"模型上下文协议" 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 的 MCP 服务器实现，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等核心功能，并通过 JSON-RPC 与客户端通信。支持 STDIO 与 HTTP 传输，包含会话管理、能力声明及安全配置，面向给定 LLM 客户端提供标准化的上下文与工具服务。

基于模型上下文协议（MCP）的后端服务器实现，使用 FastMCP 将 ChatBot 的查询、会话历史和配置信息以工具的形式对 MCP 客户端暴露，并支持通过 MCP 客户端进行跨进程/跨平台的上下文交互。

基于 Model Context Protocol (MCP) 的服务端实现，提供资源、工具和 API 形式的 MCP 请求处理能力，并将本地技能、外部源及 Bitwarden 等工具通过 JSON-RPC 暴露给 LLM 客户端，支持多传输协议与会话管理，适用于将 AI 辅助能力以标准化上下文服务提供给大语言模型。

基于模型上下文协议（MCP）的服务器实现，提供网关端的懒加载工具与后端MCP连接管理，能够通过标准化的JSON-RPC风格交互向LLM客户端暴露可用的MCP、工具和提示模板，并支持多传输协议（如 stdio、HTTP/SSE 等）。

基于模型上下文协议（MCP）的后端实现，提供对资源、工具的注册与执行，以及走向统一的 Prompt 渲染，支持标准的 JSON-RPC 交互和多传输协议（如 STDIO、HTTP、SSE）以对接 LLM 客户端。

基于 Model Context Protocol 的 AFP 新闻内容 MCP 服务器实现，提供资源、工具和提示模板的注册与渲染，并通过 JSON-RPC 与客户端通信，支持 STDIO 与 HTTP 传输。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供工具注册与执行、模型/能力管理，以及通过 JSON-RPC 形式对外服务。服务器通过标准传输（如 StdIO）与 MCP 客户端通信，支持多模型调用、任务编排与可扩展的上下文能力，为 LLM 客户端提供统一的上下文与外部功能入口。

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、以及可渲染的 Prompt 模板等功能，通过 JSON-RPC 与 LLM 客户端交互，支持多传输协议以便在不同环境中提供上下文与外部能力访问。

基于 Model Context Protocol 的 MCP 后端实现，提供资源与工具的托管管理、工具注册与执行、Prompt 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 Stdio、SSE、WebSocket）以为 LLM 客户端提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的多服务端 MCP 实现集合，提供资源管理、工具执行、自动化和 Kanban/Vault 等功能，以便向 LLM 客户端提供统一的上下文服务和能力调用接口。

基于模型上下文协议（MCP）的本地内存检索与管理后端，提供“搜索/解释/蒸馏/记忆 Pin/导出”等工具，面向与 LLM 客户端的上下文服务与功能扩展。通过 JSON-RPC 风格的 MCP 接口对外暴露服务，支持记忆资源、工具执行、以及提示模板的渲染等能力。

在 Cloudflare Workers 上实现的 MCP 服务器，采用插件化架构聚合多家服务（Daiso、CU、Olive Young、Megabox、CGV），通过 JSON-RPC 与 LLM 客户端进行通信，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等核心能力，并对 MCP 客户端提供多种传输与会话管理支持，以及可扩展的 REST 代理与文档端点。

基于模型上下文协议（MCP）的后端服务，提供资源管理、工具注册与执行、以及提示模板的统一渲染，通过 JSON-RPC 与 LLM 客户端进行高效的上下文服务交互，支援知识库检索、文档生成、ROI 计算等功能。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管与访问、工具注册与执行、以及提示模板的定义与渲染，通过 JSON-RPC 与客户端通信，支持多传输协议并具备会话管理和能力声明能力，用于为 LLM 客户端提供统一的上下文与功能服务。

基于 Model Context Protocol（MCP）的后端实现，为 MCP 客户端提供资源管理、工具注册与执行、以及 Prompt 渲染等功能；通过 JSON-RPC 与客户端通信，支持多种传输模式，面向大型语言模型（LLM）的上下文服务与任务协同。

基于 Model Context Protocol (MCP) 的多智能体协作后端服务器，提供资源、工具、Prompts 的托管与管理，并通过 JSON-RPC 与客户端通信，支持跨进程/进程间传输（如 Stdio、WebSocket 等）。

基于 Model Context Protocol 构建的 MCP 服务器，提供 Helix/Azure DevOps API 的资源、工具和提示模板给大型语言模型代理，支持跨进程缓存、HTTP/StdIO 传输等上下文服务能力。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务实现，向大语言模型客户端以标准化JSON-RPC方式提供资源、工具和Prompt模板等上下文能力，并通过HTTP传输在人机/代理之间进行可审计的协作与对话管理。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源托管/访问、工具注册/执行、以及 Prompt 模板的定义与渲染，并通过 JSON-RPC/SSE/HTTP 等传输机制与 LLM 客户端进行上下文服务与协作。

基于 Model Context Protocol 的 MCP 服务器实现，提供对 ANT 会话、资源与工具的标准化访问，通过 JSON-RPC/StdIO-Socket 等方式与 MCP 客户端通信，支持工具注册、读取会话、发送消息、终端输入输出等核心功能，便于 AI 代理对 ANT 的上下文与能力进行调用与协作。

基于 Model Context Protocol 的 MCP 服务器实现，暴露 BeigeBox 的工具注册表为 MCP 服务，支持 initialize、tools/list、tools/call 等方法，按 JSON-RPC 2.0 规范与 MCP 客户端通信，方便 Claude Desktop 等客户端直接调用 BeigeBox 的工具能力。

基于 Model Context Protocol 的后端服务，作为 MCP 客户端的上下文信息与功能提供端，托管资源、注册并执行工具、定义并渲染 Prompt 模板，并通过 JSON-RPC 与前端或 LLM 客户端进行通信，支持多种传输协议以实现安全、可扩展的上下文服务。

Spacebot 的 MCP（Model Context Protocol）服务器实现，提供对外部资源、工具与提示模板的标准化上下文服务，支持多传输通道、自动工具发现、热Reload，以及通过 API 暴露的管理能力，面向对接 LLM 客户端的 JSON-RPC 通信。

基于 Model Context Protocol (MCP) 的后端服务器实现，用以向 MCP 客户端提供资源管理、工具注册与执行、以及可渲染的提示模板等上下文服务，并通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，以及多传输协议的扩展能力（如 StdIO、SSE、WebSocket）。

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，以及可渲染的 Prompt 模板，面向 LLM 客户端以标准化 JSON-RPC 方式获取上下文信息与外部功能。

基于 Model Context Protocol (MCP) 的服务器实现，用于向 MCP 客户端（如 Claude Desktop、VS Code、Cursor 等）暴露 Agoragentic 市场的资源、工具与提示模板，并通过 JSON-RPC 进行请求/响应与通知。该服务器具备注册、执行、查询能力等核心 MCP 功能，可为 LLM 应用提供统一的上下文与外部能力接入。

基于 Model Context Protocol（MCP）的 Kubani 服务器端实现，提供资源与工具的暴露、MCP 的工具调用，以及对外提供的服务器能力声明，支持通过标准的 JSON-RPC 进行客户端请求与响应，适配多种传输方式（如 Stdio、SSE 等）以向 LLM 客户端提供上下文与功能服务。

基于模型上下文协议（MCP）的后端服务器实现，聚焦资源管理、工具注册与执行，以及提示模板渲染，为大型语言模型客户端提供标准化的上下文和功能服务，支持多服务器并发、会话管理与多传输协议（如 SSE/HTTP 流、STDIO 等）通信。

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、以及提示模板等能力，并通过 JSON-RPC 与客户端通信，内置以 stdin/stdout 形式的传输支持，便于在本地编辑器与 LLM 客户端中集成使用。

基于 Model Context Protocol (MCP) 的完整 MCP 服务器实现，提供资源/工具/提示模板的管理与渲染，支持 Redis 持久化、JSON-RPC 通信以及多传输方式（如 StdIO、HTTP/WS），为 LLM 客户端提供结构化上下文服务与分布式协作能力。

