"Python后端"标签的搜索结果

Swarm Scout MCP 服务器将强大的 Scout 代码分析代理（支持 Bash 和 Ripgrep）作为可调用工具，通过 Model Context Protocol (MCP) 向 LLM 客户端提供代码理解和上下文发现能力。

FastApps是一个基于Model Context Protocol (MCP) 的零样板框架，用于构建和部署与ChatGPT或其他LLM交互的自定义后端功能（widgets/tools）。

基于FastMCP框架，为LLM提供事件管理和分析服务，深度集成PagerDuty工具和资源。

一个基于 FastMCP 框架构建的 Python MCP 服务器，提供数据操作工具并支持标准 JSON-RPC 协议进行通信。

一个基于Model Context Protocol (MCP) 实现的天气信息服务后端，为LLM客户端提供天气查询工具、相关资源和Prompt模板。

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。

基于Python为HelixDB图向量数据库提供MCP服务，使LLM能通过标准化协议访问数据和调用图操作工具。

一个基于 Model Context Protocol (MCP) 实现的酒店查询后端，提供标准化的工具调用接口，用于 LLM 应用集成。

AppDog 通过 OpenAPI 规范轻松生成并管理 MCP 服务器，将 RESTful API 转化为 LLM 可调用的资源和工具。

一个使用 Python 及其 MCP SDK 构建的 Model Context Protocol (MCP) 服务器基础示例。

该项目是一个基于MCP协议的本地服务器示例，提供数学计算工具供LLM客户端调用，展示了如何实现本地函数调用能力。

一个简单的Python MCP服务器示例，提供天气信息查询工具，如实时天气、天气预报和天气警报。

一个基于 Python 开发的 MCP 服务器，旨在为 LLM 应用提供便捷的 MediaWiki 知识库访问能力，支持资源管理、数据访问和 Prompt 模板。

基于Python实现的MCP服务器示例，演示了如何构建资源和工具，并包含一个文档搜索工具示例。