"本地服务" 标签

基于 Model Context Protocol (MCP) 的后端服务器，实现对 EPLAN 自动化的资源、工具和提示模板的托管与执行。通过 JSON-RPC 风格的 MCP 接口与客户端通信，支持多种传输协议（StdIO、SSE、HTTP），为 LLM 客户端提供安全、可扩展的上下文服务与工具执行能力。

基于 Model Context Protocol 的超轻量 MCP 服务器，提供网页资源托管、工具执行及提示模板渲染等能力；通过 stdio 与 MCP 客户端通信，并通过本地 WebSocket 桥接实现与 Chrome 扩展的网页上下文访问与操作。

基于 Model Context Protocol（MCP）的后端服务器，为 LLM 客户端提供 Paprika Recipe Manager 的数据资源、可执行工具以及提示模板，通过 JSON-RPC 与客户端通信。

基于 MCP（Model Context Protocol）的本地后端服务器，实现 Resources、Tools、Prompts 的注册、托管与渲染，并通过 JSON-RPC 与客户端（如 Claude Desktop、Cursor 等 MCP 客户端）进行上下文信息和功能的访问与协作，支持多传输协议（stdio、HTTP 等）以实现对 LLM 的上下文服务。

基于模型上下文协议（MCP）的后端服务器实现，提供用于 Claude Code 文档查询的工具集，并通过 JSON-RPC 风格请求/响应与客户端进行交互，具备可运行的服务端能力和简单的资源/工具暴露能力。

基于 Model Context Protocol 的本地后端服务器，向大语言模型客户端提供统一的资源管理、工具注册与执行、以及可定制的提示模板渲染，全部通过 JSON-RPC 与客户端通信，支持多种传输通道以实现安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的本地 MCP 服务器实现，提供资源、工具、提示模板等上下文相关能力，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多种传输方式，便于在本地搭建可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的服务器实现，将 LCOV 覆盖率数据以标准化的 JSON-RPC 工具形式暴露给 LLM 客户端，提供覆盖统计、未覆盖区域查询与带注释源码等能力，便于 AI 辅助分析和引导测试工作。

基于 Model Context Protocol（MCP）的后端实现，为 AI 客户端提供资源、工具调用能力与提示模板渲染等上下文服务；通过 JSON-RPC 2.0 以换行分隔的文本协议在标准输入输出（STDIN/STDOUT）上与客户端通信，支持对桌面应用的自动化控制与上下文信息管理。

基于模型上下文协议（MCP）的本地后端服务器，向大语言模型客户端提供结构化的浏览器上下文、工具和提示模板，并通过 JSON-RPC 进行通信。实现了资源、工具、提示模板的托管、注册与渲染，以及会话管理和跨传输协议的支持，适用于在本地环境中为 LLM 客户端提供可扩展的上下文服务。

基于 Model Context Protocol 的 MCP 服务器实现，提供对本地 Aegis Agent Kit 的 MCP 接口，允许对实例管理、秘密、工具调用等功能进行统一的 JSON-RPC 访问，并与本地 aegisd/Aegis 运行时无缝协作以驱动 LLM 客户端的上下文能力获取与任务执行。

基于 Model Context Protocol 的本地 MCP 后端，为 Claude Code 提供浏览器自动化的资源、工具与提示模板服务。通过本地 Unix 套接字与原生主机通信，支持 JSON-RPC 的工具调用与响应，并实现会话管理、扩展工具集、以及多传输协议的通信能力，适用于在本地 Firefox 环境中为 LLM 客户端提供上下文信息与功能。

基于 Model Context Protocol (MCP) 的本地后端实现，提供资源（Resources）托管与管理、工具（Tools）注册与执行、Prompt 模板的定义与渲染，并通过 JSON-RPC 的 MCP 协议与客户端通信，当前实现以 STDIO 传输为主，支持后续扩展的传输协议。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源管理、工具注册/执行、以及提示模板的定义与渲染，并通过 JSON-RPC 与客户端通信，支持本地或混合模型的上下文服务和执行能力。该仓库包含可运行的服务器端实现及相关集成组件，不仅是客户端示例或测试代码。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对资源、工具与提示模板的统一访问与管理，并通过本地 Relay 与在浏览器中的扩展组件协同工作，供 MCP 客户端（如 OpenClaw、Claude、Codex、Cursor 等）调用，实现对浏览器上下文的标准化上下文服务。该实现包含一个实际可运行的 MCP 服务器、插件加载机制、工具定义（execute、reset）以及与扩展/浏览器的交互逻辑。

基于 Tome 实现的 Model Context Protocol (MCP) 服务器，实现对技能库的查询与读取能力。服务器通过 JSON-RPC 规范在标准输入输出（STDIO）通道上与 MCP 客户端通信，提供 list_skills 列出所有技能、read_skill 读取指定技能的 SKILL.md 内容等功能，支持在配置中自动发现技能、将技能暴露给 LLM 客户端使用，并确保路径安全边界与版本兼容性。

基于 Model Context Protocol (MCP) 的本地化后端服务器，提供对资源（Memory/Context）、工具以及提示模板的托管、注册、执行与渲染，并通过 JSON-RPC 与 LLM 客户端进行交互，支持本地存储、会话管理以及多种传输方式。

基于 Model Context Protocol (MCP) 的本地服务器实现，提供对浏览器标签、分组、窗口等资源的访问、工具的注册与执行，以及提示模板的定义与渲染，供外部大语言模型（LLM）客户端通过 JSON-RPC 进行上下文查询、操作与交互。

