompts 渲染等功能；核心通过 JSON-RPC 与客户端通信，示例实现包含最小化的服务器以支持集成测试场景。
基于 Model Context Protocol 的后端服务器实现，提供资源托管、工具注册与执行、提示模板管理，并通过 JSON-RPC 与客户端进行通信，支持多传输协议、会话管理与权限策略，以为大模型客户端提供安全、可扩展的上下文服务。
基于 Model Context Protocol (MCP) 的服务器实现，用于 Reflex DevTools 与 AI 客户端之间的交互。该服务器提供对应用状态、追踪数据、活动订阅、可用处理器/工具等的查询与执行能力，允许 AI 助手读取应用上下文、调用工具并渲染提示模板。通过 JSON-RPC/stdio/WebSocket 等传输，与前端仪表盘以及后端应用建立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）、工具（Tools）和提示模板（Prompts）等能力，并通过 JSON-RPC 形式与 LLM 客户端交互，支持多种传输方式（如 STDIO、HTTP）。
基于 Model Context Protocol 的 MCP 服务器实现，提供工具注册与执行、资源访问、以及与 LLM 的对话上下文渲染等核心能力。通过 JSON-RPC 与客户端通信，采用 STDIO 传输实现本地进程间通信，适用于 Claude Code 的 Telegram 插件后端场景。该实现涵盖工具调用、批量通知、审批流、AFK/监听等功能模块，具备完整的服务端能力与测试用例。
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 Prompt 模板的定义与渲染，通过 JSON-RPC 与 客户端通信，支持多种传输通道，面向让大语言模型客户端高效获取上下文、能力和工具的后端服务。
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（MCP）的后端服务器实现，面向 LLM 客户端提供资源、工具和 Prompt 的标准化上下文服务，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（如 Stdio、SSE、WebSocket）的扩展能力，适用于将 Tana 数据和功能暴露给 AI 模型进行推理、调用和渲染。
基于 Model Context Protocol 的多模 MCP 服务器实现集合，提供资源管理、工具执行、模板与知识管理等功能，支持 JSON-RPC 通信和多传输通道，覆盖内存、搜索、浏览器、邮件、数据库等多种外部能力的统一后端服务。
基于 Model Context Protocol（MCP）的后端实现。提供对资源的管理、工具的注册与执行、以及 Prompt 模板的定义与渲染，并通过 JSON-RPC 与 SSE 与客户端通信，支持记录与回放等 MCP 服务能力，具备代理、捕获、回放、观测和安全测试等完整特性。
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 的后端服务器，为 LLM 客户端提供标准化的上下文、资源、工具与提示模板，并通过 JSON-RPC/WebSocket 实现 MCP 通信与扩展能力，支持会话管理、权限控制与多传输协议接入。
基于 Model Context Protocol 的 MCP 服务器，实现对 XPR（Proton 区块链）的工具查询、数据访问与外部部署能力，通过 JSON-RPC 与 MCP 客户端通信，并提供 Azure Functions 部署支持。
基于 Model Context Protocol 的后端 MCP 服务器实现，作为后端上下文服务提供商，向 LLM 客户端以标准化的 JSON-RPC 调用提供资源、工具与提示模板等能力，并通过 MCP 协议进行请求处理与响应返回。该仓库内实现了服务器端工具注册、请求分发以及对 Supabase 等后端的数据访问逻辑，可用于对接外部大模型应用场景。
基于 Model Context Protocol 的 MCP 服务器实现（集成于 Edda 框架），通过 JSON-RPC/多传输协议向 LLM 客户端暴露 durable workflows、资源和工具，并支持 Prompts 渲染，方便 AI 助手与后端工作流进行长期上下文交互和功能调用。
基于 Model Context Protocol 的 MCP 服务器实现，集成在 EllyMUD 游戏后端，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等能力，便于与大型语言模型或外部 AI 客户端通过 JSON-RPC 进行上下文与功能交互。
基于 Model Context Protocol（MCP）的后端服务器实现，提供面向大语言模型客户端的上下文服务能力，包含工具（Tools）、资源（Resources）和提示模板（Prompts）的注册、管理与执行，支持通过 Spring Boot 部署并对接支持 MCP 的 Agent 客户端。
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、以及提示模板渲染，采用 STDIO 传输用于与 MCP 客户端进行 JSON-RPC 风格的通信，支持多模态上下文的读取、操作和交互。
基于 Crackerjack 的 MCP（Model Context Protocol）服务器实现，提供资源托管与管理、工具注册与执行、以及可渲染的 Prompt 模板等核心能力，通过 JSON-RPC 与客户端通信，并支持多种传输方式（如 WebSocket、StdIO、SSE），为 LLM 客户端提供安全、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，提供对资源、工具和提示模板的管理与执行，支持通过 JSON-RPC 与 MCP 客户端通信，并具备标准化的服务器端会话管理和多传输模式能力（如 StdIO）。
