"多传输协议" 标签

基于 Model Context Protocol (MCP) 的服务器实现，向大语言模型客户端提供标准化的上下文服务与能力，包括资源管理、工具注册/执行以及提示模板的定义与渲染，并通过 JSON-RPC 与客户端通信，支持多传输协议（如 HTTP/HTTPS、stdio），具备会话管理、能力声明与可扩展的后端架构。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源管理、工具注册/执行、以及可渲染的 Prompt 模板等能力，并通过 JSON-RPC 在多种传输通道（stdio、SSE、HTTP、WebSocket）与客户端进行通信，支持会话管理、热更新和工具缓存等特性。

基于 Model Context Protocol（MCP）的后端服务，提供资源托管与访问、工具注册与执行、以及可定制的 Prompt 模板渲染，统一通过 JSON-RPC 与客户端交互，并支持多种传输方式（HTTP/SSE/stdio）以实现对大语言模型客户端的上下文与功能服务。

基于 Model Context Protocol (MCP) 的后端框架，提供资源托管、工具注册与执行、以及提示模板渲染，并通过多传输通道与客户端进行标准化的 JSON-RPC 通信，支持在 Express、Hono、Fastify、Koa、Hono 等适配器上部署的 MCP 服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，负责以标准化方式向 LLM 客户端提供上下文信息与功能，包括资源管理、工具注册/执行以及提示模板的定义与渲染；通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，并可通过多种传输协议（如标准输入输出、SSE、WebSocket）实现轻量级、高扩展性的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务实现。该仓库提供资源、工具、提示模板等的托管与管理，并通过 JSON-RPC/多传输协议与 MCP 客户端进行交互，实现对上下文信息、工具执行以及提示渲染的标准化后端服务。

基于 Model Context Protocol 的企业级 MCP 服务器实现，向 LLM 客户端提供资源、工具和提示等上下文信息，通过 JSON-RPC 进行通信，支持多传输通道（stdio、SSE、WebSocket）以实现高效的上下文服务。该仓库内包含完整的 MCP 服务器实现及相关 API、传输、会话与安全机制等模块。

基于 Model Context Protocol 的 MCP 服务器实现，为本地知识引擎提供标准化的资源管理、工具注册与执行、以及 Prompt 模板渲染，并通过 JSON-RPC 与 LLM 客户端通信，支持多传输协议与会话管理，适用于离线或私有环境的上下文服务场景。

基于 Model Context Protocol 的后端服务器实现，通过 JSON-RPC 规范向 LLM 客户端提供 Harness 平台的资源、工具与提示模板等上下文服务，支持多传输协议与会话管理，具备完整的工具注册、资源注册与提示模板渲染能力。

基于 Model Context Protocol (MCP) 的服务器端实现，作为后端上下文服务提供者，统一托管资源（Resources）、注册与执行 Tools、以及渲染 Prompt 模板；通过 JSON-RPC 与客户端进行通信，支持多传输模式（如 Stdio、SSE、WebSocket），实现会话管理和能力声明，帮助 LLM 客户端以标准化方式获取上下文、外部功能和提示模板。

基于 Model Context Protocol 的 MCP 服务器实现，作为后端为大语言模型客户端提供标准化的上下文信息、资源数据、工具执行能力以及自定义提示模板等功能，支持 JSON-RPC 通信、会话管理和多种传输协议。

基于模型上下文协议（MCP）的后端服务器实现，提供资源管理、远程工具注册与执行，以及可自定义的 Prompt 模板渲染，支持多种传输协议（如 WebSocket、HTTP/SSE、stdio）并实现会话管理、能力声明和认证等服务端功能，面向与 LLM 客户端的标准化上下文与能力对接场景。

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 MCP 服务器实现，提供资源管理、工具注册/执行、以及提示模板的后端服务，支持 JSON-RPC 通信与多传输协议（如 Stdio、SSE、WebSocket），用于向大语言模型客户端提供可扩展的上下文与功能接入。

基于 Model Context Protocol (MCP) 的后端服务器框架，集成 Claude Code CLI，提供资源管理、工具注册与执行、以及可定制的提示模板渲染，支持多传输方式并具备会话与观测能力，面向向 LLM 客户端提供标准化的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，托管资源、注册并执行工具、定义并渲染提示模板，提供面向 LLM 的标准化上下文服务与工具执行能力，支持多传输通道（如 Stdio、HTTP、SSE/WebSocket）与会话管理。

