"流式传输" 标签

基于 Model Context Protocol (MCP) 的后端服务，能够将 OpenAPI 定义的 REST API 端点暴露为 MCP 工具，并可选地提供 Prompts 和 Resources，支持标准的 JSON-RPC 通信、会话管理以及多种传输方式（Stdio、HTTP streaming）以供 LLM 客户端使用。

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、可自定义的 Prompt 模板渲染，以及多传输协议支持（如 HTTP 流、SSE、AWS Lambda 等），用于向大语言模型（LLM）客户端提供标准化的上下文和功能服务。具备会话管理、任务存储、实时通知、以及对 MCP 2025-11-25 规格的全面实现。

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。

基于模型上下文协议（MCP）的嵌入式后端服务器，部署在 Cytoscape Desktop 中，为大语言模型客户端提供资源访问、工具执行与 Prompt 相关的上下文服务，采用 JSON-RPC 风格通信并支持流式传输。

基于 MCP（Model Context Protocol）的 HTTP 流式后端服务，通过逐会话创建子进程来实现沙箱化上下文和工具调用的安全隔离，支持资源/工具的托管，以及基于 Prompts 的交互模板渲染；客户端通过 JSON-RPC 与桥接服务通信，桥接再与底层 MCP 子进程对接，采用 POST 请求+ SSE 推送的流式传输模式。该实现覆盖初始化握手、根目录（roots/list）协商、沙箱锁定以及会话终止等核心 MCP 语义，并提供多种传输模式（STDIO、HTTP 桥接、SSE 等）以支持多样化的 LLM 客户端场景。<br/>注：核心 MCP 服务器组件由 ahma_mcp 子系统提供，ahma_http_bridge 负责作为“服务器端”的桥接实现，连接客户端与 MCP 子进程。

基于 Model Context Protocol 的 MCP 服务器控制平面，提供资源管理、工具注册、提示模板等功能，并通过 JSON-RPC/Streamable MCP 提供可扩展的上下文服务给 LLM 客户端使用。

基于模型上下文协议（MCP）的后端服务，作为 Agentlytics Relay 的核心组件之一，为多用户环境提供资源、工具及提示模板的注册、查询与执行能力，并通过 SSE/Streamable HTTP 等传输方式向 LPC 客户端暴露上下文服务与外部功能。

基于 Model Context Protocol (MCP) 的后端服务器实现，用于通过标准化的 JSON-RPC 交互向 LLM 客户端提供资源管理、工具执行、以及可渲染的提示模板等上下文服务，支持多传输协议（如标准输入输出、HTTP 流式传输等），并包含代码执行工具与文档检索工具等扩展能力。

基于 MCP（Model Context Protocol）标准的服务器端实现，能够注册工具、通过流式传输向 LLM 客户端提供工具执行能力与上下文，并通过 JSON-RPC 进行交互，适用于分布式、AI 驱动的后端场景。

基于 Model Context Protocol (MCP) 的后端服务器，将 Things Cloud 的数据与功能暴露给大模型/LLM 客户端，通过 JSON-RPC 提供资源管理、工具执行与模板渲染等能力，支持多用户、OAuth2.1 授权、流式传输等扩展特性，方便在云端对 Things 3 进行任务与信息管理。

基于 Remnant 的 JSON-RPC 2.0 MCP服务器实现，向 Claude Code 等 MCP 客户端暴露内存检索、内存记录、代理执行任务与技能执行等工具接口，并提供内置的内存提示/模板渲染能力。服务器通过 JSON-RPC 与客户端通信，支持会话管理、能力声明，以及多通道传输（HTTP/SSE/WebSocket），为 LLM 应用提供标准化的上下文与功能服务。

基于 Model Context Protocol (MCP) 的服务器实现，提供通过 HTTP SSE/STDIO 传输的 JSON-RPC 风格接口，管理资源、注册与执行工具、定义与渲染提示模板，面向大语言模型（LLM）客户端提供标准化的上下文服务和功能调用能力。

基于 Deno 的 MCP（模型上下文协议）服务端实现，提供用于 LLM 客户端的上下文资源、工具调用与提示模板等能力，支持多场景的 MCP 会话（如全局、账单/支出等），通过 JSON-RPC/流式传输与客户端进行交互，具备会话管理、能力声明以及多种传输协议的支持。该仓库不仅实现服务器端路由与会话，还对接了数据库、OAuth、以及 MCP 服务实例化等核心组件，形成完整的 MCP 服务端框架。

基于 Model Context Protocol（MCP）的后端实现，向大语言模型客户端提供测试管理的上下文、资源、工具及提示模板渲染，并通过 JSON-RPC 的 MCP 协议与客户端进行通信与协作。

基于 Model Context Protocol (MCP) 的后端网关实现，作为 MCP 服务器生态的核心网关，负责路由、聚合并管理后端 MCP 服务器，向 MCP 客户端提供一致的上下文、工具、资源等能力，并通过 Docker 容器或本地进程启动后端服务以实现 Stdio/HTTP 等传输模式和 JSON-RPC 通信。

基于 Model Context Protocol 的本地 MCP 服务器实现，集成到 Zotero 插件中，向 AI 客户端提供资源、工具和提示等上下文服务，并支持 Streamable HTTP 传输。

基于 Model Context Protocol (MCP) 的后端服务，提供知识图谱资源管理、工具执行、以及提示模板渲染等功能，通过 JSON-RPC/流式传输与大型语言模型客户端进行交互。

基于 Nim 的 MCP 服务器实现，提供资源、工具、提示模板等管理，支持多种传输协议（stdio、SSE、HTTP/Streamable、InMemory），并通过 JSON-RPC 与客户端进行请求与响应通信。

基于 Flask 的 MCP 服务器实现，提供工具、资源、提示等接口，支持 JSON-RPC 风格的请求/响应以及流式传输，便于向大模型客户端提供上下文信息和外部功能接入。

基于 Model Context Protocol (MCP) 的后端服务器，作为 VidCap YouTube API 的上下文服务提供方，管理资源与工具，支持 JSON-RPC 的请求/响应，并通过 STDIO、流式 HTTP/WebSocket 等传输方式与 MCP 客户端进行交互，便于 AI 助手在对话中获取视频数据、执行外部功能和渲染提示模板。

基于 Model Context Protocol（MCP）的后端服务器实现示例，提供资源/工具管理、工具执行以及面向 LLM 的上下文渲染能力，展示了如何用 MCPX 服务器核心实现 JSON-RPC 风格的请求/响应，并支持多种传输方式（如标准输入输出、SSE、HTTP 流等）。

将 Fastify 应用转变为高性能、可流式传输的 MCP 服务器，支持 AI 助手安全连接外部数据和工具。

一个简单的FastAPI服务器，演示了基于模型上下文协议(MCP)的功能，通过SSE流式传输，为LLM交互提供示例工具。