基于 Model Context Protocol (MCP) 的后端服务，提供资源（Resources）管理、工具（Tools）注册与执行、以及 Prompt 模板（Prompts）的定义与渲染，并通过 JSON-RPC 与 LLM 客户端进行通信；实现会话管理、能力声明，并支持多种传输方式，作为面向大语言模型的上下文服务框架。

基于模型上下文协议（MCP）的后端实现，提供资源与工具管理、提示模板渲染以及与客户端的 JSON-RPC/SSE/WebSocket 通信，用于向大语言模型（LLM）客户端提供上下文信息和外部功能入口。

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。

基于模型上下文协议（MCP）的后端服务实现，提供资源、工具、提示模板等能力，使用 JSON-RPC 与客户端通信，包含会话管理、能力声明，以及多传输协议支持的 MCP 服务器实现与服务端逻辑。代码通过 am-cli 提供的服务器入口与工具集成，达到在 LLM 客户端中以标准方式提供上下文信息与外部功能调用的目标。

基于模型上下文协议（MCP）的后端服务实现，标准化向LLM客户端暴露资源、工具与Prompt模板，支持JSON-RPC通信、会话管理与能力声明，并可通过多传输协议（如 Stdio、SSE、WebSocket）提供上下文服务与扩展能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 LLM 客户端通过 JSON-RPC 提供统一的上下文信息与功能。该服务器聚合 Xcode 构建、模拟器、资源缓存、持久化等资源与工具、提示模板的访问、执行与渲染，支持会话管理与能力声明，默认通过 STDIO 传输进行通信，便于在对话式 AI 应用中嵌入与扩展。

基于模型上下文协议(MCP)的后端服务器实现，暴露 Docketeer 的工具注册表给 MCP 客户端，以便读取工具信息、执行工具并记录审计日志，支持通过 JSON-RPC 与客户端进行交互。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源/工具/提示的托管与管理，通过 JSON-RPC 与 LLM 客户端通信；整合 Claude Code、WebSocket 通信、实时会话监控与 API 代理等组件，实现可扩展的上下文服务框架。

基于 Model Context Protocol（MCP）的服务器端实现，提供资源管理、工具注册与执行、Prompt 渲染等上下文服务，并通过 JSON-RPC 与 LLM 客户端通信，支持会话管理与多种传输模式。

基于 Model Context Protocol (MCP) 的后端服务，提供资源、工具和提示模板的标准化管理与 JSON-RPC 通信，支持多传输协议、会话管理与权限控制，为大型语言模型提供可扩展的上下文服务。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源管理、工具注册与执行、提示模板渲染等能力，并通过 JSON-RPC（以 MCP 为核心）与客户端通信，支持通过 STDIO 传输的 MCP 后端服务。

基于 Model Context Protocol（MCP）的后端实现，提供将 Goke CLI 命令暴露为 MCP 工具并通过服务器端接收、注册、执行与管理的能力。支持通过标准输入/输出（stdio）等传输层与 MCP 客户端通信，包含工具注册、工具调用、输入输出 JSON 架构的推送、以及基于 OAuth 的授权流程与本地回调服务器等关键功能。

MegaMem 整合 Obsidian 插件与时序知识图谱，提供基于 Model Context Protocol（模型上下文协议）的 MCP 服务器端实现，支持资源管理、工具注册与执行、以及 Prompt 模板渲染，便于将 vault 内容以标准化上下文服务暴露给 LLM 客户端。

一个基于 RMCP 的 MCP 服务器实现示例，展示如何在 ChatShell 项目中托管资源、注册工具、定义并渲染提示模板，并通过 JSON-RPC/HTTP 传输与 LLM 客户端进行交互。

基于 Model Context Protocol (MCP) 的后端服务，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等能力，使用 JSON-RPC 与 LLM 客户端通信，支持多传输协议以实现安全、可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大型语言模型客户端提供资源管理、工具注册与执行、以及可定制的 Prompt 模板渲染等上下文服务，支持 JSON-RPC 通信并可通过 STDIO、HTTP、SSE、WebSocket 等传输协议接入客户端。

基于 Model Context Protocol（MCP）的后端服务器，实现资源、工具与 prompts 的管理与执行，提供标准化的 JSON-RPC 风格请求/响应，并通过 stdio 传输与 MCP 客户端对接，同时集成 DynamoDB 存储以管理上下文数据。

基于 FastMCP 的 MCP 服务器实现示例，展示如何通过装饰器暴露工具函数、在 STDIO/HTTP 传输下提供标准化的 MCP 服务，并为 MCP 客户端提供资源、工具、提示等上下文能力的运行示例。

一个将 Model Context Protocol (MCP) 服务器能力嵌入 Hydra 守护进程的实现，用于向本地 LLM 客户端提供资源管理、工具执行和提示模板渲染等能力，并通过 HTTP/SSE 传输进行 JSON-RPC 交互。

基于 Model Context Protocol（MCP）的生产就绪后端实现，提供运行时工具注册、执行沙箱、资源与提示管理，并通过 JSON-RPC 与 LLM 客户端进行上下文服务与功能调用。

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、及 Prompt 模板渲染，通过 JSON-RPC 与 MCP 客户端通信，支持会话管理、能力声明与多传输协议（如 STDIO、SSE、WebSocket）的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务器实现，允许通过 JSON-RPC 形式的 MCP 客户端与 Solaya 内核及其 QEMU 实例交互，提供资源、工具与提示模板的托管/管理，以及对外部命令的执行能力。当前实现包含一个针对 QEMU 的控制型 MCP 服务器，能够启动/管理 QEMU 实例、执行内核构建与系统测试等任务，适合作为 LLM 客户端的上下文服务入口。

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 的简单 MCP 服务器，提供对 Star Wars API 的资源与工具的暴露与管理，便于通过标准化的 MCP 客户端进行上下文服务调用。

基于 Model Context Protocol (MCP) 的后端服务，向 LLM 客户端提供工具、资源和 Prompt 渲染等上下文能力。仓库实现了两个 MCP 服务器（send-turtle 与 bot-control），通过 JSON-RPC 草案标准与客户端通信，并使用文件系统 IPC 机制协调后台任务与 Claude Telegram Bot 的交互。

基于 Model Context Protocol（MCP）的后端服务器，向 LLM 客户端提供资源、工具与 Prompt 模板等统一上下文服务，并通过 JSON-RPC 与客户端进行请求/响应交互，附带会话管理与能力声明，支持多传输协议以实现安全、可扩展的上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，利用 WebMCP 框架暴露资源、工具和提示模板，支持 JSON-RPC 调用和多传输通道，以便向 LLM 客户端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，提供资源与工具的管理、JSON-RPC 通信与多场景部署能力，能够让 LLM 客户端通过标准接口调用音效资源、获取 Pack 信息并执行音频播放等功能。

基于 Model Context Protocol 的 MCP 服务器实现，向大语言模型客户端以标准化的 JSON-RPC 形式提供资源管理、工具执行以及提示模板等能力，支持多运行配置（Profile），并通过 stdio 传输与客户端进行交互。该实现包含服务端核心逻辑、工具清单、工厂化的适配器以及对各运行档案的支持，属于完整的服务器端实现而非仅仅示例。

基于 Model Context Protocol (MCP) 的服务器实现，向 LLM 客户端提供资源、工具和提示模板，并通过 JSON-RPC 等协议实现标准化的上下文服务与交互。

基于 AI-ATLAS 的后端服务器实现，通过生成的 MCP 工具和 OpenAPI 规范，向大语言模型客户端提供资源、工具和提示模板等上下文服务，支持基于 SSE 的传输与 JSON-RPC 风格的协作能力。

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 Prompt 模板渲染，使用 JSON-RPC 进行通信，支持多会话和热重载能力，并通过 SSE/HTTP 等传输方式向 LLM 客户端暴露上下文服务。

基于 Model Context Protocol (MCP) 的后端服务，用于向 AI 客户端提供 Azure 区域、区域映射、SKU 可用性等资源数据、注册并执行工具，以及渲染/提供提示模板，支持通过 JSON-RPC/多传输协议与客户端通讯的 MCP 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，提供资源与工具管理、提示模板渲染，以及与 Claude Code/其他客户端的 JSON-RPC 通信，支持会话管理、跨传输协议的上下文服务。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务器，将 OpenCode 作为工具/子代理，通过 MCP 提供资源访问、工具调用和提示模板渲染等上下文服务，支持 stdio 和 HTTP 传输。

