"上下文渲染" 标签

基于 Model Context Protocol（MCP）的后端服务，实现资源、工具和提示模板的统一托管与执行，并通过 JSON-RPC 与 LLM 客户端通信，支持多传输方式（如标准输入输出、SSE、WebSocket）以提供可扩展的上下文服务。该仓库包含完整的 MCP 服务端实现及与本地后端的对接逻辑。

基于 Model Context Protocol (MCP) 的本地 MCP 服务器实现，提供会话管理、内存/思想（memory/thought）存储、分支与决策等资源与工具接口，并通过 JSON-RPC 进行通信，支持会话持久化、内存管理与多种交互场景，供 LLM 客户端调用外部功能与获取上下文数据。

基于模型上下文协议（Model Context Protocol，MCP）的后端实现，为大语言模型（LLM）客户端提供统一的资源管理、工具注册与执行、以及可定制的 Prompt 模板渲染等功能，并通过 JSON-RPC 与客户端通信，支持多传输协议与会话管理，构建 AI 场景中的上下文服务核心。

这是一个包含多个基于模型上下文协议（MCP）的服务器实现的插件集，提供资源管理、工具注册与执行、以及提示模板渲染等能力，并通过 MCP SDK 的 JSON-RPC 与客户端进行交互，适用于 Claude Desktop 的上下文服务与插件化扩展场景。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具的管理、以及 Prompt 模板的定义与渲染，向 LLM 客户端按标准化 JSON-RPC 方式提供上下文信息与功能。通过 STDIO 传输、可扩展传输等能力，支持对本地活动历史的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端通过标准化的 JSON-RPC 方式提供资源、工具和 Prompt 的注册、访问与渲染能力，并支持会话管理与多传输协议（如 STDIO/HTTP）的 MCP 服务。

基于 Model Context Protocol (MCP) 的后端服务器实现集合，用于向大语言模型客户端提供统一的上下文服务，包括资源（Resources）的托管与访问、工具（Tools）的注册与执行，以及提示模板（Prompts）的定义与渲染。仓库内含 Memory Bank 与 Cursor Shortcuts 两个成熟的 MCP 服务器实现示例，均通过标准的 JSON-RPC 形式与客户端通信，并提供以Stdio等多种传输方式的支持。

基于 Model Context Protocol (MCP) 的后端服务，提供统一的资源管理、工具调用和提示渲染能力，以便向大模型客户端（LLM）提供可访问的上下文信息和功能。实现包含对资源（Memory）的托管、工具注册与执行，以及对提示/上下文的组织与渲染，支持通过标准输入输出（stdio）以及 TCP/HTTP 钩子等多种传输方式进行 JSON-RPC 交互。

基于 Model Context Protocol (MCP) 的服务器端实现，提供对资源、工具与提示模板的统一管理与渲染，通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理、能力声明以及多种传输方式，用于在代码分析与开发场景中提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册/执行、Prompt 模板渲染，并通过 MCP/JSON-RPC 进行客户端交互，支持会话管理与跨协议传输，面向 LLM 客户端提供可扩展的上下文服务框架。

基于 Rust 的 MCP（Model Context Protocol）服务器实现，整合 vLLM.rs 引擎，提供资源托管、工具注册与执行、Prompt 模板渲染等核心 MCP 功能，通过 JSON-RPC 风格通信与 MCP 客户端协同工作，支持多种传输场景并具备会话管理能力。