"人工智能集成" 标签

基于 Model Context Protocol (MCP) 的后端服务器实现，面向 Zigbee2MQTT 的场景，通过 JSON-RPC 提供 Tools、Prompts 等能力以供大语言模型调用和上下文服务。

基于 Model Context Protocol (MCP) 的 Obsidian 知识库后端，向 MCP 兼容的 AI 客户端提供对本地 Obsidian Vault 的资源访问、工具执行与元数据渲染，并通过标准化的 JSON-RPC 协议进行通信与会话管理。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源/上下文管理、工具注册与调用、以及 Prompts 的定义与渲染，支持多 provider 的上下文桥接与 mesh/循环任务执行，采用 JSON-RPC 通过标准传输（如标准输入/输出）与 MCP 客户端通信。

基于 Model Context Protocol（MCP）的 WeChat 数据后端实现，提供标准化的资源管理、工具执行和内容渲染能力，旨在让大语言模型客户端通过 JSON-RPC 的方式查询微信消息、联系人、密钥解密后的数据及图片内容。

基于 Model Context Protocol (MCP) 的 FoundryVTT 后端服务器，实现资源托管、工具注册与执行，以及提示模板渲染，通过 JSON-RPC 与客户端进行通信，支持多传输协议并提供会话管理与健康诊断等能力。

基于 Model Context Protocol (MCP) 构建的后端服务器，为大语言模型客户端提供规范化的资源管理、工具注册与执行、以及可渲染的 Prompt 模板等上下文服务，支持 JSON-RPC 通信、会话管理与多传输通道。

基于 Model Context Protocol (MCP) 的后端实现，提供服务器端工具注册、跨模型查询以及服务器端函数发现与调用的 JSON-RPC 服务，支持通过 STDIO 等传输方式与客户端交互。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供工具调用、资源访问和提示模板的统一接口，连接本地 IDE 与大型语言模型客户端。

基于 Model Context Protocol (MCP) 的后端服务器实现，为多租户 CRM 提供资源、工具与提示模板的上下文服务，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多单位配置与安全访问。

基于 Model Context Protocol 的 MCP 服务器，桥接大语言模型（LLM）客户端与 Eclipse SUMO 交通仿真平台，提供资源、工具、提示模板等统一访问接口，通过 JSON-RPC 进行通信，支持多种传输方式（如标准输入输出、SSE、WebSocket），实现对 SUMO 的离线与在线控制、工作流自动化等功能。

通过 MCP 协议让 AI 助手获取 Canvas LMS 数据