基于 Model Context Protocol 的后端服务，提供资源、工具与 Prompt 渲染等核心 MCP 能力，并通过 JSON-RPC 与 LLM 客户端进行交互，实现对工具集的托管、执行及对话上下文的管理。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源、工具和提示模板的统一上下文服务，支持多模型回退、会话管理、功能调用、JSON 输出、以及多传输协议（stdio 与 HTTP）等特性。

基于模型上下文协议（MCP），为大模型/LLM 客户端提供字段发现、资源筛选以及外部工具执行等能力的后端服务。通过 JSON-RPC 与客户端通信，支持资源管理、工具注册与执行、以及可定制的 Prompt 渲染等功能，便于在对话系统中提供证券市场数据上下文与交互能力。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源和工具的托管与管理、支持向量化嵌入检索、以及可扩展的上下文渲染与工具执行能力，用于向大型语言模型（LLM）客户端按标准化格式提供上下文信息和功能接口。

基于 Model Context Protocol 的 MCP 服务器实现，围绕 Atlas 的工作管理工具提供工具执行、会话与上下文管理，支持以标准化的 JSON-RPC 形式与客户端交互，使用标准输入输出传输（stdio）来对接 Claude 相关工作流。

Walrus Daemon 的 MCP 服务器实现：通过 MCP 桥接连接一个或多个 MCP 服务器，注册工具、转发工具调用并将 MCP 能力整合到 Walrus 的运行时中，提供对外部工具的统一访问，支持与 LLM 客户端以标准化方式进行工具调用与资源访问。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源与工具的托管与访问、工具注册与执行、Prompt 模板渲染，并通过 JSON-RPC/HTTP-SSE 与客户端通信，包含会话管理、能力声明，以及支持多传输协议的上下文服务框架。

基于 Model Context Protocol（MCP）的后端服务器实现，面向 LLM 客户端提供标准化的上下文服务：托管资源、注册与执行工具、定义与渲染 prompts，并通过 JSON-RPC 与客户端通信，支持多传输协议（如 SSE、WebSocket、StdIO）以实现安全、可扩展的上下文服务框架。仓库中已有大量 MCP 相关模块和对接实现，能够与客户端协同提供资源、工具与提示等能力。对接示例包括通过 llm_client 与 MCP 平台服务器进行交互以及对 MCP 服务的自检与自动重启等能力。

基于模型上下文协议（MCP）的后端服务实现，提供对 MCP 客户端的资源访问、工具注册与执行、以及与上游 MCP 服务器的JSON-RPC交互能力。实现自包含的服务器端逻辑、工具访问控制、会话管理和凭证处理，并通过侧车代理在容器环境中实现安全的流量控制与跨服务器协作。

基于 Model Context Protocol (MCP) 的后端服务，用于在 LLM 客户端与代理/资源之间提供可扩展的上下文服务。该服务器实现了工具注册与执行、成本/预算相关查询、会话摘要等 MCP 功能，支持通过 JSON-RPC 与客户端通信，并能够暴露“健康/状态”等查询能力，便于 Claude Code/Cursor 等工具进行上下文协作。

基于 Model Context Protocol (MCP) 的服务器实现，用于向 LLM 客户端以标准化方式提供资源、工具、提示等上下文和功能，通过 JSON-RPC 在标准输入输出（stdio）内通信，支持会话管理与多种传输场景，作为后端后端服务为 LLM 应用提供可扩展的上下文服务框架。

Haira 的 MCP 服务器实现，基于 Model Context Protocol（MCP）提供资源与工具的管理、以及将工作流暴露为外部工具的能力，服务器通过 JSON-RPC 与客户端通信，支持多种传输方式（如标准输入输出stdio 和 SSE），并与 Haira 内部运行时紧密集成以实现对上下文、工具执行和提示模板的标准化服务。

基于模型上下文协议（MCP）的后端服务，专注托管与管理资源（Resources）、注册并执行工具（Tools）、定义与渲染 Prompt 模板，随后通过 JSON-RPC 与 LLM 客户端进行标准化的上下文交互。服务端负责会话管理、能力声明，并可通过多种传输通道（REST/SignalR、Stdio、Server-Sent Events、WebSocket）实现跨平台的上下文服务能力，适配 JD.AI 生态内的网关、通道与工具体系。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对资源、工具与提示模板的标准化管理与访问，通过 JSON-RPC 与 LLM 客户端进行通信，支持会话管理、能力声明，以及与 Firebase 数据库的交互。该仓库包含可运行的 MCP 服务端代码及相关工具与测试，适用于将 LLM 客户端接入 Planning Game XP 的上下文与功能服务。

基于 Model Context Protocol (MCP) 的后端服务，提供资源、工具与提示的统一注册、管理与访问，通过 JSON-RPC 与 LLM 客户端进行安全、可扩展的上下文服务交互，支持多模块扩展和 Bearer Token 认证。

基于 Model Context Protocol (MCP) 的开源后端实现，提供对资源、工具、提示模板等的托管与管理，通过 JSON-RPC 与 MCP 客户端通信，支持多传输协议（如 stdio、TCP）、策略评估、审计日志和热加载等特性，旨在为大语言模型（LLM）场景中的上下文服务提供安全、可扩展的后端支持。

基于 Argus 网关实现的 MCP 服务器，提供稳定的 JSON-RPC 交互，向 MLP/LLM 客户端暴露资源、工具、提示模板等能力，并通过会话级授权实现隔离化访问，同时集成 Telegram 机器人入口与后台任务调度/心跳机制，实现资源管理、工具调用与 prompts 的统一管理和渲染。

基于 Model Context Protocol (MCP) 的后端服务实现，提供资源管理与访问、工具注册与执行、以及 Prompt 模板的渲染与上下文服务，支持 JSON-RPC 通信、会话与能力声明，并可通过多种传输协议（如 STDIO、SSE、WebSocket）对接到不同的 LLM 客户端。

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，向 LLM 客户端以标准化方式暴露资源、注册工具并提供提示模板，支持 stdio 与 HTTP 流式传输，便于在本地搭建可扩展的上下文服务。

基于模型上下文协议（MCP）的后端服务，将 EOD Historical Data 的金融数据 API 统一暴露给 MCP 客户端，提供资源管理、工具调用与可渲染提示模板等能力，支持 HTTP/SSE/STDIO 等传输模式，实现与 Claude/ChatGPT 等大语言模型的安全可扩展上下文服务。

基于 Model Context Protocol 的可运行 MCP 服务器实现与调试套件，包含模拟 MCP 服务器、代理/监控组件，以及用于前端可视化的日志和上下文分析工具，帮助开发者进行资源、工具、Prompts 的上下文管理与测试。

基于 Cortex 的 Model Context Protocol (MCP) 服务器实现，向 LLM 客户端提供标准化的上下文、资源与工具访问，并支持多传输协议（标准输出/HTTP+SSE），实现资源、工具、提示模板等 MCP 核心能力。

基于模型上下文协议（MCP）的 DuckDB 后端实现与扩展，提供资源、工具、提示模板的托管、注册与查询能力，并通过多种传输协议（stdio、HTTP、WebMCP、内存等）与 LLM 客户端进行 JSON-RPC 交互，涵盖服务器端会话、权限控制与安全模型的完整实现。

基于 Model Context Protocol 的 MCP 服务器实现，为 LLM 客户端提供资源、工具以及提示模板等上下文信息，通过 JSON-RPC 与客户端通信，支持多传输通道（当前实现以 stdio 介质为主，后续可扩展为 SSE/WebSocket），并与 Composio 集成以暴露元工具，，用以构建可扩展的对话式 AI 后端服务。

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、提示模板渲染等能力，并通过 HTTP/WebSocket/OpenAPI 等协议对外暴露接口，支持与其他 MCP 客户端/服务器的对接与多模型协作。

基于 Model Context Protocol 的 MCP 服务器实现，集成资源、工具、提示模板等能力，提供标准化的上下文服务以供 LLM 客户端调用，并通过 Stdio 传输支持快速本地测试与集成。

