标签搜索结果
本仓库实现了一个基于 Model Context Protocol（MCP）的后端服务器，用于向大语言模型（LLM）客户端以标准化方式提供上下文信息、资源、工具和提示模板的管理与执行能力。通过 JSON-RPC 与客户端通信，服务器支持资源/工具的注册与执行、提示模板渲染以及会话管理，底层可通过多种传输协议（如 HTTP）与前端或代理进行对接，适合在云环境中提供可扩展的上下文服务。
基于 Model Context Protocol 的后端服务，实现资源、工具注册与执行、提示模板渲染等 MCP 核心能力，负责对接多模型提供商并通过中文/英文提示进行成本感知路由，将子任务分发给最合适的模型以提升 Claude Code 场景的效率与成本控制。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供资源与工具的管理、以及 Prompt 模板的定义与渲染，向 LLM 客户端按标准化 JSON-RPC 方式提供上下文信息与功能。通过 STDIO 传输、可扩展传输等能力，支持对本地活动历史的上下文服务。
基于 Model Context Protocol (MCP) 的 Gemini 模型后端实现，提供资源、工具和提示模板的上下文服务，通过 JSON-RPC 与客户端通信，并以 stdio 传输实现 MCP 服务器。
基于 Model Context Protocol (MCP) 的服务器端实现，提供工具注册、资源管理与提示模板渲染等核心能力，并通过标准化的 JSON-RPC/_stdio 传输与 MCP 客户端通信，支持多种传输方式（如 Stdio、SSE）。仓库中包含可运行的 MCP 服务器代码（mcp-server 模块），以及对接客户端的示例与配置工具。
一个多智能体LLM编排系统，通过MCP协议向客户端提供完整的AI协作能力
通过MCP将FMI仿真模型集成到LLM应用，作为可调用的工具。
基于Model Context Protocol的参考实现，提供个性化AI交互的上下文管理和模型集成服务。