通信与社交

基于 Model Context Protocol 的后端服务器，通过 WhatsApp 连接提供资源、工具与提示模板等能力，供 LLM 客户端以统一的 JSON-RPC 方式访问，并支持跨群组的上下文分析与合成。

基于 Model Context Protocol (MCP) 的后端服务器实现，能够按账户动态注册 Telegram 工具、通过 JSON-RPC 提供工具调用与资源访问，并以 URL 路径实现账户级别的多实例隔离，适用于将 LLM 客户端接入各自的通信服务工具。

基于 Model Context Protocol 的 MCP 服务器实现，提供 ask_human 工具，允许 LLM 在 Discord 或 Slack 上请求人工干预并在获取回复后继续执行。

基于模型上下文协议（MCP）的 Feishu/Lark MCP 服务器实现，提供 send_user_feedback、send_file_to_feishu、update_card、wait_for_interaction 等工具，通过 JSON-RPC 2.0 与客户端进行通信，并通过标准输入输出（stdio）实现传输，与 Claude Agent SDK 的工具集无缝衔接，支持会话管理与多工具渲染。

基于模型上下文协议（MCP）的后端服务器，提供将 Discord 文件与消息通过 MCP 接口发送到 Claude Code CLI 的能力，使用消息队列解耦前后端通信，并支持 stdio/HTTP 传输模式。

基于 Model Context Protocol (MCP) 的后端服务器实现，通过 Dedalus MCP 框架向 LLM 客户端提供 Discord API 的上下文信息与功能，包含一组可调用的工具（例如发送消息、读取历史、获取服务器信息等），并通过 JSON-RPC 与客户端通信。

基于 Model Context Protocol 的 MCP 服务器实现，用于将一个 Discord 自助账户的资源、工具与对话模板通过标准化的 MCP JSON‑RPC 后端对接到 LLM 客户端，支持 stdio 传输并以 JSON-RPC 提供资源、工具执行与提示渲染等功能。

基于 Model Context Protocol (MCP) 的邮件上下文后端，为大模型/LLM 客户端提供资源访问、工具执行和提示渲染能力；通过 JSON-RPC 与客户端通信，支持在本地Outlook 环境中进行邮件加载、查询、撰写与批量转发等操作，并提供服务端会话管理与工具注册机制。该实现面向在 Windows 上使用 Outlook 的场景，核心目的是为 LLM 应用提供可扩展、可控的上下文服务。

基于 Model Context Protocol (MCP) 的 Discord 集成后端，提供标准化的资源、工具、提示模板管理，并通过 JSON-RPC 与客户端进行通信，实现对 Discord 服务的自动化上下文支持。