"沙箱执行" 标签

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，作为 Claude Code 等 MCP 客户端的上下文服务提供者。该服务器负责管理资源（内容知识库）、注册并执行工具（如执行代码、索引、查询、抓取并索引等），定义并渲染 Prompt 模板，支持通过 JSON-RPC 与客户端通信，提供会话管理、能力声明以及可扩展的传输协议支持（例如 StdIO 传输）。

一个基于 Model Context Protocol (MCP) 的后端服务器实现，聚合多个上游 MCP 服务器与 Skills/Tools，提供统一的发现、执行和技能管理能力，并通过四个核心 MCP 工具对外暴露（search、schema、exec、manage）。这套实现同时支持多种传输模式（stdio、HTTP 等），并具备沙箱执行、WASM 支持、SQLite 持久化等企业级特性，适合作为 LLM 的上下文+能力服务端。

基于 Model Context Protocol 的 MCP 服务器实现，负责向 LLM 客户端以标准化格式提供技能资源、工具注册与执行、以及 Prompt 模板的渲染，支持会话管理、能力声明，并通过 JSON-RPC 与客户端进行通信，具备沙箱化执行、工具调用以及多传输协议的能力。该实现包含服务器端逻辑、工具/技能管理、以及对外暴露的 MCP 接口，属于服务器端实现而非仅仅的客户端示例。

基于 MCP（Model Context Protocol）的后端实现，提供资源管理、工具注册与执行、以及 Prompt 模板渲染等核心能力，并通过 JSON-RPC 与客户端通信，同时支持多种传输协议（stdio、流式HTTP、SSE）、会话管理与沙箱等安全特性，构建面向大型语言模型的上下文服务框架。

一个动态的MCP服务器，允许AI模型创建和执行自定义工具，扩展自身能力。