基于 Model Context Protocol 的本地化后端集合，提供资源、工具和提示模板的 JSON-RPC 服务，用于向本地大模型客户端提供上下文信息与外部功能，并通过 MCP 框架实现工具注册、调用与应答路由。该仓库实现了多种 MCP 服务器（如文件系统、网页检索、终端工具、Gmail/日历等）以及与 Ollama、OpenAI 等客户端的集成，支持自定义工具、提示模板与会话管理等能力。

基于 Model Context Protocol (MCP) 的 Claude Octopus 后端服务器，暴露 Octopus 的工作流为 MCP 工具，并通过标准 MCP JSON-RPC 与客户端通信，内部将请求委托给 orchestrate.sh 实现多模型协作执行，同时提供 OpenClaw 兼容支持与 IDE 集成功能。

基于模型上下文协议（MCP）的多工具后端，提供资源、工具、提示模板等 MCP 服务模块，用于向本地/托管的大语言模型客户端暴露数据访问、外部功能调用和上下文渲染能力。

基于 Model Context Protocol (MCP) 的后端服务器，向大语言模型客户端提供资源数据访问、工具调用以及 Prompt 模板渲染等上下文服务，结合 Claude 生态实现对 freee API 的集成，支持 OAuth2 PKCE、多事业所场景以及本地传输方式（如 STDIO）等特性。

基于 Model Context Protocol 的 MCP 服务端实现，提供对资源、工具和提示模板的标准化管理与访问，支持与大语言模型客户端通过 JSON-RPC 进行交互，并定义不同传输方式（如 StdIo、SSE 等）以供 LLM 应用接入。仓库中包含完整的 MCP 服务入口、19 个工具实现及集成示例，具备可运行的服务器端代码。<br>核心功能包括：托管资源与知识、注册并执行工具、渲染 Prompt 模板、以及会话与能力声明管理等。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具和提示模板的托管与注册，并通过 JSON-RPC 与 LLM 客户端通信，支持本地开发与扩展传输。

基于 Model Context Protocol (MCP) 的服务器实现，作为后端服务提供资源管理、工具注册与执行、以及提示模板等功能，能够通过 JSON-RPC 与客户端进行交互，支持会话管理、能力声明，以及多种传输方式，便于为大型语言模型(LLM)提供统一的上下文与功能服务。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具、Prompt 模板等上下文信息的注册、管理与对外服务，通过 JSON-RPC 与 MCP 客户端通信，并支持会话管理与多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，面向 LLM 客户端提供安全、可扩展的上下文服务框架。

基于模型上下文协议（MCP）的后端实现，作为 MCP 服务器向 LLM 客户端提供上下文信息、资源与工具，并支持提示模板的渲染与执行。通过 JSON-RPC 与客户端通信，提供资源读取、工具调用、Prompt 获取等能力，支持会话管理、能力声明以及多传输协议（如 stdio）的扩展性上下文服务框架。

基于 Model Context Protocol 的后端实现，提供资源托管与访问、工具注册与执行，以及面向 LLM 的 JSON-RPC 通信，并通过 WebSocket、SSE 与 HTTP 传输协议与客户端交互。

基于 Model Context Protocol 的 UNCASE 后端实现，使用 FastMCP 将 seeds、tools、prompts 等上下文资源以 JSON-RPC 风格暴露给 LLM 客户端，并支持工具执行、模板渲染等功能的 MCP 服务器实现。

基于 Model Context Protocol (MCP) 的后端服务，向大语言模型(LLM)客户端提供资源、工具注册与执行、以及可自定义的 Prompt 模板等上下文能力，并通过 JSON-RPC/ SSE/ stdio 等传输协议进行交互，适用于在浏览器、终端或应用中集成上下文服务。

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 的企业级 MCP 服务器框架，提供资源与工具托管、提示模板、JSON-RPC 通信、OpenTelemetry 观测、企业级认证等能力，支持多传输模式（Stdio、SSE、WebSocket）与服务器组件聚合与扩展，能够为 LLM 客户端提供上下文数据、工具调用和提示渲染等服务。

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。

基于模型上下文协议（MCP）的多服务器聚合网关实现，将多个 MCP 服务器的工具能力整合在一个统一的 MCP 服务端，通过 JSON-RPC 与客户端通信，提供合并后的工具集合、工具调用分发以及初始化/通知等能力。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具、提示模板等统一注册、执行与渲染能力，通过 JSON-RPC 与客户端通信，支持会话管理、能力声明以及多传输协议扩展，作为 LLM 客户端的上下文服务与功能入口。

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。

基于模型上下文协议（MCP）的服务器实现，提供飞书文档知识库的 MCP 服务端能力，包含工具注册、SSE/StdIO/HTTP 等传输方式、会话与能力管理，以及对外暴露的文档检索工具，供 LLM 客户端按照统一协议进行上下文访问与功能调用。

基于模型上下文协议（MCP）的后端服务实现，提供资源管理、工具注册/执行、Prompt 模板渲染等功能，通过 JSON-RPC 与客户端通信，支持多传输协议（如 Stdio、SSE、WebSocket）以及会话管理与能力声明，用于为大模型/代理提供可扩展的上下文与外部操作能力。

基于 Model Context Protocol (MCP) 的本地后端服务器实现，提供资源、工具与提示模板等上下文服务，并通过标准的 JSON-RPC 串行化与客户端交互，支持 STDIO 传输。

一个基于模型上下文协议（MCP）的本地后端服务器实现，作为大语言模型客户端的上下文信息与功能提供方。它提供资源管理、工具注册与执行、以及提示模板的渲染与转换，采用 JSON-RPC 2.0 与客户端通信，并通过 SSE 等流式传输为 LLM 应用提供安全、可扩展的上下文服务。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具及提示模板的托管与管理，并通过 JSON-RPC/WebSocket 形式与 LLM 客户端进行通信，实现会话管理、能力声明与多传输协议的上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，提供资源管理、工具注册与执行、以及 Prompt 模板渲染，供 LLM 客户端通过 JSON-RPC 调用获取上下文信息与功能。

基于模型上下文协议（MCP）的后端服务集合，为各代理提供资源、工具注册与提示模板的标准化交互能力，通过 stdio/HTTP 等传输方式与客户端以 JSON-RPC 风格通信，并在网关层通过 NATS 实现任务与事件的分发和协调。

基于 Model Context Protocol（MCP）的后端服务器实现，提供通过 JSON-RPC 进行的资源与数据访问、工具注册与执行，以及提示模板渲染等能力，支持通知广播（如 SSE）与多传输通道，面向大语言模型（LLM）客户端提供标准化的上下文服务。

基于模型上下文协议（MCP）的后端服务器实现，能够将外部 MCP 服务器的工具暴露为技能并通过 JSON-RPC/WebSocket 等协议与客户端交互，支持注册、执行工具、资源管理与提示模板等能力的集中化管理与路由。

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 Prompt 模板，供大模型客户端以标准化的 JSON-RPC 方式获取上下文数据、调用外部功能与获取对话模板。服务器实现了会话管理、能力声明，并支持多种传输协议（如 Stdio、SSE、WebSocket），为结构化辩论场景中的 Wind/Wall/Door 模型提供安全、可扩展的上下文服务框架。

基于模型上下文协议（MCP）的后端服务，提供资源托管、工具注册与执行、Prompt 模板渲染，并通过 JSON-RPC 与客户端进行标准化交互；支持多传输协议、会话管理与能力声明，适配多种 LLM 客户端场景。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具与提示模板的管理与渲染，并通过 JSON-RPC 与 LLM 客户端交互，支持在云端对 GitHub 资源与自动化工作流进行上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，负责注册与发现 MCP 工具、并行调度执行、资源与记忆/知识图谱相关能力，并通过 JSON-RPC/HTTP 形式对外提供统一的 MCP 服务入口，支持多种传输模式与会话管理。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具和提示模板的托管、注册与渲染，并通过 JSON-RPC 与客户端通信，支持会话管理与多种传输协议。

