"后端服务" 标签

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 (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 的后端服务器，暴露 Trello 的资源与操作给 MCP 客户端，支持资源读取、工具执行等标准 MCP 功能，以供 LLM 场景的上下文服务与外部功能调用之用。

基于 Model Context Protocol 的后端实现，提供 Gmail 相关的资源、工具与提示模板，通过 JSON-RPC 与 LLM 客户端进行交互，支持资源管理、工具执行与提示渲染等核心能力。

基于 Model Context Protocol (MCP) 的后端实现，向 LLM 客户端以标准化方式提供图标资源、可注册的工具以及可渲染的 Prompt 模板，并通过 JSON-RPC 与客户端进行通信，当前实现包含资源查询、图标获取、分类列表等核心功能。

基于 Model Context Protocol（MCP）的后端服务实现示例，提供一个可运行的 MCP 服务器，用于暴露工具并通过 JSON-RPC 与 MCP 客户端通信，底层以 Claude Code 的快速 MCP 服务端为例展开实现。该服务器可与多种前端客户端协同工作，支持工具注册、执行与提示渲染等 MCP 相关能力。

基于 Model Context Protocol (MCP) 的后端服务，实现对资源、工具、提示模板的管理与渲染，并通过 JSON-RPC（基于 stdin/stdout）与 LLM 客户端进行交互，提供会话管理、工具注册与调用、以及可定制的 Prompt 渲染等能力。

基于模型上下文协议（MCP）的后端服务，提供资源管理、工具注册/执行与提示模板等能力，并通过 JSON-RPC 与 LLM 客户端进行安全、可扩展的上下文服务交互，支持多传输通道（SSE、WebSocket、标准输入输出等）与会话管理。

基于 Model Context Protocol 的后端 MCP 服务器实现，提供可执行的 MCP 服务（工具、资源、提示等能力）以供 LLM 客户端访问，采用 JSON-RPC 风格进行通信并支持多种传输方式（如 Server-Sent Events）。

基于 Model Context Protocol 的 MCP 服务器实现，能够托管资源、注册工具、定义和渲染 Prompt，支持 JSON-RPC 通信，具备本地与嵌入式 MCP 服务器的管理能力。

基于 Model Context Protocol（MCP）的后端服务器实现，提供账户、市场数据、推送等资源和工具，供大语言模型客户端以 JSON-RPC 方式交互获取上下文信息与执行外部功能。

基于 Model Context Protocol (MCP) 的 HTTP 服务器实现，提供 linWinPwn 的命令目录浏览、按ID执行命令并返回执行结果与日志的能力，旨在为 LLM 客户端提供可访问的上下文与工具执行接口。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具和 Prompt 的标准化管理，并通过 JSON-RPC 与客户端通信；支持 stdio 与 HTTP 传输，具备会话管理、能力声明和多传输协议扩展能力，旨在为 LLM 应用提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于通过 JSON-RPC 与 LLM 客户端协同，管理多设备串口资源、注册并执行工具（Tools）、以及提供动态的提示/模板渲染能力，核心在于为 AI 应用提供统一的上下文和外部功能访问接口。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供通过 MCP 客户端进行 WhatsApp 消息收发、工具执行和对话上下文管理的能力，支持多种传输方式及会话持久化。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对欧洲议会开放数据的结构化上下文访问、工具注册与调用、以及可渲染的提示模板，客户端通过 JSON-RPC 与之通信，支持多种传输方式并具备会话管理与安全合规能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供 Sitecore GraphQL 的资源、工具与提示模板，以 JSON-RPC 形式通过标准传输（如 STDIO）与 LLM 客户端通信，支持对 Sitecore 内容上下文的管理与外部功能调用。

基于 Model Context Protocol 的 MCP 服务器实现，作为 SiYuan 插件后台数据服务端，提供任务数据的资源读取、项目与分组查询，以及按条件筛选事项的工具执行能力，支持与 MCP 客户端通过 JSON-RPC 进行通信。

基于 Model Context Protocol 的后端服务实现，提供资源管理、工具注册/执行、以及 Prompt 模板渲染等核心能力，并通过 JSON-RPC 与客户端进行通信，支持会话管理与多传输协议。

