"工具管理" 标签

基于 Model Context Protocol 的 MCP 服务器实现，提供对资源、工具和提示模板的托管与渲染，并通过 JSON-RPC 与客户端进行标准化通信；包含从本地或远程 MCP 服务器加载工具的能力，以及将 MCP 请求转换为 LM-Deluge 内部请求、再将响应转换回 MCP 格式的适配器组件，支持多种传输模式，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 的 MCP 服务器控制平面，提供资源管理、工具注册、提示模板等功能，并通过 JSON-RPC/Streamable MCP 提供可扩展的上下文服务给 LLM 客户端使用。

基于 Model Context Protocol 的 MCP 风格后端服务实现，提供对资源、工具与提示模板的管理与暴露，支持与 MCP 客户端进行统一的上下文服务交互（如注册外部 MCP 服务器、加载工具、获取 Prompts 等）。该实现内置会话管理、工具执行、以及对外 MCP 服务器的连接能力，形成一个具备实际服务能力的 MCP 服务端组件。

基于 MCP 协议的后端服务，提供资源、工具、提示模板等的托管、注册、执行与渲染，通过 JSON-RPC 与 LLM 客户端通信，当前实现支持基于标准输入输出的简单传输模式，便于与模型对话系统进行上下文服务和功能调用协作。

基于 Model Context Protocol (MCP) 的后端服务器，提供域工具、代理工具与提示模板等功能，供大语言模型（LLM）客户端通过标准的 JSON-RPC 与之交互，以进行资源访问、工具调用和提示渲染。服务器实现包含工具发现、工具执行、以及与外部数据源和可视化组件的集成，支持 stdio 等传输方式，面向宇宙学分析场景的多模态工作流。

基于模型上下文协议（MCP）的 Rust 实现，提供服务器端与客户端的完整 MCP 功能，包括资源、工具、提示的托管与管理，以及通过 JSON-RPC 的请求/响应处理，支持多传输通道（stdio、TCP、HTTP SSE）与会话管理，面向在 AI 应用中提供上下文与功能的后端服务。

基于 Model Context Protocol 构建的后端服务实现，作为 MCP（Model Context Protocol）服务器向大型语言模型客户端提供结构化的资源管理、工具注册与执行、以及可自定义的 Prompt 模板渲染能力；通过 JSON-RPC 进行通信，并支持 HTTP/STDIO 等传输模式与会话管理、能力声明与访问控制等安全特性。

基于 Model Context Protocol 的 AutoHotkey v2 MCP 服务器，提供资源、工具、提示词(Prompts)的管理与上下文注入，并通过 JSON-RPC 与客户端进行通信，支持多传输协议（如 STDIO、SSE），实现会话管理和能力声明以服务化地提供上下文服务。

基于 Model Context Protocol (MCP) 的 ROS2 服务端实现，提供对 ROS2 资源（如主题、节点、服务）的发现、查询与操作工具，并通过 MCP 协议向客户端暴露这些能力，支持以标准化的 JSON-RPC 形式进行交互。

一个功能强大的MCP路由器，提供统一的AI能力接入和管理，支持300多种集成组件

DeployStack 是一个 MCP 即服务平台，通过托管和管理 MCP 服务器简化 AI Agents 对工具、资源和 Prompt 的访问，实现零安装和统一治理。

MCPJungle是一个自托管的MCP服务器网关和注册中心，为LLM客户端提供统一接口，安全管理和调用组织内所有注册的MCP服务器及其工具。

将多个MCP服务器聚合为一个统一接口，提供工具、资源和提示能力给LLM客户端。

轻量级、异步的MCP服务器，管理并暴露外部MCP工具和Prompt。

一个MCP服务器代理，用于管理和过滤多个后端MCP服务器的能力，优化LLM客户端的上下文使用。

MCP Hub Server作为中心服务器，连接并管理多个MCP服务器，扩展LLM可访问的工具集，突破工具数量限制。

EvolveMCP 是一个基于 Python 的 MCP 服务器，旨在简化 LLM（如 Claude）的工具扩展，通过友好的 PowerShell 脚本进行管理和配置。