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 Model Context Protocol (MCP) 的后端服务，将 Docebo Learning Platform API 通过 MCP 提供给 Claude、Cursor 等 MCP 客户端，支持资源、工具、提示模板的统一管理与执行，并通过 JSON-RPC 与客户端通信，具备会话管理、认证代理和可扩展传输协议支持。

基于模型上下文协议（MCP）的后端服务器实现，提供资源与工具的托管与管理、提示模板渲染、以及标准化的 JSON-RPC 通信，支持多传输通道（HTTP/SSE、Stdio、WebSocket 等），并具备审计、策略引擎、合规映射等能力，为对话式 AI 客户端提供安全、可扩展的上下文服务框架。

基于 Model Context Protocol 的本地 MCP 服务器实现，提供资源读取、工具调用和工具/资源清单等核心 MCP 功能，用于本地 MCP 客户端对接的上下文服务和工具执行能力。

基于模型上下文协议（MCP）的服务器端实现，向 MCP 客户端提供资源、工具与提示模板等上下文能力，并通过 JSON-RPC 2.0 在 SSE/POST/WebSocket 等传输通道进行通信与协作。

基于模型上下文协议（MCP）的双向扫描代理，封装并保护 MCP 服务端与客户端之间的 JSON-RPC 2.0 通信，能够对请求与响应中的文本内容进行 DLP、注入检测，并在需要时对内容进行拦截、剥离或提示人工干预，同时支持热配置和多种传输方式。

基于 Model Context Protocol 的 MCP 服务器实现，为 AI 客户端提供对 FR8 工作区管理的资源、工具与提示模板等上下文信息的标准化访问，客户端通过 JSON-RPC 与之通信，支持多种集成场景（如标准输入输出的 StdIO 传输）。

基于 Model Context Protocol（MCP）的后端服务器实现与代理框架，提供对资源、工具与提示的标准化管理、通过 JSON-RPC 与客户端通信，并支持审计、策略执行、以及与 OpenClaw 等组件的集成。

基于 Model Context Protocol (MCP) 的 MCP 服务器实现，能够在后端以标准化的 JSON-RPC 风格向 MCP 客户端暴露工具、任务看板等功能，并通过 Bearer Token 进行简易鉴权；提供可将 MCP 服务接入 FastAPI 的路由接口，支持多工具注册与远程调用等具体能力。

基于 Model Context Protocol (MCP) 的服务器集合，提供资源访问、工具注册与执行，以及对话/上下文能力的标准化后端，供 LLM 客户端通过 JSON-RPC 进行资源读取、工具调用与提示渲染等操作。

基于 Spring Boot 的 MCP（模型上下文协议）服务器实现示例，提供工具暴露、资源管理与 prompts 渲染等核心能力，支持通过 SSE 进行 JSON-RPC 通信，作为 LLM 客户端的上下文与功能后端。包含 Kotlin 与 Java 两种实现以及可直接运行的服务器启动脚本，适配 Claude Desktop 等 MCP 客户端进行集成测试与演示。

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 MCP 后端，为大语言模型提供上下文资源、工具调用和提示模板渲染等能力，支持 JSON-RPC 通信及多传输协议扩展，内置浏览器自动化与会话/缓存等核心模块。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大型语言模型客户端以标准化方式提供上下文资源、可调用工具、以及可定制的提示模板。服务器通过 JSON-RPC 与客户端通信，支持会话管理与多种传输协议（如 STDIO、SSE、WebSocket），实现资源/工具/提示的托管、注册与渲染，面向本地开发环境的可扩展上下文服务。

基于 Model Context Protocol (MCP) 的后端实现，使用 JSON-RPC 规范与客户端通信，提供 MCP 初始化、工具列表以及工具调用等基本服务器端能力，用于向 LLM 客户端暴露资源、工具与提示渲染等上下文服务。

基于 Model Context Protocol (MCP) 的完整 MCP 服务端框架与生态系统，提供可扩展的 MCP 服务器实现、资源与工具托管、提示模板渲染，以及通过 JSON-RPC 与客户端通信的能力，支持多传输协议（如 Stdio、SSE、WebSocket）与会话管理，适用于搭建支持 LLM 的上下文服务后端。

基于 NLWeb 的 MCP 服务器实现，提供资源、工具和提示模板的标准化访问，并通过 JSON-RPC 与客户端通信，将请求转发到 NLWeb 后端实现具体功能。

在 Obsidian 中实现一个基于 Model Context Protocol 的 MCP 服务器，提供资源、工具与提示模板的后端服务，并通过 JSON-RPC 与客户端进行交互，支持并发会话、HTTP/HTTPS 传输以及安全访问控制。

基于模型上下文协议（MCP）的后端实现，提供对 Markdown 内容资源的托管与管理、工具注册与执行，以及可渲染的 Prompt 模板，供 LLM 客户端通过 JSON-RPC 进行资源读取、工具调用和提示渲染等交互，包含可运行的服务器端代码与完整工具集。

基于 Model Context Protocol 的 MCP 服务器实现，提供外部工具注册、资源管理和提示渲染等能力，并通过 JSON-RPC/stdio 等传输与客户端进行交互。

基于模型上下文协议（Model Context Protocol，MCP）的后端服务器实现，将 Infinity-API 的 FastAPI 应用通过 MCP 桥接暴露为可被 LLM 客户端通过 JSON-RPC 调用的上下文服务，支持资源、工具、提示等的统一管理与访问，并在同一应用中同时提供 REST API 与 MCP 服务。

基于模型上下文协议（MCP）的后端服务器实现，处理 JSON-RPC 请求，提供初始化、工具列表以及将 Claude 的 selections 写入本地文件的能力，并附带输入校验与日志记录。

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会议数据资源、工具调用和提示模板等上下文服务，并通过 JSON-RPC 进行通信。

基于 Model Context Protocol (MCP) 的企业级后端服务集合，提供资源管理、工具注册与执行、以及可渲染的 Prompt 模板等能力，用于向大语言模型客户端提供上下文与外部功能访问。仓库中包含多种以 MCP 为核心的服务器实现示例，支持不同传输方式（SSE、HTTP、stdio 等）与部署场景，覆盖从工具注册到调用、以及与外部系统的集成等完整场景。

基于 Model Context Protocol (MCP) 构建的后端服务器，向大语言模型（LLM）客户端提供标准化的上下文服务，包括资源（Resources）的管理、工具（Tools）的注册与执行，以及提示模板（Prompts）的定义与渲染；通过 JSON-RPC 与客户端通信，支持会话管理与多传输协议（如 STDIO、SSE、WebSocket）的扩展能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，向 MCP 客户端提供 consulta_llm 工具、资源上下文和提示模板，支持 JSON-RPC 请求/响应，当前实现通过 STDIO 传输进行通信，具备资源管理、工具注册与执行、以及提示渲染等核心能力。

基于 Model Context Protocol (MCP) 的后端服务器，实现对资源、工具和提示模板的标准化对外接口，通过 JSON-RPC/SSE 与 LLM 客户端进行交互，提供会话管理、能力声明以及多传输协议支持的 MCP 服务端能力。

基于 Model Context Protocol (MCP) 的后端服务集合，提供资源管理、工具注册与执行，以及可渲染的 Prompt 模板，支持 JSON-RPC 风格通信和 STDIO/WebSocket 等传输协议，用于向 LLM 客户端暴露上下文、工具和资源等能力。

基于 Hatch CLI 的 MCP（模型上下文协议）后端实现，提供资源与数据访问、工具注册与执行、以及 Prompts 渲染等能力。服务器通过 JSON-RPC 与 AI 客户端通信，注册多种工具并暴露给客户端，支持通过标准输入/输出（stdio）等传输方式进行交互，适合作为 LLM 助手的上下文与功能服务端。该实现包含完整的服务器端逻辑、工具注册、认证、以及与 Hatch API 的交互。

基于 Model Context Protocol (MCP) 的后端服务器，向 AI 客户端以标准化方式提供资源管理、工具注册与执行，以及提示模板渲染等功能，采用 JSON-RPC 与客户端通信并支持多种传输通道。

基于 Model Context Protocol (MCP) 的服务器实现，作为 AI 助手与 Exegol 安全评估环境之间的中枢，为客户端提供标准化的上下文服务：托管与管理 Resources、注册与执行 Tools、定义与渲染 Prompts，并通过 JSON-RPC 与客户端进行通信与协作。该实现包含可运行的 MCP 服务器代码及相关工具、资源和工作流集成，适配本地开发及容器化部署场景。