基于 Model Context Protocol (MCP) 的后端服务器实现集合，提供资源管理、工具注册/执行以及提示/模板渲染等能力，供 LLM 客户端通过 JSON-RPC 与多种 MCP 服务器进行交互。仓库内包含多个独立的 MCP 服务端实现（如 lexis-mcp、lawborg-mcp、borg-mcp 等），通过 StdioTransport 提供标准化的服务入口，支持工具列表、工具调用以及跨提供方的集成能力。

基于 Model Context Protocol 的 MCP 服务器实现，作为 Roxlit 向 LLM 客户端暴露 Luau 执行、资源访问与日志等能力的后端服务。通过标准输入输出（stdio）进行 JSON-RPC 通信，能够与 Roxlit Launcher 的 HTTP 服务协同工作，向 AI 客户端提供统一的上下文与工具执行能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具的托管、工具注册与执行、以及 Prompt 模板定义与渲染等功能，通过 JSON-RPC 在 MCP 客户端（如大模型代理）与服务器之间进行通信，当前实现以标准输入输出（Stdio）传输，便于与 Claude 等代理进行无缝对接并扩展为其他传输协议。

基于 Model Context Protocol（MCP）的多后端服务器实现集合，使用 FastMCP 提供对接 LLM 客户端的资源管理、工具执行、数据分析与自动化能力。仓库中实现了多台服务器（如任务管理、会话记忆、输入分析、网页抓取、数据分析、自动化工具等），覆盖资源/工具/提示等核心模块，支持通过 JSON-RPC 风格的请求与响应进行交互，便于在 Claude Code 等环境中为 LLM 客户端提供统一的“上下文与能力服务”后端。

基于 Model Context Protocol (MCP) 的 Rust 后端服务器实现，与 Linear API 集成，提供资源、工具和提示模板的上下文服务，通过 JSON-RPC 与 LLM 客户端通信（当前实现使用标准输入/输出传输）。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供 Claude Cortex 的内存检索、时间线、详细信息与保存等工具的标准化 JSON-RPC 接口，供 LLM 客户端按统一协议查询与调用，支持本地文本检索、向量检索与知识图谱扩展等能力。

基于 Forge 平台的 MCP（Model Context Protocol）后端实现，提供资源管理、工具注册与执行、Prompt 模板渲染等核心能力，通过 JSON-RPC 与多传输协议（如标准输入输出、Server-Sent Events、WebSocket）对接 LLM 客户端，实现跨会话的上下文服务与能力声明。

基于 Model Context Protocol (MCP) 的 OneNote 后端服务器实现，提供资源管理、工具注册、提示模板渲染，并通过 JSON-RPC/SSE/STDIO 等方式与 MCP 客户端通信；内置 Microsoft Graph API 集成、OAuth2 PKCE 验证、Notebook 级授权、缓存机制和实时进度通知，支持 STDIO 与 HTTP 模式部署。

基于 Model Context Protocol（MCP）的后端服务，为大型语言模型客户端提供可读取的资源、可执行的工具、以及可渲染的提示模板等上下文能力，通过 JSON-RPC/MCP 协议实现与客户端的交互。

DivineOS MCP Server 基于 MCP 协议实现的后端服务，利用 MCP SDK 将资源、工具和提示等能力以 JSON-RPC 形式暴露给 MCP 客户端，支持标准输入输出和 HTTP 传输，提供完整的伺服器端实现与工具集合。

基于模型上下文协议（MCP）的后端服务器集合，提供托管资源、注册并执行工具、定义与渲染提示模板等能力，并通过 JSON-RPC 与客户端通信。该仓库实现了多台内置 MCP 服务器以及一个统一的 MCP 服务端，支持本地（stdio）、WebSocket/SSE 等传输协议的扩展上下文服务框架，适用于将大模型客户端接入到后端资源、工具与提示模板的强大上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供通过 Gemini 的 AI 能力进行资源管理、工具执行、以及提示模板渲染等功能，并通过 JSON-RPC 与客户端进行通信，支持多种传输方式以为 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol 的 MCP 服务端实现，提供资源管理、工具注册与执行，以及基于模板的 Prompt 渲染等能力，配合示例服务器实现了完整的后端工具链与测试用例，适用于向 LLM 客户端暴露标准化的上下文与功能。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具与 Prompt 的后端服务，向 LLM 客户端（如 Claude）以标准化 JSON-RPC 方式交互，支持 STDIO、SSE/WebSocket 及 HTTP 传输，提供比特币市场分析相关的分析工具和可视化能力。