基于 Model Context Protocol (MCP) 的后端服务器，面向 LLM 客户端提供统一的上下文能力（资源、工具、Prompts），通过 JSON-RPC 进行通信，底层采用 FastMCP 与 Starlette 构建，支持会话管理、能力声明以及多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，面向 Allure TestOps 场景的资源与工具服务化暴露。

基于 Model Context Protocol (MCP) 的后端实现，提供对资源的托管与访问、工具的注册/执行，以及 Prompt 模板的定义与渲染。服务器通过 JSON-RPC 与客户端进行交互，支持会话管理、能力声明，并可通过多种传输协议（如标准输出/终端、Server-Sent Events、WebSocket）进行上下文服务与功能调用，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 MCP 服务器实现，提供资源、工具和提示模板的标准化管理与渲染，支持通过 JSON-RPC 进行通信，能够使用stdio和流式HTTP等传输、并具备协议协商、健康检查和工具缓存等完整服务器能力。

基于 MCP（Model Context Protocol）的后端服务器实现，提供资源管理、工具注册与执行、以及提示模板的统一接口，并通过 JSON-RPC 与客户端通信，支持多种传输协议（如 Stdio、SSE、WebSocket），用于向大模型/LLM 客户端提供可扩展的上下文、数据访问以及外部功能调用能力。该仓库包含完整的服务端实现与大量 MCP 相关工具和测试用例，旨在作为企业级代码分析与 AI 辅助工作的后端上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，使用 Claude Agent SDK 构建并暴露资源、工具及提示模板，通过 JSON-RPC 与 LLM 客户端进行交互，支持多传输协议并具备会话和能力管理能力。

基于 Model Context Protocol (MCP) 构建的后端服务器实现，聚焦向 LLM 客户端以标准化方式提供上下文资源、可执行工具、以及可定制的 Prompt 模板。服务器通过 JSON-RPC 与客户端通信，支持会话管理、能力声明并提供多传输协议（如 Stdio、SSE、WebSocket），实现资源托管、工具注册与执行、以及 Prompts 的定义与渲染，旨在为 AI 代理/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，提供资源、工具、 Prompts 的标准化管理与查询，并通过 JSON-RPC 与 MCP 客户端进行交互，支持多传输通道（如标准输入/输出、WebSocket、SSE），为 AI 代理提供上下文、数据访问和外部功能调用能力。

基于模型上下文协议（Model Context Protocol，MCP）的服务器实现，提供资源、工具、提示模板等的统一托管、注册与渲染，并通过 JSON-RPC 与客户端通信，支持多传输协议（标准输入/输出、Server-Sent Events、WebSocket），为大语言模型客户端提供安全、可扩展的上下文服务框架。

Crust 是一个本地的 Model Context Protocol 网关后端，通过 JSON-RPC 与 MCP 客户端通信，提供资源、工具、提示模板等上下文服务，并在网关层实现安全规则拦截，支持多传输协议（如 Stdio、SSE、WebSocket）的接入与扩展。

基于 Model Context Protocol (MCP) 2025-11-25 规范的多传输 MCP 服务器实现，提供资源管理、工具注册与执行、提示模板渲染等核心能力，支持通过 JSON-RPC 与客户端通信，涵盖 stdio、HTTP/SSE、WebSocket、gRPC、HTTP streaming 等传输模式，具备会话管理与观测能力。

基于 Model Context Protocol (MCP) 的后端服务器，向大语言模型客户端提供上下文资源、可注册/执行的工具，以及可渲染的提示模板，采用 JSON-RPC 与客户端通信，并支持多种传输协议（stdio、HTTP 流式、SSE/WebSocket）以实现安全、可扩展的上下文服务。

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项目上下文、资源管理、工具执行和提示模板渲染等能力，支持多传输协议（stdio、HTTP、桥接等）以及插件化工具集，通过 JSON-RPC/HTTP 与客户端通信，具备会话管理、能力声明与安全可扩展的上下文服务框架。

一个面向大语言模型客户端的后端网关框架，能够聚合、管理多组服务器、工具、资源，并通过标准化的 JSON-RPC 通信向客户端提供上下文和外部功能。支持多种传输方式（如 HTTP、stdio、SSE），并包含资源/工具/提示的注册、渲染、执行及对话上下文管理能力。

