"上下文提供" 标签

基于 Model Context Protocol 的后端服务器实现，向语言模型客户端提供标准化的上下文信息和功能。核心能力包括托管与访问资源、注册与执行工具、定义与渲染 Prompt 模板；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协议（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 UniFi MCP 服务器实现，提供资源管理、工具执行和提示模板渲染等能力，通过 JSON-RPC 与 LLM 客户端通信，支持多传输和会话管理。

基于 Model Context Protocol 的 MCP 服务器实现，能够向 LLM 客户端以标准化方式提供上下文信息和功能，包括资源管理、工具注册与执行，以及 Prompt 模板的渲染与渲染结果的序列化，通过 JSON-RPC 与客户端通信，并支持流式传输等多种传输模式。该仓库实现了服务器端逻辑和对外暴露的工具/资源接口，便于与大型语言模型进行后端上下文交互与功能调用。

基于 Tome 实现的 Model Context Protocol (MCP) 服务器，实现对技能库的查询与读取能力。服务器通过 JSON-RPC 规范在标准输入输出（STDIO）通道上与 MCP 客户端通信，提供 list_skills 列出所有技能、read_skill 读取指定技能的 SKILL.md 内容等功能，支持在配置中自动发现技能、将技能暴露给 LLM 客户端使用，并确保路径安全边界与版本兼容性。

基于 Model Context Protocol (MCP) 的后端服务器，能够从上游 MCP 服务器自动生成并托管交互式 UI，提供工具调用、资源访问和 prompts 渲染等能力。

基于 Model Context Protocol 的 Skyll MCP 服务器，提供技能搜索与获取工具，供 LLM 客户端通过 MCP 协议进行上下文检索与功能调用，支持多传输协议、会话管理与缓存优化。

基于 Model Context Protocol (MCP) 的完整后端服务器实现，提供资源、工具和提示模板的托管与数据访问，通过 JSON-RPC 形式与 MCP 客户端通信，支持 HTTP 与 stdio 两种传输模式，并实现会话管理、能力声明及多工具集扩展与集成 Harness API 的能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于向大模型客户端以标准化方式提供 Electron 应用的上下文、资源、工具与提示模板，具备 JSON-RPC 通信、会话管理，并可通过 Stdio、SSE、WebSocket 多种传输协议进行交互；集成 Chrome DevTools Protocol (CDP) 实现对 Electron 应用的自动化与调试支撑。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供统一的资源管理、工具注册/执行以及 Prompt 模板的定义和渲染，能够通过 JSON-RPC 与 LLM 客户端进行交互，并支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理、能力声明及健康监控等扩展能力。

为 Apache Iggy 消息流平台提供实时上下文访问的 MCP 服务器

基于FastAPI实现的MCP服务器，提供天气查询工具和示例资源。

基于Model Context Protocol，将抓取的文档结构化并提供给LLM客户端进行问答和搜索。

一个生产级MCP服务器实现基础框架，提供工具调用、上下文服务和SSE传输能力。

基于 .NET 和 MCP 协议实现的时间服务器，为 LLM 客户端提供当前时间和特定时区的时间查询功能。

一个基于Model Context Protocol的服务器，允许LLM客户端通过工具搜索和检索维基百科文章内容。

ODocs是一个开源文档注册表，旨在解决AI辅助开发中的版本盲区问题，通过MCP服务器向AI代码生成工具提供版本相关的文档上下文。

一个开源MCP服务器，提供文档抓取、索引和搜索功能，为LLM应用提供文档知识库上下文。

将 MCP 服务器集成到 Rollup 构建流程中，为 AI 助手提供构建上下文和工具。

Python Filesystem MCP Server提供基于REST API的文件系统操作，使LLM客户端能够安全访问和管理服务器上的指定目录中的文件和文件夹。

Location MCP Server是一个简单的MCP服务器，提供获取用户位置的工具和Prompt，支持静态配置和网络IP定位两种方式。