基于 Model Context Protocol 的 MCP 服务器实现，提供 ERP 与分析工具集合的注册、查询与执行能力，支持与 MCP 客户端进行标准化的 JSON-RPC 通信，适用于企业級后端上下文与工具调用场景。

基于 Model Context Protocol 的后端服务，向大语言模型客户端提供资源（Resources）、工具（Tools）和提示模板（Prompts）的标准化上下文服务。通过 JSON-RPC 与客户端通信，服务器负责会话管理、能力声明，以及对资源、工具和提示进行托管、注册与渲染，支持多传输协议的接入以实现灵活的后端上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，提供资源管理、工具注册与执行，以及可渲染的提示模板，采用 JSON-RPC 与 LLM 客户端通信，支持通过标准输入输出（stdio）对接多种 AI 客户端插件与工作流。当前实现覆盖初始化、工具列表以及工具调用等核心 MCP 场景，并附带一个可运行的工具集（solvr_search、solvr_get、solvr_post、solvr_answer、solvr_claim）。

基于 Model Context Protocol (MCP) 的后端实现，提供资源、工具与提示模板的管理与对外交互，并通过 JSON-RPC 形式与 LLM 客户端进行上下文服务与能力调用，支持 WebUI、WebSocket 等传输方式的 MCP 服务端功能。

基于 Model Context Protocol (MCP) 的后端服务器，提供资源、工具和提示模板等上下文能力，面向 LLM 客户端以标准化的 JSON-RPC 形式进行交互，支持多传输协议并实现会话管理与能力声明。

基于 Model Context Protocol 的服务器实现，将 Claude Code、Gemini CLI、Codex 作为工具对外暴露，供 MCP 客户端调用并通过标准输入输出进行通信。

基于 MCP（Model Context Protocol）的后端服务器实现，用于模拟向 LLM 客户端提供资源、注册与执行工具、以及渲染提示模板的能力，具备可运行的服务端代码和一套可测试的微型 MCP 服务场景，便于开发、验证和集成测试。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 Laravel Workflow 的资源、工具与流程的 MCP 接口支持，允许 AI 客户端通过 JSON-RPC 向服务器发起启动工作流、查询状态等操作，并在 Laravel 应用内完成工作流调度与结果存储。

基于 Buttondown API 的 MCP 风格后端服务，为大语言模型客户端提供资源访问、工具调用和上下文渲染等能力。通过 JSON-RPC 与客户端通信，支持多种传输方式（如标准输入输出、SSE、WebSocket），实现对 Buttondown 邮件、订阅者等数据的安全、可扩展访问。

基于 Model Context Protocol (MCP) 的后端服务器，为 MCP 客户端提供 pyscn 的资源访问、工具注册/执行和提示模板渲染能力，通过 JSON-RPC 与客户端通信，支持多种传输通道并实现会话管理与能力声明。该实现以 pyscn 的命令行分析能力为核心，暴露给 AI 辅助工具集成使用。

基于 Model Context Protocol (MCP) 的服务器实现样例，展示如何在后端注册工具与资源，并通过 Express HTTP 传输提供 JSON-RPC 风格的 MCP 服务。

基于模型上下文协议（MCP）的后端服务器，向大语言模型客户端提供资源管理、工具执行与提示模板的统一上下文服务，并通过 JSON-RPC 与客户端进行通信。

基于 Model Context Protocol (MCP) 的后端服务实现，提供发布、发现、验证和管理 AI 代理的能力，供 MCP 客户端通过标准 JSON-RPC 与之交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大语言模型客户端提供统一的上下文信息与功能入口。服务器负责托管与管理资源、注册与执行工具、定义与渲染提示模板，并通过 JSON-RPC 风格的协议与客户端交互，支持多种传输方式（如 HTTP/1.1 桥接、WebSocket、STDIO），实现安全、可扩展的上下文服务框架。目前处于开发者预览阶段，功能与接口可能在后续版本中变动。