Codebase Context 的 MCP 服务器实现：基于 Model Context Protocol (MCP)，通过 JSON-RPC 与客户端交互，向 LLM 客户端提供上下文信息、资源、工具以及可渲染的提示模板。服务器负责会话管理、能力声明、索引与向量检索等核心后端功能，并支持本地化部署（如通过 Stdio 传输进行 MCP 连接）。

基于 Model Context Protocol (MCP) 的 Photoshop 后端实现，提供将资源、工具执行能力和提示模板等以标准化 JSON-RPC 形式暴露给 LLM 客户端的后台服务，能够在 MCP 客户端与 Photoshop 的 UXP 环境之间进行交互、执行脚本、读取模式与架构信息并返回结果。

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) 的后端实现，提供策略评估、计费意图创建与使用计量等工具，通过 JSON-RPC 与 LLM 客户端交互，支持多种传输方式，作为 AI 代理上下文服务的核心服务器组件。

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。

LightMem 的 MCP 服务端实现，使用 Model Context Protocol 提供资源、工具与提示模板的注册与执行，以 JSON-RPC 形式与 LLM 客户端交互。

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 的 MCP 服务器端实现，提供资源管理、工具注册与执行，以及 Prompt 模板渲染等能力，面向大语言模型（LLM）客户端提供标准化的上下文服务。

基于模型上下文协议（MCP）的后端服务器实现，提供资源、工具与提示模板的托管与管理，并通过 JSON-RPC 与客户端进行交互，支持多种传输协议、会话管理、能力声明以及外部桥接等扩展能力，用于为大语言模型应用提供可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的服务器端实现，提供资源(Resource)、工具(Tools)和提示模板(Prompts)的注册、管理与渲染，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多传输协议（如 Stdio、HTTP 流和 SSE）。实现了会话管理、能力声明以及对外暴露的内存引擎（OpenMemory/SQlite），可用于在本地或远程环境中为LLM客户端提供统一的上下文服务。

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（MCP）的后端服务器实现，向 LLM 客户端以标准化 JSON-RPC 方式暴露 Home Assistant 的资源、工具与提示模板，支持通过 MCP 客户端调用读取实体、执行服务、管理排程等功能。

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，向大语言模型客户端暴露工具（Tools）与外部数据源访问能力，通过 JSON-RPC 风格的请求/响应进行交互，并支持 STDIO 传输以便与本地或嵌入式 LLM 集成。

基于模型上下文协议（MCP）的后端服务器，实现资源/工具/提示模板的托管与对外能力暴露，支持 JSON-RPC 请求、SSE 实时传输和会话管理，为 LLM 客户端提供标准化的上下文服务。

将 deepeval-wrapper 的评估逻辑通过 MCP 接口暴露为 FastAPI 服务，提供对 MCP 客户端的标准化上下文评估能力与对 wrapper 的直接访问能力。

基于 Model Context Protocol 的 MCP 后端实现，提供资源管理、工具注册与执行、以及提示模板渲染等核心能力，并通过 JSON-RPC 与客户端进行交互，具备会话管理与多传输通道支持，适用于向大语言模型客户端提供结构化上下文与外部功能入口。

基于模型上下文协议的简单MCP服务器实现，提供工具注册与执行、资源管理、以及Prompt/模板等核心能力，采用JSON-RPC通过标准输入输出（stdio）与客户端通信，便于教育演示和本地测试。

基于 Model Context Protocol (MCP) 的后端服务器，提供资源、工具和提示模板的管理与执行，通过 JSON-RPC 与客户端通信，支持多种传输协议（stdio、WebSocket、SSE），用于向大语言模型（LLM）提供可扩展的上下文服务。

基于 Model Context Protocol (MCP) 的在进程内 Ruby 实现的 MCP 服务器，用于向 Claude Agent 提供工具、资源和提示等上下文能力，并通过 JSON-RPC 风格的 MCP 协议进行通信。

基于 Model Context Protocol (MCP) 的后端实现与运行环境，包含一个可运行的 Google Forms 相关 MCP 服务器以及用于托管和管理 MCP 子服务器的后端支持，能够通过 JSON-RPC/标准输入输出（stdio）等方式与 MCP 客户端交互，提供工具执行、资源管理与请求协同能力。

基于 Model Context Protocol 的 MCP 服务器实现，提供 maestro_status 工具用于向 Maestro UI 汇报会话状态，并通过 JSON-RPC 与客户端交互，支持 initialize、tools/list、tools/call、notifications/initialized 等消息。服务器通过 STDIO 与 MCP 客户端通信，兼容 Maestro 的状态上报与会话管理，集成在 Maestro 的 Tauri 应用中用于多会话上下文服务。

基于 AgentMesh 治理的 MCP 工具服务器，提供对 MCP 请求的策略管控、审计、信任验证与响应等核心能力，并通过 JSON-RPC 与客户端通信。

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 (MCP) 的完整服务器端实现与示例，提供 JSON-RPC 2.0 交互、Stdio/HTTP 等传输、资源/工具/提示的管理，以及会话与扩展能力，面向将 MCP 服务化以供 LLM 客户端调用的后端应用。

基于模型上下文协议（MCP）的后端实现，用于向 LLM 客户端提供资源管理、工具注册/执行以及 Prompt 模板渲染等能力，并通过 JSON-RPC/WebSocket 等传输协议进行通信。本仓库包含完整的服务端实现、工具暴露、Prompts 加载与渲染、会话管理以及安全策略，能够作为可运行的 MCP 服务器端提供上下文服务。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源与工具的注册/管理、Prompt 的定义与渲染，以及会话管理与协议能力声明，支持通过标准输入输出或流式 HTTP 等传输协议与客户端进行 JSON-RPC 通信，用于为大型语言模型（LLM）提供上下文信息与外部功能访问能力。

基于模型上下文协议（MCP）的后端服务，提供资源、工具和提示模板的管理与渲染，并通过 JSON-RPC 与 LLM 客户端通信；内置 Notion 数据源作为底层存储，包含一个独立的 Agent 服务用于将自然语言转化为可执行工具调用。

一个基于 Model Context Protocol (MCP) 的后端服务，提供多代理协作聊天与协调工具，通过 MCP 接口暴露 chatroom_join、chatroom_broadcast、chatroom_check、chatroom_ask、chatroom_leave 等工具，并通过 WebSocket 实时路由消息给 Claude Code 客户端。

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）的后端服务器实现，专注为大语言模型客户端提供标准化的上下文服务：托管资源、注册并执行工具、定义和渲染Prompt模板；通过 JSON-RPC 进行通信，具备会话管理与能力声明，并支持多种传输通道，以实现安全、可扩展的上下文服务框架。

基于 Model Context Protocol（MCP）的后端服务，作为 LLM 客户端的标准化上下文服务入口，提供资源托管、工具注册/执行、提示模板定义与渲染等能力，并通过 JSON-RPC 与前端/其他组件进行通信，支持嵌入式部署与回退模式，便于实现可扩展的上下文服务框架。

基于模型上下文协议（MCP）的 Verkada API 后端服务器，提供资源管理、工具注册与执行，以及提示模板渲染等能力，通过 JSON-RPC 与大语言模型客户端进行通信，具备本地部署与扩展能力，并内置对 Verkada API 的工具集和请求处理框架。

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 的完整 MCP 服务器实现，提供资源管理、工具执行、以及与 LLM 客户端的 JSON-RPC 风格通信，支持多种传输路径与本地侧车集成。

基于 Model Context Protocol 的 Dolibarr ERP/CRM 的 MCP 服务器实现，提供资源/工具/提示等上下文服务，支持 STDIO 与 HTTP 传输，通过 MCP 协议与客户端进行 JSON-RPC 交互，实现对 Dolibarr 的完整后端集成能力。