基于模型上下文协议（MCP）的后端服务器，提供音乐项目的状态数据访问、资源查询、工具调用和会话管理，并通过 JSON-RPC 以标准化方式与 LLM 客户端通信，支持本地资源、专辑、轨道、想法等数据的读取、更新与重建。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对本地钥日志、屏幕截图及相关资源的访问、工具注册与执行能力，并通过 HTTP 传输实现与客户端（如 Claude Desktop 等 LLM 客户端）的 JSON-RPC 通信。

基于 Model Context Protocol（MCP）的本地 MCP 服务器实现，提供对 Tools、Resources、Prompts 的标准化暴露，并通过 JSON-RPC 形式与客户端通信，支持通过标准输入输出（STDIN/STDOUT）进行请求与响应。

在 Anki 内部运行的 MCP（Model Context Protocol）服务器端实现，暴露资源、工具与提示模板给本地 AI 客户端，通过本地 JSON-RPC 形式的协议进行资源读取、工具调用与提示渲染，支持跨主线程的安全调用与本地化部署。

基于 Model Context Protocol (MCP) 的本地后端，提供对 Semantic Scholar 的论文、作者等信息的资源、工具和提示模板的管理与渲染，通过 JSON-RPC 与客户端进行通信，支持多工具调用、批量检索与健康检查等核心功能。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供统一的资源、工具和提示模板的托管与数据访问能力，并通过 JSON-RPC 与 LLM 客户端通信，为 WPS Office 提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源管理、工具注册与执行、以及提示模板的渲染，使用 JSON-RPC 与 MCP 客户端通信，支持通过 Stdio 传输等多种通道进行上下文服务交互。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供对 Planet API 的上下文访问、工具调用与提示渲染能力，帮助大语言模型在本地环境中高效地与 Planet 数据和功能交互。

基于 Model Context Protocol 的 MCP 服务器实现，用于将一个 Discord 自助账户的资源、工具与对话模板通过标准化的 MCP JSON‑RPC 后端对接到 LLM 客户端，支持 stdio 传输并以 JSON-RPC 提供资源、工具执行与提示渲染等功能。

基于 Model Context Protocol（MCP）的本地后端，作为后台服务端组件，统一管理资源、工具与提示词等上下文相关对象，支持多应用场景（Claude、Codex、Gemini）在本地进行 MCP 服务器的创建、导入、配置与同步，并通过数据库作为单一数据源实现 SSOT，帮助本地 LLM 客户端获得一致的上下文服务能力与快速切换能力。

基于模型上下文协议（MCP）的服务器实现组件，作为 Polar 电子应用的一部分，提供工具定义查询、工具执行与健康检查等核心接口，通过 HTTP 端点与客户端通信，并通过 Electron 渲染进程 IPC 与后台工具 definition/执行能力对接，从而向 LLM 客户端暴露资源、工具与提示渲染能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对资源、工具和提示模板的管理与执行，支持通过 JSON-RPC 与 MCP 客户端通信，并具备标准化的服务器端会话管理和多传输模式能力（如 StdIO）。

Simona AI助手项目中的一个简单的Todo MCP服务器示例，提供基本的待办事项管理功能，可以通过MCP协议与LLM客户端进行交互。

一个本地运行的MCP服务器，提供基于RAG（检索增强生成）的网页搜索工具，帮助LLM获取最新信息。

Botanika Desktop内置MCP服务器，为本地LLM客户端提供工具和上下文服务，支持Google搜索、Spotify等功能集成。

基于MCP协议的任务管理服务器，使用SQLite存储，提供项目和任务的创建、查询、更新等工具接口。

Obsidian MCP Server 插件在本地运行一个MCP服务器，通过标准接口连接AI助手等外部应用，实现对Obsidian Vault的访问和操作。

MCP Connect 桥接云端应用与本地 Stdio MCP 服务器，实现 HTTP/HTTPS 到 Stdio 协议的转换，安全便捷地扩展本地 MCP 能力至云端。

基于MCP协议构建，提供天气查询、谷歌搜索和摄像头控制等本地工具服务的MCP服务器实现。

MoLing (魔灵) 是一个轻量级、易于部署的本地MCP服务器，旨在通过操作系统API扩展LLM能力，提供文件系统访问、命令行执行和浏览器控制等功能，无需复杂配置，即装即用。

一个本地运行的MCP服务器示例，提供城市天气查询工具。

Cue macOS 应用内置 MCP 服务器，为本地 AI Agent 提供上下文管理、工具注册和 Prompt 模板服务，支持模型环境配置和工具集成。

Obsidian MCP REST Server 是一个 MCP 服务器实现，允许 AI 助手通过标准化的 MCP 协议访问和管理本地 Obsidian 知识库，实现笔记的读取、写入、搜索和元数据获取等功能。

基于MCP协议实现的餐厅搜索和预订助手，通过工具集成Resy API和视频搜索功能，为LLM客户端提供餐厅上下文信息和操作能力。

convex-mcp-server 是一个基于 Model Context Protocol (MCP) 的服务器实现，提供笔记管理功能，允许LLM客户端通过资源访问和工具调用来管理和创建文本笔记。

MySQL MCP 本地数据库服务是一个轻量级应用，通过 MCP 协议为 LLM 提供本地 MySQL 数据库的访问能力，支持查询执行、表结构获取等功能。

一个简单的MCP服务器，为AI助手提供文件删除能力，支持安全地删除本地文件，增强AI的文件管理功能。