基于 Model Context Protocol 的 MCP 服务器实现，向 LLM 客户端提供资源托管、工具注册与执行，以及可渲染的 Prompt 模板等标准化上下文服务，支持多种传输协议（如 SSE、HTTP）并通过 JSON-RPC 与客户端交互。

基于 Model Context Protocol (MCP) 的 Gemini 模型后端实现，提供资源、工具和提示模板的上下文服务，通过 JSON-RPC 与客户端通信，并以 stdio 传输实现 MCP 服务器。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源管理、工具注册与执行、以及可渲染的提示模板，通过 JSON-RPC 与客户端进行通信，并支持多传输协议（如 STDIO、SSE、WebSocket），为大语言模型应用提供可扩展的上下文服务框架。

基于 FastMCP 的 MCP 服务器实现，为 MyCourseVille 提供上下文资源、工具执行和提示模板的后端服务，面向与 LLM 客户端的标准化上下文服务。

一个实现模型上下文协议（MCP）核心功能的后端服务器集合，提供 Weather、Tech News、Math 等 MCP 服务端实现示例。基于 FastMCP 库构建并通过标准的 MCP 传输（如 stdio）暴露工具接口，便于 MCP 客户端注册、请求资源与执行工具，形成标准化的上下文服务后端。

基于 Model Context Protocol 的后端服务，使用 FastAPI 构建，提供资源、工具与提示模板等 MCP 功能，并通过 JSON-RPC 与客户端通信为大型语言模型客户端提供上下文和能力服务（如资源访问、工具调用与提示渲染）。服务器通过对外暴露的 MCP 路由实现对接、会话管理与多传输协议的支持（如 SSE/StdIo/WebSocket 等），以实现可扩展的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器实现模板，提供资源、工具、提示模板等的注册、执行，以及与 MCP Hosts 的协议通信能力，支持资源管理、工具注册与调用、Prompt 模板定义与渲染，适用于在 AI 客户端内提供可渲染的互动 UI 与上下文数据。

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。

基于模型上下文协议（MCP）的后端服务器，提供资源与工具的托管、远程工具调用、提示模板管理，以及面向LLM客户端的标准化上下文服务，支持多种传输与会话管理模式。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 CoinBase Advanced Trading API 的资源管理、工具注册与执行，以及用于 Claude 等大语言模型的提示模板渲染与自助交易能力。服务器通过 JSON-RPC 与客户端通信，支持 HTTP（/mcp）、标准输入输出（stdio）等传输方式，并内置工具与提示注册、会话管理与安全日志处理。实现不仅包含完整的 MCP 服务端逻辑，还提供大量工具的注册、Prompts、以及用于自动交易技能的集成示例。

基于 Model Context Protocol（MCP）的后端服务，为 LLM 客户端（如 Claude）提供统一的上下文服务，包括资源、工具和提示模板的管理；通过 JSON-RPC 进行通信，支持 SSE/stdio 等传输协议，并具备会话管理与认证机制，适合作为法律场景下的上下文与功能后端。

基于 Model Context Protocol 的 MCP 服务器实现，提供数据资源管理、工具注册与执行，以及与向量化嵌入等组件的整合，作为大语言模型（LLM）客户端的上下文与能力后端服务。

基于 Model Context Protocol (MCP) 的后端服务器，为大语言模型(LLM)客户端提供资源托管、工具注册与执行、以及 Prompt 模板渲染等上下文服务；通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多传输协议（如 StdIO、SSE、WebSocket）进行安全、可扩展的上下文服务交互。

基于 Model Context Protocol 的 MCP 服务器实现，提供标准化的资源、工具、Prompts 等能力，通过 JSON-RPC 与客户端通信，支持公开的 MCP 接入点与工具集注册，便于 LLM 客户端获取上下文信息、执行外部功能与获取 Prompt/模板等能力。

基于 Model Context Protocol（MCP）的后端服务器实现，托管并管理资源（Resources）、注册并执行工具（Tools）、定义与渲染 Prompt 模板（Prompts），通过标准的 JSON-RPC 方式向 LLM 客户端提供上下文信息与功能，并支持组件化扩展与会话分析。<br/>该仓库实现了完整的 MCP 服务端框架及多组件插件，能够在 Node.js 环境中运行并对外提供 MCP 接口。<br/>注：项目使用 stdin/stdout 作为传输通道（Stdio Server Transport），并提供了丰富的组件体系以实现资源、工具、提示模板等能力。

