AI与计算

基于 Model Context Protocol (MCP) 的后端服务器，实现对 EPLAN 自动化的资源、工具和提示模板的托管与执行。通过 JSON-RPC 风格的 MCP 接口与客户端通信，支持多种传输协议（StdIO、SSE、HTTP），为 LLM 客户端提供安全、可扩展的上下文服务与工具执行能力。

基于 Model Context Protocol 的 MCP 服务器实现，暴露 Claude Code Starter Kit 的命令与代理为可通过 JSON-RPC 调用的工具，供 MCP 客户端集成使用。

基于 Model Context Protocol（MCP）的完整服务器实现，提供资源、工具、提示模板等的标准化后端服务，并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明以及多种传输方式。

基于 Model Context Protocol 的后端服务，提供对 Turbo EA 数据的只读访问、资源与工具注册与执行，以及 Prompt 模板定义与渲染，供大语言模型以标准化的 JSON-RPC 方式查询和调用。该仓库实现了一个可运行的 MCP 服务器，包含 OAuth/SSO 集成、REST 风格资源与工具的实现，以及用于 AI 客户端的 Prompts 定义与渲染能力，支持本地测试（stdio 模式）与容器化部署。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源/工具/提示模板的统一管理与暴露，通过 JSON-RPC 与 LLM 客户端通信，支持本地运行、HTTP API 与多传输协议（如 stdio、SSE、WebSocket），实现本地化的 API 编排、任务执行和对话式上下文服务。

基于 Model Context Protocol 的 MCP 服务器端实现，提供对内存/资源的暴露、工具注册与执行，以及与客户端的 JSON-RPC 交互能力，支持通过不同传输协议与 LLM 客户端通信以提供上下文服务和记忆能力。

基于 Model Context Protocol (MCP) 的后端实现，提供对 Fusion360 API 文档的语义检索、类/方法文档获取与示例代码查询等功能，并通过 JSON-RPC 与 LLM 客户端交互，支持与 Claude、Cursor、VS Code Copilot 等工具的集成。

基于 Model Context Protocol (MCP) 的 WhatsApp 后端服务器实现，使用 Go 语言编写，提供工具注册与执行、会话管理与多传输模式支持，旨在为大模型客户端提供统一的资源访问、外部功能调用和上下文渲染能力，并可与 WhatsApp Bridge 集成使用以实现对话上下文的实时服务。

基于 Model Context Protocol (MCP) 架构的后端服务器，实现对外部命令执行、后台进程管理、输出截断与安全策略的统一上下文服务，面向 LLM 客户端提供资源、工具与提示的标准化接口。