一个基于URL配置的演示性MCP服务器，无需编写代码即可构建和实验MCP协议及安全性。

用于构建高性能、异步MCP服务器和客户端的Rust SDK，提供资源管理、工具执行和Prompt模板处理能力。

基于 NestJS 快速构建支持 SSE 传输的 MCP 服务器，简化 MCP Tool 开发和服务器管理。

基于 Hyperf 框架构建的 MCP 服务器演示，用于展示如何通过注解轻松定义和管理微服务工具，并与 LLM 客户端集成。

一个轻量级的TypeScript库，用于简化MCP服务器的构建，提供工具注册、参数验证和类型安全等特性，助力快速搭建LLM应用后端。

一个灵活可扩展的MCP服务器框架，用于构建模块化、分布式的工具和服务生态系统，为LLM应用提供上下文服务。

基于Cloudflare Workers实现的演示版MCP服务器，包含资源、工具管理和OAuth认证功能。

mcpz CLI 是一个用于管理和运行 Model Context Protocol (MCP) 服务器的命令行工具，支持服务器配置、分组管理和灵活的启动选项。

CLI工具，用于生成和管理TypeScript或Python中的MCP服务器项目，简化MCP服务器开发和部署。

一款多功能的AI聊天工具，通过CLI和Discord界面与GPT等模型交互，并集成动态管理的MCP服务器扩展功能。

AgentR Middleware MCP服务器是一个应用后端，它集成了多种应用和集成，作为工具以标准化的MCP协议提供给LLM客户端，支持SSE传输协议。

基于 TypeScript 的 MCP 服务器快速启动模板，预置工具和 Prompt 示例，方便开发者快速搭建 MCP 后端服务。

Agent Construct 是一个 Model Context Protocol (MCP) 服务器，旨在为 AI 应用提供标准化的工具和上下文访问方式。

BLAH MCP 服务器是一个开源项目，实现了 Model Context Protocol (MCP) 协议，用于管理和执行 AI 智能体工具。

mcp-gateway 是一个 MCP 服务器网关，作为反向代理，统一管理和接入多个 MCP 服务器，简化 LLM 客户端与后端上下文服务的交互。

提供工具管理功能的serverless MCP服务器实现，支持通过内存或标准IO进行客户端连接。

提供统一入口的MCP网关服务器，管理和桥接多个MCP后端服务器，简化LLM应用与多数据源和工具的集成。

mcp-typed-prompts仓库是一个Python实现的Model Context Protocol (MCP) SDK，它不仅包含了构建MCP客户端的工具，也提供了FastMCP服务器框架，用于快速搭建和运行MCP后端服务，以标准化方式向LLM应用提供资源、工具和Prompt模板。

动态创建、运行和管理其他MCP服务器的服务，构建灵活的MCP生态系统，支持子服务器的动态扩展和管理。

Toolbase是一款桌面应用程序，旨在简化Model Context Protocol (MCP) 服务器的管理和运行，方便用户为Claude等AI平台添加工具和插件。

FastMCP-HTTP 是一个基于HTTP协议的MCP服务器实现，包含独立的MCP服务器、客户端以及MCP注册中心，用于管理和访问工具、资源和Prompt模板。

MCP服务器管理工具，作为客户端和多个MCP服务器之间的代理，负责安装、管理和发现MCP服务器。

Resource Hub Server作为代理MCP服务器，连接到中心Resource Hub以访问共享工具、资源和提示。

Modes MCP Server 是一个用于管理自定义操作模式的后端应用，通过 Model Context Protocol (MCP) 协议与客户端通信，提供模式的创建、读取、更新、删除和验证等功能。

MCP网关服务器，用于管理多个MCP服务器进程，并为LLM客户端提供统一的工具访问入口。

Awesome MCP FastAPI 是一个基于 FastAPI 框架构建的 MCP 服务器实现，专注于提供增强的工具注册和管理功能，并自动生成 OpenAPI 文档，方便 LLM 应用集成和使用。

Riza MCP Server 是一个基于 Model Context Protocol 的服务器实现，它将 Riza 代码执行 API 封装成 MCP 工具，为 LLM 提供安全的代码执行和工具管理能力。