基于 Model Context Protocol (MCP) 的后端服务实现，提供工具注册、资源管理和提示模板渲染等核心能力，通过 JSON-RPC/Connect 框架与 MCP 客户端进行标准化通信，支持多个传输和会话能力，服务端还与前端 Web 界面和后端资源/工具链进行协作。

MemWyre 的 MCP 服务器端实现，基于 Model Context Protocol 架构，为 LLM 客户端提供标准化的资源、工具与提示模板，并通过 JSON-RPC 风格接口与客户端通信，支持会话管理、能力声明及多传输通道的扩展能力。

基于 Model Context Protocol (MCP) 的后端服务，向 LLM 客户端提供资源、工具和提示模板等上下文能力，并通过 JSON-RPC 进行通信，支持多种传输方式以实现安全、可扩展的上下文服务。

基于 Model Context Protocol（MCP）的 StarCraft 回放数据查询服务端，实现了可通过 MCP 客户端以 JSON-RPC 形式查询、获取数据库模式和 StarCraft 知识的后端，支持 SQLite/PostgreSQL 存储和 stdio 传输模式。

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。

一个基于 Node.js 的最小 MCP 服务器实现，公开 WordPress REST API 工具给 MCP 客户端，并通过标准输入输出（stdio）与客户端通信，支持 WordPress 的文章、页面、分类、标签、用户、插件及自定义 CPT 的路由等功能。

基于 Model Context Protocol (MCP) 的后端服务器实现集合，提供 Resources 的托管与管理、Tools 的注册与执行，以及可扩展的提示模板/交互能力，并通过标准化的 JSON-RPC 风格接口与 LLM 客户端进行通信，支持会话管理与多种传输场景。当前实现包括 MemoryMCPServer 与 RAGMCPServer 等服务器骨架，可作为 MCP 客户端对接的后端服务端。

基于 Flask 的 MCP 服务器实现，提供工具、资源、提示等接口，支持 JSON-RPC 风格的请求/响应以及流式传输，便于向大模型客户端提供上下文信息和外部功能接入。

基于 Model Context Protocol (MCP) 的后端服务，提供15种图表生成功能、AI智能配色与输出能力，并通过 MCP 协议供 LLM 客户端读取资源、调用工具和获取图表输出。

基于 FastAPI 的 MCP 服务端实现，提供资源、工具、Prompt 模板等 MCP 核心能力，支持多传输协议（stdio、SSE、Streamable HTTP），并具备会话管理、鉴权与服务发现等扩展能力。

基于 Model Context Protocol (MCP) 的服务器端实现，提供通过 API 访问组件库资源、暴露工具以供 AI 助手调用、并支持以 MCP JSON-RPC 形式与客户端进行交互的后端服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 MySQL 的只读资源访问、工具执行、向量工具以及可渲染的提示模板能力，并通过 JSON-RPC/HTTP 等传输与 LLM 客户端进行安全、可扩展的交互。

这是一个基于TypeScript和Express框架构建的远程Model Context Protocol (MCP) 服务器模板，用于快速开发和部署面向大型语言模型的上下文服务。

一个基于Model Context Protocol (MCP) 实现的服务器，允许大型语言模型 (LLM) 通过工具调用与HausPet宠物管理系统进行交互，执行如查询、添加宠物种类等操作。

基于Elixir的全栈Web应用开发代理，提供LLM所需的上下文信息和工具服务。

基于FastAPI构建，提供39个开箱即用工具的MCP服务器，支持LLM调用外部功能、数据访问和配置管理。

基于 Airlift 框架构建的 MCP 服务器实现，提供上下文信息、工具和 Prompt 管理，支持 LLM 客户端通过 JSON-RPC 协议进行交互。

一个基于Model Context Protocol (MCP) 的后端服务，为AI模型提供代码分析、安全扫描和依赖检查等工具。

一个综合性的 .NET AI 工作坊，提供 Model Context Protocol (MCP) 服务器的开发示例，使 LLM 客户端能够调用外部工具并获取上下文信息。