基于 Model Context Protocol（MCP）的后端实现，提供资源托管与管理、工具注册与执行、以及提示模板的渲染与测试能力，并通过 JSON-RPC 与 LLM 客户端进行交互。支持多传输协议（如 SSE、WebSocket、stdin/stdio），用于为 LLM 应用提供可扩展的上下文服务框架。仓库实现包含服务端核心路由、MCP Apps 与 Widget 集成、OAuth/API Key 等认证测试用例，以及用于调试与开发的工具和中间件。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管、工具注册与执行、Prompt 模板渲染等核心能力，通过 JSON-RPC 与客户端通信，并支持多种传输方式（如 Stdio、SSE、WebSocket）以构建面向 LLM 的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器端实现，提供 PatternFly 的资源、工具与文档的统一上下文服务，支持多传输协议（STDIO、HTTP/WebSocket 等）、会话管理与能力声明，水平扩展以供 LLM 客户端获取资源、执行工具和渲染 Prompt 模板等上下文信息。

一个将 Jira 实例与大型语言模型客户端连接的后端服务，基于 Model Context Protocol (MCP)，提供资源、工具和提示模板的统一访问，并支持 STDIO 与 SSE 多传输协议，便于 AI 应用以标准化方式获取上下文信息与 Jira 相关操作能力。

基于 Model Context Protocol 的 MCP 服务端实现，用于向 LLM 客户端提供资源、工具和提示模板的标准化上下文与功能服务，支持多传输协议并通过 JSON-RPC 进行通信。

基于 Model Context Protocol（MCP）的服务器实现与示例生态，提供可运行的 MCP 服务器示例、工具暴露与管理，以及用于客户端接入的工具库，帮助构建以 MCP 为载体的上下文服务后端。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供工具注册、资源管理和内容/搜索相关能力，支持通过 JSON-RPC 与客户端通信，涵盖 STDIO 与 HTTP 两种传输方式的 MCP 服务端实现。

基于 Model Context Protocol (MCP) 的后端服务器实现，负责以标准化的 JSON-RPC 方式向 LLM 客户端提供资源管理、工具注册/执行以及 Prompts 渲染等能力，并支持多传输协议（如 Stdio、SSE、WebSocket），实现会话管理、能力声明和可扩展的上下文服务框架。

基于 MCP（Model Context Protocol）的后端服务器，实现对资源、工具和提示模板的统一管理与渲染，并通过 JSON-RPC 与 LLM 客户端进行交互，支持多传输协议以适配不同应用场景。

基于 Model Context Protocol 的 MCP 服务器实现，提供对 AI 客户端的上下文能力、工具执行与提示渲染等核心能力，通过 JSON-RPC 与客户端通信，并支持多传输协议（如标准输入输出和流式 HTTP）以实现安全、可扩展的后端上下文服务。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源托管、工具注册与执行、以及 Prompt 模板渲染，向 LLM 客户端以标准化的 JSON-RPC 方式提供上下文、数据访问和外部功能调用能力。

基于 Model Context Protocol (MCP) 的后端实现，作为对话型LLM客户端的后端服务，托管并管理资源（Resources）、注册与执行工具（Tools）、定义并渲染 Prompt 模板（Prompts），通过 JSON-RPC 与客户端通信，支持 stdio 与 HTTP 等传输方式，提供会话管理和能力声明的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 MCP 客户端提供资源、工具与提示模板等上下文信息与功能，支持多传输协议、会话管理与认证，目标是为 LLM 客户端提供可扩展、安全的上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，提供资源（Resources）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，支持通过 JSON-RPC 与客户端通信，并具备会话管理与多传输协议（如 Stdio、SSE、WebSocket）扩展能力，为大语言模型（LLM）应用提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的服务器端框架，聚合、管理资源与工具，并通过 JSON-RPC 将上下文、工具与提示暴露给 LLM 客户端，同时支持本地与远程 MCP 服务器的代理与协作。

基于模型上下文协议（MCP）的服务器端实现，提供资源托管、工具注册/执行以及 Prompts 定义与渲染，通过 JSON-RPC 与 LLM 客户端通信，支持多种传输方式并具备会话管理与跨应用的 MCP 服务器管理能力。

基于 Model Context Protocol 的完整 MCP 服务器集合，覆盖 Google Drive、PostgreSQL、Notion、Figma、Google Calendar、GitHub、Zendesk 等多服务工具与资源托管，支持 JSON-RPC 通信、STDIO/REST 网关等传输方式，提供资源管理、工具注册与 Prompts 渲染等能力，便于与 LLM 客户端在同一后端进行上下文与功能扩展。

基于 Model Context Protocol (MCP) 的后端服务器实现，面向 LLM 客户端提供统一的上下文资源、可注册的工具以及可渲染的 Prompt 模板。通过 JSON-RPC 与客户端通信，支持会话管理、能力宣告，以及多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，适配 Claude 等 AI 助手的上下文服务需求。