"本地开发" 标签

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管、工具注册与执行、以及提示模板相关能力，桥接 macOS 本地容器命令行（通过 container CLI）与大语言模型客户端，支持 JSON-RPC 形式的请求/响应和多种传输方式。

基于 Model Context Protocol (MCP) 的服务器实现，向 LLM 客户端以标准化方式暴露上下文资源、可执行工具与提示模板，并通过 JSON-RPC 形式进行交互，支持会话管理与多种传输通道的对接（当前实现以 STDIO 传输为主）。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于向 LLM 客户端以标准化方式提供资源、工具和提示等上下文服务，并通过 JSON-RPC 与客户端通信，支持多 provider 路由与会话管理。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具管理、提示模板渲染，以及与 LLM 客户端之间的 JSON-RPC 通信，支持多传输方式（包括 Standalone 的 stdio 服务器），并可自动配置到多种代理/模型工具。

基于 Model Context Protocol 的本地 MCP 风格后端，提供工具注册与执行、编辑前后代码对比、会话级别指标计算，以及本地数据库存储和数据备份等完整功能的服务器实现。

基于模型上下文协议（Model Context Protocol, MCP）的后端服务器实现，提供任务看板数据、工具方法以及提示模板等上下文能力，面向大语言模型客户端以 JSON-RPC 方式交互。支持本地化存储、可扩展的工具集合以及基于 MCP 的工具执行与上下文渲染能力。

为Gemini CLI提供安全的Google Apps Script沙盒执行环境，实现本地开发与会话式自动化。

基于 Model Context Protocol 的服务器启动器，帮助开发者快速搭建本地 MCP 服务器，集成自定义工具，为 AI 助手提供上下文服务。

生产就绪的MCP服务器模板，用于托管AI工具和Prompt，支持远程和本地模式。

该项目是一个MCP服务器，旨在为LLM客户端提供本地开发环境管理能力，支持AI自动化配置和管理开发环境。