基于.NET Aspire构建的员工管理系统，其MCP服务器组件为AI代理提供标准化接口，以集成和管理员工数据及操作。

Arcade AI 平台是一个用于构建、部署和管理 AI Agent 工具的开发平台，其核心 `arcade-serve` 库提供 MCP 服务器实现，以标准化方式向 LLM 客户端提供上下文信息和功能。

这是一个C++20 SDK，用于构建基于Model Context Protocol (MCP) 的高效服务器，提供LLM上下文服务。

该仓库提供了一套基于Python的后端服务基础设施，包括数据库管理和认证系统脚手架。它通过Model Context Protocol (MCP) 将这些功能暴露为工具，供大型语言模型（LLM）客户端（如GitHub Copilot）调用。

官方PHP SDK，提供一套框架无关的API，用于在PHP中快速构建和实现Model Context Protocol (MCP) 服务器。

开源的AI原生工作流协议、运行时和工具注册中心，通过MCP协议连接LLM与自动化能力。

一个基于FastMCP库构建的框架，用于在现有MCP服务器上托管智能体并增强工具功能。

通过 Model Context Protocol (MCP)，为 AI/LLM 客户端提供安全、可控的远程 shell 命令执行能力。

为CosmWasm智能合约提供上下文和工具，使LLM能理解和交互合约。

基于MCP协议，为LLM提供VTT创新与组织实体的上下文服务，支持知识图谱构建和去重。

AI驱动的后端框架，通过标准协议为大模型提供工具执行、上下文信息和提示模板服务。

连接大语言模型至Itential平台，提供自动化和平台管理工具的MCP服务器。

提供多种服务的Model Context Protocol (MCP) 服务器集合，支持天气、Notion、Slack、GitHub等集成。

基于代理、工具和任务列表的Rust后端服务，通过API和MQTT为LLM应用提供结构化上下文和功能。

将数据流编程语言Flowlang的工作流作为工具通过Model Context Protocol (MCP) 暴露给LLM客户端，支持多语言实现工具逻辑。

为 LLM 客户端提供 PubNub 文档、API 及实时通信能力的 MCP 服务器。

在 Internet Computer (IC) 上构建 Model Context Protocol (MCP) 服务器的开发工具包。

基于MCP协议提供天气预报和预警数据服务的后端示例。

将基于 Model Context Protocol (MCP) SDK 构建的服务器打包成独立可执行文件，支持灵活配置和多种连接方式。

一个基于 Spring Boot 和 MCP 的后端服务，提供调度工具供 LLM 应用调用。

基于MCP协议，为多智能体销售顾问系统提供库存查询、订单处理等后端功能的服务器。

基于MCP协议，提供天气和地理位置工具的LLM后端服务示例。

基于MCP协议，实现在Azure容器应用上运行的示例服务器，提供TODO列表工具集，支持HTTP和SSE传输。

基于 Model Context Protocol (MCP) 的后端服务，用于与 Quip 电子表格交互，提供数据读取和功能调用能力。

基于FastMCP实现的示例MCP服务器，提供客户、账单、知识库等数据和功能作为LLM客户端可调用的工具。

基于 Model Context Protocol (MCP) 的后端服务示例，提供可由 LLM 调用的功能工具。

基于MCP协议的待办事项管理后端，使大语言模型（如Claude Code）能够创建、跟踪和管理任务。

轻量级、异步的MCP服务器，管理并暴露外部MCP工具和Prompt。

将Gr4vy API功能封装为MCP工具，使LLM客户端能够访问和调用支付处理能力。

将Contentstack内容管理API封装为MCP工具，赋能大语言模型进行智能内容操作和管理。

