基于 Model Context Protocol 的后端服务，向大语言模型（LLM）客户端提供 Currents 的测试与持续集成（CI）数据的资源、工具和提示模板，并通过 JSON-RPC 进行交互，以实现上下文信息托管、工具调用以及定制的对话模板渲染。
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上下文服务，能够通过 JSON-RPC 与 LLM 客户端进行资源读取、工具调用与模板获取等交互，并支持多种传输协议以实现安全、可扩展的上下文服务。
基于 Model Context Protocol (MCP) 的后端服务器实现，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，提供资源、工具和提示模板的注册、路由与 JSON-RPC 响应，作为 Elixir 应用的后端服务，与 Claude Code CLI 控制协议配合使用（支持 in-process 服务器模式）。
基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具与提示模板的托管与管理，支持 JSON-RPC 客户端交互，并具备会话管理与多传输协议扩展能力，适用于向 LLM 客户端提供可访问的数据、外部功能与定制化提示。