基于模型上下文协议（AdCP）的后端服务器实现，提供资源（Resources）托管与管理、工具（Tools）注册及执行、以及提示模板（Prompts）的定义与渲染，并通过JSON-RPC 与客户端通信，支持多租户、多传输协议（如官方的Stdio、SSE、WebSocket）以为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，提供工具注册与执行、资源/上下文能力的托管，以及通过 JSON-RPC 与客户端通信的能力，支持多种传输方式（stdio、HTTP），用于为 LLM 客户端提供稳定、安全、可扩展的上下文服务。

基于 Model Context Protocol 的可运行 MCP 服务器实现与测试框架，提供工具、资源托管、工具调用执行、以及对扩展与评测的支持，便于对接大语言模型客户端进行上下文服务测试和集成验证。

基于 Model Context Protocol（MCP）的后端服务器实现。该服务器通过 JSON-RPC 提供对工具的注册与执行、会话管理及跨客户端通信能力，支持多工具整合、Plans 与会话监控等功能，并通过标准传输（如 STDIO）与 MCP 客户端进行交互。该实现可作为 LLM 客户端（如 Claude Code、Codex 等）访问的上下文服务后端。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大型语言模型客户端提供 npm 包的上下文、健康数据与可用工具，通过 JSON-RPC 形式处置资源、工具、提示模板等能力，并支持 MCP 客户端的连接与调用。

基于模型上下文协议的 MCP 服务器实现，提供资源、工具和提示模板的后端能力，通过 JSON-RPC 与客户端通信，注册并执行工具、管理会话并支持简单的 stdio 传输。

基于 MoonBit 的 MCP 服务器实现，向 LLM 客户端提供资源托管、工具注册和提示模板等上下文服务，并通过 JSON-RPC 进行稳定的通信。

基于 Model Context Protocol（MCP）的服务端实现，提供标准化的资源管理、工具注册与执行、以及 Prompt 模板渲染等功能，支持通过 JSON-RPC 与 LLM 客户端通信，管理会话与能力声明，并具备多传输协议（如 Stdio、SSE、WebSocket）等扩展能力，用于对接外部数据源、工具和上下文提示等，实现对 LLM 的上下文服务提供与编排。

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 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。

基于模型上下文协议(MCP)的服务端实现，提供资源管理、工具注册与执行、以及Prompt模板渲染等核心功能，通过JSON-RPC与LLM客户端通信，支持多传输协议（如STDIO、WebSocket、SSE），并在浏览器自动化场景中实现对Brave浏览器及Puppeteer的可扩展上下文服务，适合为LLM代理提供可控、可扩展的上下文和能力服务。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源与工具的托管与管理、提示模板渲染、以及对外部 MCP 客户端的工具注册与执行能力；同时内置认证、秘密管理、Docker 隔离等安全与扩展特性，支持多传输协议（HTTP/SSE、stdio、WebSocket 等）并通过 JSON-RPC 与客户端通信，形成面向 LLM 场景的上下文服务框架。

基于 Model Context Protocol (MCP) 的后端服务，提供对 OMOP CDM 数据库的资源、工具与 Prompt 的标准化暴露，并通过 JSON-RPC/TCP/HTTP 等传输方式与 LLM 客户端进行交互。该实现包含服务器端工具、提示、示例查询及 SQL 执行能力，支持本地 Stdio 以及 HTTP 传输。

基于 Model Context Protocol 的多 MCP 服务器后端网关，提供统一的 JSON-RPC 服务来托管资源、注册工具并渲染提示模板，通过 FastAPI 将多个独立 MCP 服务器整合为一个可扩展的上下文服务入口。

基于 Model Context Protocol 的后端服务，作为 MCP 服务器向 LLM 客户端以标准化方式提供资源、工具和提示模板，并通过 JSON-RPC 进行通信，支持会话管理、能力声明以及多传输协议接入（如 Stdio、SSE、WebSocket）以实现安全、可扩展的上下文服务框架。

基于 Model Context Protocol (MCP) 的观测型后端代理，作为 MCP 客户端与服务器之间的透明中间件，实现对 JSON-RPC 请求/响应的零拷贝透传，同时提供实时可视化、历史日志与可选的审计签名能力，帮助开发者在不干预执行的前提下对工具链进行观测和回放。

基于 Model Context Protocol（MCP）的后端服务，提供资源管理、工具注册/执行与提示模板渲染等能力，并通过 JSON-RPC 与 LLM 客户端进行标准化通信，支持多种传输协议与会话管理以实现安全、可扩展的上下文服务。

基于模型上下文协议（MCP）的后端服务实现，提供资源管理、工具执行与提示模板渲染等能力，并通过 JSON-RPC 与客户端通信。实现了服务器端的工具注册与执行、资源导出与资产管理、以及对 Prompts/模板的支持，支持多传输协议（如标准输入/输出、SSE、WebSocket 等），用于为大模型/LLM 客户端提供标准化的上下文服务与能力暴露。

基于模型上下文协议（Model Context Protocol，MCP）的后端示例，封装 Shirtify 代理并通过send_message工具向MCP客户端提供上下文对话能力与外部功能调用，支持 SSE/streamable_http 等传输模式的JSON-RPC风格交互。

基于 Model Context Protocol 的 MCP 服务器实现，提供翻译、分析与能力声明等核心服务，通过标准化接口向多语言客户端提供资源访问、工具执行与 Prompt 模板相关能力，并以 JSON-RPC 风格的 API 与客户端交互，具备会话管理、能力声明、以及可扩展的传输与部署方式，适配代码翻译及形式化验证等后续扩展场景。

基于 Model Context Protocol (MCP) 的可信服务端实现，提供资源、工具注册与执行、以及提示模板渲染等核心能力，支持端到端安全传输并可通过多种传输方式与客户端对话。该实现包含服务器逻辑、信任机制整合、以及面向 MCP 客户端的安全传输客户端接口。

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、Prompt 模板渲染等核心能力，并支持多传输协议（如 WebSocket、MQTT/UDP 等）通过 JSON-RPC 与客户端通信，面向边缘设备和物联网场景的上下文服务解决方案。

基于 Model Context Protocol (MCP) 的后端实现，提供资源/工具/提示模板的管理与渲染，通过 JSON-RPC 与 LLM 客户端进行交互，支持 HTTP 与 STDIO 等传输模式的多种通信方式。

基于 Model Context Protocol 的 MCP 后端服务器，实现资源与工具的管理，并通过 JSON-RPC 接口与 LLM 客户端进行交互，支持多工具与内容生成功能。

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。

基于模型上下文协议（MCP）的服务器实现，向LLM客户端提供ATLAS Central Page的资源、工具与提示模板的统一访问接口，支持JSON-RPC风格请求/响应，以及多传输模式（如STDIO、HTTP）以服务化LLM上下文信息和能力查询。

基于模型上下文协议（MCP）的后端实现，向 MCP 客户端暴露 Klondike Spec 的资源、工具和提示模板等能力，并通过 JSON-RPC 形式处理请求与响应，支持多传输协议用于与大型语言模型的无缝对接。

基于 Model Context Protocol（MCP）的后端服务器框架，提供资源与工具管理、提示模板，以及通过 JSON-RPC/HTTP/WebSocket 等协议与客户端交互的上下文服务能力。

基于 Model Context Protocol (MCP) 的服务器端实现示例，展示如何通过 JSON-RPC 提供资源管理、工具执行与 Prompt 模板渲染等核心能力，并支持通过标准输入输出 (stdio) 的传输模式与客户端进行通信，适合作为学习和实验用途的 MCP 服务器实现。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于向 Claude Code 客户端以标准化方式提供资源管理、工具注册与执行、以及提示模板渲染等功能，支持通过 JSON-RPC 与客户端通信，并提供本地/云模型的嵌入索引、检索与分析能力。该仓库实现了完整的 MCP 服务器端逻辑与相关工具集成，而不仅仅是客户端示例。

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 Model Context Protocol (MCP) 的后端服务，提供资源（Resources）管理、工具（Tools）注册与执行，以及 Prompt 模板渲染等能力，采用 JSON-RPC 与 LLM 客户端进行通信，支持多种传输通道（如 SSE、StdIO、WebSocket），为大语言模型应用提供标准化的上下文与能力服务。

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 Prompt 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 STDIO、SSE、WebSocket）以为 LLM 客户端提供可扩展的上下文服务框架。