基于Poem Web框架实现的Model Context Protocol服务器。

基于MCP协议，连接大型语言模型（LLM）客户端与Umbraco CMS，提供内容管理和数据访问能力。

一个基于MCP协议的后端服务，利用LLM实现自然语言数据库查询。

提供基于 Rush Stack 工具链的上下文信息和功能的 MCP 服务器实现。

一个使用 FastMCP 框架实现的，通过 MCP 工具提供待办事项管理功能的服务器端应用。

基于RuoYi框架构建的AI助手平台，提供LLM所需的上下文、工具及Prompt服务，支持多种AI功能。

一个展示MCP协议的后端服务，通过MCP向大语言模型提供客户数据管理（CRUD）工具。

提供基于MCP协议的后端服务，允许LLM客户端通过工具访问和操作MSSQL数据库。

通过MCP协议，允许LLM客户端或兼容应用访问Kibana实例的数据和API能力。

提供基于MCP协议的安全、高性能文件系统访问后端服务。

提供一个基于MCP协议的后端服务，为大语言模型提供实时天气查询工具。

一个基于MCP协议的后端服务，为大型语言模型提供结构化、支持多种策略的问题解决和分析能力。

基于 MCP 协议，将 Fabric 模式暴露为 LLM 应用可调用的工具。

基于 MCP 协议，提供数据库（当前支持PostgreSQL）的注册、查询、修改、Schema/表管理等能力。

基于 Datavizion 应用的 RAG 后端，通过 MCP 协议提供文档检索与 LLM 问答服务。

基于 FastMCP 库实现的简单 MCP 服务器，用于演示 MCP 协议功能及Agent客户端连接。

MLC Bakery是一个用于管理机器学习模型谱系和上下文的后端服务，通过RESTful API和MCP协议提供数据访问、工具调用和Prompt服务。

提供 SDKMAN 软件开发工具包管理器功能，允许通过 MCP 协议管理不同版本的 SDK。

从OpenAPI规范自动生成并启动MCP服务器，为LLM提供API工具、文档资源和Prompt。

提供基于《如何烹饪》数据源的MCP服务器，赋能AI生成菜谱推荐和个性化餐点计划。

提供 Model Context Protocol (MCP) 服务器在 .NET 和 Python 中的参考实现，演示如何为 LLM 客户端提供工具和上下文服务。

一个基于MCP协议的后端服务，提供员工请假查询和申请功能，可供LLM客户端使用。

一个基于 MCP 协议的能力编排服务器，用于协调大型语言模型和外部工具的交互与执行。

Onlysaid是一个集成平台，通过代理和自然语言完成任务，其后端包含多个基于MCP协议的服务器，提供上下文信息和功能。

一个基于Quarkus和MCP协议的后端服务，使大型语言模型能够通过调用工具管理Keycloak用户。

根据 OpenAPI/Swagger 规范自动生成并提供 AI 可调用工具集的 MCP 服务端。

一个基于FastMCP实现的简单MCP服务器，通过Model Context Protocol向LLM客户端提供命令行执行能力。

一个基于Jakarta EE和Quarkus MCP扩展实现的MCP服务器，提供图书商店相关的工具功能。

一个实现 Model Context Protocol (MCP) 规范的服务器，使AI助手能够通过标准化方式与Azure服务进行交互。

基于 Snak 框架构建的 AI 代理模板，可配置为 MCP 服务器，连接大型语言模型与 Starknet 区块链。

一个 Model Context Protocol (MCP) 服务器，为大型语言模型客户端提供与 Discord 交互的能力。

MCP-Nhost 是一个基于 Model Context Protocol 的服务器实现，用于与 Nhost Cloud 项目和服务进行交互，提供 GraphQL Schema 获取和查询执行等工具。