基于 Model Context Protocol（Model Context Protocol，简称模型上下文协议）实现的后端服务器，提供机场、航空公司与机型等 IATA 代码的查询工具，并通过 MCP 客户端进行统一的上下文服务和外部工具调用。该服务器包含完整的 MCP 服务器实现、会话管理和工具执行能力，面向 AI 应用提供标准化的数据访问与功能扩展入口。
基于 Model Context Protocol 构建的后端服务，为对话型客户端提供标准化的资源管理、工具注册与执行、以及可渲染的提示模板等上下文服务，支持多引擎协同、JSON-RPC 通信以及多种传输协议的 MCP 场景实现。
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 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 Model Context Protocol (MCP) 的后端服务器实现，提供资源/工具/提示模板的托管与管理，并通过 MCP 协议向 LLM 客户端暴露上下文服务、数据访问与外部功能调用能力。支持多种传输方式（HTTP/JSON-RPC、SSE、WebSocket/流式）以及多用户隔离。
基于 Model Context Protocol (MCP) 的后端服务器，为大语言模型客户端提供资源访问、工具调用和提示模板的统一上下文服务，支持文档索引、向量检索、以及与 Claude Code 等 MCP 客户端的无缝集成。
基于 Model Context Protocol 的后端服务，提供资源、工具与提示模板的标准化上下文服务，通过 JSON-RPC 与 LLM 客户端进行交互，当前实现以 STDIO 传输为主要通讯方式，能够托管本地知识库中的日常简报、事实、理事会简报等资源，并暴露查询与渲染工具以支持多样化的 LLM 交互场景。
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（MCP）的企业级 MCP 服务器实现，提供网络诊断与知识检索等工具的服务端能力，并与图谱编排、工具网关、审计日志等模块协同工作，支持多服务器架构和标准化的 JSON-RPC 交互。
TypeScript SDK，用于构建基于模型上下文协议（MCP）的服务器端应用，提供装饰器定义的工具/资源/提示、会话管理、以及基于 JSON-RPC 的流式传输 HTTP 服务实现，支持自动发现、UI绑定与多种扩展能力。
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。
一个汇集了多份基于 Model Context Protocol (MCP) 的服务器实现与使用示例的学习资源库，能够通过标准化的 JSON-RPC 方式向 LLM 客户端暴露资源、工具与提示模板，支持 stdio 与 HTTP 等多种传输模式，并演示多服务器协同工作与工具调用执行流程。
基于 Model Context Protocol (MCP) 的 MCP 服务器实现，提供资源管理、工具注册/执行、Prompt 模板定义与渲染等能力，作为后端上下文服务框架供 LLM 客户端通过 JSON-RPC 进行资源访问、外部功能调用与交互模板渲染。仓库中包含多个可运行的 MCP 服务器示例，支持通过标准化接口对接 Claude/LLM 客户端。
TEQUMSA_NEXUS 仓库提供以 Model Context Protocol（MCP）为核心的后端服务器实现，涵盖资源、工具、提示模板等资源的托管与管理，以及通过 JSON-RPC 风格接口进行跨节点协同与数据访问，为大语言模型（LLM）客户端提供可扩展的上下文服务框架。
基于 Model Context Protocol 的 MCP 服务器实现，用于托管与执行 BL1NK Skills，并集成 AWS Bedrock Nova Lite 进行技能生成与推理，支持资源、工具、提示模板的标准化管理与 JSON-RPC 通信。
基于AWS Lambda的serverless MCP服务器，通过HTTP为LLM应用提供工具能力。
基于Spring AI框架实现的MCP服务器示例，提供元素周期表查询、文件系统访问和地图路线规划等工具服务。
提供Model Context Protocol (MCP) 服务器的参考实现和一致性测试套件，支持STDIO和HTTP传输协议。
通过Model Context Protocol (MCP) 将Merge API的数据和功能集成到LLM应用，实现自然语言访问和操作Merge API数据。
基于Amazon Bedrock的文档问答聊天机器人，通过MCP服务器提供实时信息和外部工具访问，增强LLM上下文处理能力。
SingleStore MCP 服务器是一个基于 Model Context Protocol 的后端实现，旨在连接 SingleStore 数据库与 LLM 客户端，提供资源访问和数据库操作工具。
Agentic Finance Platform 是一个基于 Model Context Protocol (MCP) 的 AI 金融交易平台，利用多智能体协同进行投资决策，并提供实时监控和分析仪表板。
KAgent MCP Server基于Kubernetes，为AI Agent提供资源和工具管理，通过标准MCP协议简化LLM应用后端开发。
Authed MCP服务器集成方案，为AI Agent提供安全认证的Model Context Protocol服务。
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。
基于Amazon Bedrock的MCP服务器演示项目，提供ChatBot API并集成多种MCP工具，扩展大模型应用场景。
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。
ATLAS MCP Server为大型语言模型提供层级任务管理能力，支持资源、工具和Prompt模板，并通过JSON-RPC协议与客户端通信。