基于模型上下文协议（MCP）的后端服务器实现，向大型语言模型（LLM）客户端提供统一的资源/工具/提示模板等上下文服务，通过 JSON-RPC 进行通信，并支持多传输协议与会话管理，内置 Word/Excel/PPT/PDF 等办公文档处理能力的托管实现。

基于模型上下文协议（MCP）的服务器端实现，面向后端提供统一的资源管理、工具注册与执行、以及 Prompt 模板的定义与渲染。通过 JSON-RPC 与客户端通信，支持会话管理、能力申明，并可通过多种传输协议（如 STDIO、SSE、WebSocket）实现安全、可扩展的上下文服务，方便 LLM 客户端调取资源、执行工具与获取定制的 Prompt。该仓库明确包含 MCP 相关的服务端实现与集成能力。

基于 Model Context Protocol 的 MCP 服务器，使用 Spring Boot 实现，提供 MonicaHQ CRM 数据的资源访问、工具调用及内容渲染，支持 STDIO 与 WebSocket/HTTP 等传输模式，面向大语言模型客户端（如 Claude Desktop）提供标准化的上下文服务。该服务器实现了资源管理、工具注册与执行，以及提示模板渲染等核心能力，以 JSON-RPC 2.0 进行通信。

基于模型上下文协议（MCP）的后端实现示例，包含可运行的 MCP 服务器代码、工具/资源注册以及简单的 Prompt 管理能力，能够通过标准化的 JSON-RPC 方式与客户端交互。

基于 Model Context Protocol（MCP）的后端服务器实现，提供资源、工具和提示模板的标准化管理与执行，并通过 JSON-RPC 与客户端进行通信，支持多种传输协议（如 Stdio、SSE、WebSocket/HTTP）以实现对本地资源、外部能力和交互场景的可扩展上下文服务。

基于 Model Context Protocol (MCP) 的后端服务器，向 MCP 客户端提供标准化的资源访问、工具执行和 Prompt 模板渲染等能力，支持多传输协议和会话管理，适配 Claude Desktop 等 MCP 客户端的上下文服务需求。

基于模型上下文协议（MCP）的服务器实现，提供对 Cursor 规则、工具调用和工作流指南的标准化上下文服务，便于与LLM客户端集成与扩展。

基于 Model Context Protocol (MCP) 的后端服务，提供将结构化数据转换为 TOON 格式以实现显著的令牌节省，并对接 Claude Code 插件与 MCP 客户端，暴露工具调用与资源访问能力，支持通过标准输入输出（stdio）进行通信与会话管理，同时内部集成本地统计指标。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源托管与管理、工具注册/执行，以及提示模板的定义与渲染，通过 JSON-RPC 与客户端进行通信，支持会话管理与多传输协议的上下文服务框架。

一个基于 Model Context Protocol 的最小可运行服务器实现，使用 stdio 传输，与客户端通过 JSON-RPC 进行交互，公开一个简单的 hello 工具，便于开发者快速上手 MCP 服务端开发。

基于模型上下文协议（MCP）的后端实现，作为 YakShaver 桌面应用的服务端，负责托管与管理内部 MCP 服务器、注册与执行工具，以及定义与渲染提示模板，通过 JSON-RPC 进行与 LLM 客户端的标准化通信，提供安全、可扩展的上下文服务框架。

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（MCP）的后端服务器，提供资源管理、工具注册与执行、以及 Prompts 定义与渲染等能力，并通过 JSON-RPC 与 LLM 客户端进行通信，同时集成对 OpenAI/Claude API 的代理访问能力，面向 Cursor 等前端实现上下文服务。

基于 Model Context Protocol (MCP) 的 Jenkins 服务端实现，提供对外暴露的工具、资源与提示等上下文能力，支持通过 JSON-RPC 进行通信，包含 SSE、流式等传输端点以及对 Jenkins 实例的会话与能力声明管理。

基于模型上下文协议（MCP）的后端服务器，提供 MCP 指令注册与执行、资源与工具的管理，以及提示模板的渲染，供大模型客户端通过 JSON-RPC 调用，并可通过多传输协议进行通信。

基于 Model Context Protocol 的 MCP 服务器实现，提供资源、工具与提示模板的注册与渲染，通过 JSON-RPC 与 AI 客户端进行交互，支持以标准输入输出（StdIO）传输的通信方式，为 LLM 应用提供可扩展的上下文服务框架。

基于 Model Context Protocol 的 MCP 服务器端实现，提供资源、工具与示例性提示模板等能力，支持通过 JSON-RPC 与客户端通信，且实现了通过不同传输协议（如 SSE/HTTP）进行交互的服务器端逻辑。

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、Prompt 模板渲染等上下文服务，并通过 JSON-RPC 与客户端通信，支持会话管理与多传输协议接入。

基于 Model Context Protocol (MCP) 的后端治理与资源/工具/提示模板管理服务器，面向 LLM 客户端提供标准化的上下文数据、可注册/执行的工具集以及可渲染的 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，并具备扩展传输协议（如 STDIO、SSE、WebSocket）的能力，为 LLM 应用提供安全、可审计的上下文服务框架。

基于Model Context Protocol，提供BMI计算和天气查询工具的服务器示例。

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。

为AI代理提供标准化的股票价格查询工具服务，基于模型上下文协议(MCP)实现。

Snowgoose仓库内包含的一个基于Model Context Protocol (MCP) 的简单时间工具服务器实现。

基于Spring AI框架构建的MCP服务器，提供资源、工具和Prompt模板管理，并通过SSE实现与LLM客户端的通信。

为 Groq 模型提供基于模型上下文协议 (MCP) 的服务器，支持实时信息问答和代码执行工具。

ContextBase Server 是一个专为AI应用设计的模型上下文协议（MCP）服务器，用于安全地存储、管理和检索用户上下文信息，支持构建个性化和持久化的AI交互体验。

MCP Lite 是一个基于 Ruby 开发的轻量级模型上下文协议（MCP）服务器实现，旨在为 LLM 应用提供高效、可扩展的上下文服务框架。

AgentMCP是一个开源平台，实现了模型上下文协议（MCP），旨在促进不同AI框架下智能体之间的无缝协作和通信。

Proxy Base Agent是一个基于Proxy Structuring Engine (PSE)构建的状态化Agent框架，通过MCP协议支持动态扩展工具能力，保证Agent工具调用的可靠性。

Go-MCP 是一个 Go 语言 SDK，用于构建和交互 Model Context Protocol (MCP) 应用，支持服务端和客户端实现。

基于 RESTful API 的 MCP 服务器传输层实现，支持通过 HTTP 协议接收和发送 MCP 消息。

Sentry MCP服务器是一个原型项目，旨在为LLM应用提供访问Sentry错误监控数据的工具，作为模型上下文协议（MCP）的远程服务端。

go-modelcontextprotocol是一个Go语言库，用于构建符合模型上下文协议（MCP）的服务端应用，提供资源管理、工具注册和Prompt模板定义等核心功能。

Figma Context MCP Server是一个基于模型上下文协议（MCP）的服务器，旨在将Figma设计数据以结构化的方式提供给AI编码工具，从而提升AI代码生成的准确性和设计一致性。

Pebble是一个通用通信协议库，旨在为AI Agent提供标准化的上下文服务，支持模型上下文协议（MCP），并实现跨框架的Agent交互。

为AWS Lambda函数提供MCP服务器基础设施，支持SSE协议，简化LLM应用在AWS环境中的上下文服务构建。

通过模型上下文协议(MCP)连接AI模型与GIMP，实现图像编辑的智能化扩展。

为 EventCatalog 提供 MCP 接口，支持 Claude、Cursor 等 MCP 客户端访问 EventCatalog 的架构文档和信息。

Rust实现的模型上下文协议(MCP)库，提供构建MCP服务器和客户端的工具和库。

AgentIQ是一个灵活的库，旨在将企业级智能体与各种数据源和工具无缝集成，并兼容模型上下文协议（MCP），作为一个有效的MCP服务器实现。

Image Generation MCP Server是一个基于Model Context Protocol的后端应用，允许LLM客户端通过调用工具生成图像，并支持配置图像参数和保存路径。