一个基于Model Context Protocol的多数据库服务器，为AI助手提供结构化数据访问能力。

本仓库提供Java, JavaScript和Python多种语言实现的MCP服务器示例，演示如何构建资源和工具服务，为LLM应用提供上下文支持。

基于 OpenAPI 规范的 MCP 服务器，提供资源和工具管理，通过标准输入输出与客户端通信。

提供植物数据的MCP服务器，支持植物信息的查询、创建、更新和删除，用于构建智能园艺助手应用。

基于Foobara框架构建的MCP服务器，将Foobara命令作为工具提供给LLM客户端。

基于ai-playground仓库的MCP服务器示例，提供加法工具，演示MCP服务器的基本功能。

基于FastMCP框架构建的测试MCP服务器，提供天气查询、笑话、名言、书籍推荐和邮件等示例工具，演示MCP服务器的基本功能。

将gRPC服务转换为MCP工具的代理服务器，支持SSE和STDIN传输协议。

基于Etcd的配置中心和服务发现平台，通过MCP协议为LLM应用提供资源和工具访问能力。

连接LLM客户端与PocketBase后端的MCP服务器，提供数据管理、文件操作、日志查看和数据库迁移等工具集。

ContextBase是一个用于AI Agent和应用的后端服务器，专注于为每个用户安全地存储、检索和管理情境记忆数据，通过简单的API进行访问。

一个简化的MCP服务器，允许LLM客户端与Xano数据库交互，提供数据访问和数据库管理功能。

基于Model Context Protocol的后端服务，提供会话管理、上下文存储和AI模型查询等核心功能，简化LLM应用开发流程。

.NET MCP服务器模板，用于快速构建基于Model Context Protocol的应用后端，提供资源管理、工具注册和Prompt模板功能。

基于MCP协议的Supabase数据库操作服务器，为LLM应用提供数据库读写工具。

基于FastMCP框架实现的Supabase MCP服务器，为LLM客户端提供数据库资源访问和管理工具。

基于Azure Functions构建的远程MCP服务器，提供代码片段管理和示例工具，支持与LLM客户端进行上下文交互。

基于Model Context Protocol的示例MCP服务器，提供工具注册和调用能力，支持Stdio和SSE传输协议，用于LLM智能体应用。

基于MCP协议构建的工具服务器，提供自然语言转SQL、知识库检索和数据转换等功能。

将 YepCode 的后端能力通过 MCP 协议开放给 AI 平台，实现 AI 与后端工作流的无缝集成。

Patronus MCP Server为LLM应用提供标准化的评估和实验后端服务，支持远程评估器、批量评估和自定义评估流程。

基于 Go 语言实现的 Model Context Protocol (MCP) 服务器，提供资源管理、工具注册和 Prompt 模板等核心功能，用于构建 LLM 应用的上下文服务后端。

一个简单的MCP服务器，提供一个工具来计算日文文本中的字符数（去除空格和换行符）。

连接 Supabase 数据库的 MCP 服务器，允许 LLM 查询和获取 feature_suggestions 表中的数据。

用于构建MCP服务器和工具的Go SDK，提供连接LLM客户端与外部资源和功能的框架。

fastify-mcp 是一个 Fastify 插件，用于快速构建基于 SSE 传输的 Model Context Protocol (MCP) 服务器，简化 Fastify 应用与 MCP 的集成。

一个基于MCP协议的ClickHouse服务器，提供ClickHouse数据库的查询、Schema获取和查询解释等工具，方便LLM客户端访问和操作ClickHouse。

mcp-rails 是一个 Rails gem，它通过 MCP 协议将 Rails 应用的功能暴露给 LLM 客户端，简化了 LLM 智能体与 Rails 后端应用的集成。

Appwrite MCP Server是一个为LLM客户端提供Appwrite后端服务访问能力的工具，通过MCP协议将Appwrite的数据库、用户、函数等服务转化为可被LLM调用的工具。

一个基于Rust实现的MCP服务器，提供资源管理、工具调用（包括echo、memory、fetch）和Prompt模板功能，支持Stdio和WebSocket传输协议，用于连接LLM客户端。

该项目是一个基于 MCP 协议的文件上传服务，为 LLM 应用提供通过 URL 上传文件的工具能力。

基于LiteLLM的MCP服务器，通过模型上下文协议为LLM客户端提供OpenAI模型文本补全能力。

FastMCP Todo Server是一个基于Model Context Protocol的应用后端，用于管理Todo任务和经验教训，提供任务管理、知识记录和Node-RED流程部署等工具接口。

Drupal MCP Server是一个基于Typescript的服务器，它使得LLM客户端能够通过Model Context Protocol (MCP) 访问和利用Drupal网站的内容与功能。

Xano MCP Server提供基于Xano API的资源和工具，用于工作区和表格数据管理。

MCP2Lambda 是一个 MCP 服务器实现，它充当 MCP 客户端与 AWS Lambda 函数之间的桥梁，使 LLM 能够以工具的形式调用 AWS Lambda 函数，扩展 LLM 的能力以访问后端服务和资源。

Firebase MCP Server为LLM应用提供访问Firebase服务的统一接口，支持Firestore数据库操作、用户身份验证和云存储文件管理等功能。

PocketBase MCP Server 是一个为 PocketBase 数据库提供高级工具的 MCP 服务器，支持集合管理、记录操作、用户管理和数据库操作等功能，方便 LLM 应用安全访问和操作 PocketBase 数据。