"自动化工作流" 标签

基于 Model Context Protocol (MCP) 的后端服务，用于 Harold 的知识管理与任务协同。该服务器实现了多项工具（如记忆日志、事实库、警报、阻塞、事件、CRM 互动与任务等），通过符合 MCP 的 JSON-RPC 风格接口暴露资源、工具执行和提示渲染能力，支持 STDIO 传输以便与客户端 LLM 会话进行交互，并集成 Supabase 作为 CRM 数据源，提供会话、关系管理与异步同步能力。

基于 Model Context Protocol (MCP) 的后端服务器实现，提供对 Prompt 的结构化评估能力，通过标准化工具接口向 LLM 客户端暴露评估功能，并通过标准输入/输出的传输通道（如 STDIO）进行 JSON-RPC 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 Prompts 渲染，并通过 JSON-RPC 与客户端通信。

基于 Model Context Protocol（MCP）的服务器实现，面向 RockStar Table Tennis 的反汇编/去编译数据，提供资源管理、工具注册与执行、以及 Prompt 模板相关上下文服务，支持通过 JSON-RPC 与客户端（LLM）交互并可扩展传输通道。当前实现包含完整的 MCP 服务端代码、工具集定义与服务器启动逻辑，用于向 LLM 客户端暴露资源、工具和数据等能力。

基于 Model Context Protocol (MCP) 的后端实现，作为 QueryWeaver 的 MCP 服务器，通过标准化的 MCP HTTP 面向 LLM 客户端提供资源托管、工具注册与执行，以及 Prompt 模板渲染等上下文服务，并通过 JSON-RPC 进行通信与会话管理。

基于 Model Context Protocol 的后端 MCP 服务器，实现网页搜索结果的上下文化内容提取与渲染，支持 Serper、Tavily、SearXNG 三大提供者，并对 StackExchange、GitHub、Wikipedia、arXiv 等站点进行结构化的 Markdown 渲染与备用 HTML 加载，便于将结果与上下文在对话式 LLM 中使用。

基于 Model Context Protocol (MCP) 的 Tekla Structures 服务端实现，提供标准化的上下文信息、工具执行与模板渲染等能力，通过 JSON-RPC 与客户端通信，供大模型/LLM 客户端获取 Tekla 模型的上下文数据、执行外部功能及渲染提示模板。

基于模型上下文协议（MCP）的服务器端实现，暴露 LUCA CSS 引擎工具给 AI 编码代理，通过标准 JSON-RPC 的 stdin/stdout 通信执行 css_compile、css_preflight、css_scan 等任务，并将实际计算与分析委托给 LUCA API 提供。

基于 Model Context Protocol (MCP) 的 OneNote 后端服务器实现，提供资源管理、工具注册、提示模板渲染，并通过 JSON-RPC/SSE/STDIO 等方式与 MCP 客户端通信；内置 Microsoft Graph API 集成、OAuth2 PKCE 验证、Notebook 级授权、缓存机制和实时进度通知，支持 STDIO 与 HTTP 模式部署。

基于 Model Context Protocol (MCP) 的服务器实现，为 AI 客户端提供对 Workz 的资源、工具与提示模板等上下文信息，采用 JSON-RPC 2.0 通过标准输入输出（stdio）进行通信，核心功能包括管理工作树、同步依赖、以及暴露用于 AI 调用的工具集。

基于 Model Context Protocol 的 MCP 服务端实现，提供资源管理、工具注册与执行，以及基于模板的 Prompt 渲染等能力，配合示例服务器实现了完整的后端工具链与测试用例，适用于向 LLM 客户端暴露标准化的上下文与功能。

基于 Model Context Protocol 的高性能 MCP 服务器，使用 Zig 实现，提供资源管理、工具执行、Prompts 渲染等能力，并通过 JSON-RPC 与客户端通信，支持多种传输模式，面向 LLM 客户端提供上下文与功能服务。

基于 Model Context Protocol (MCP) 的服务器实现，作为后端服务向 LLM 客户端提供上下文和功能，核心能力包含资源、工具与提示模板的托管与执行，通过标准输出（stdio）与客户端进行通信，并可从本地 Git 仓库分析提交生成结构化的 CSV 报告。该实现通过 MCP 服务框架注册工具，暴露以日期区间为输入的报告生成功能、将结果写入本地文件系统、并提供服务器状态检查能力。

基于 Model Context Protocol (MCP) 的后端服务器，为 MCP 客户端（如 LLM）提供统一的上下文资源、工具执行和提示模板渲染能力，用于自动化的 GitHub 问题管理、代码修复工作流，并支持多种传输协议与会话能力。

基于 Model Context Protocol (MCP) 的通用后端服务，实现向 LLM 客户端暴露 Agents、Chains、Scaffolds 等资源和工具，支持通过 MCP 协议进行资源读取、工具调用与提示模板渲染等核心功能，采用标准化的 JSON-RPC 风格通信与多传输能力（当前以 STDIO 作为传输实现），用于为 LLM 应用提供可扩展的上下文服务框架。

Dex 提供基于 Model Context Protocol (MCP) 的多服务器后端合集，作为应用后端为 LLM 客户端提供资源、工具、提示模板等上下文信息与功能。核心通过 JSON-RPC 进行通信，服务器端负责会话管理、能力声明，并支持多种传输协议与插件化的 MCP 服务，例如 onboarding、日历、 Granola、职业与简历、工作管理、能力自我升级等模块。

基于 MCP 的后端服务，为 Claude Code 提供 Branch Monkey 的任务管理、工具与版本等能力，通过 MCP 协议向 LLM 客户端暴露资源与功能。

基于 Model Context Protocol (MCP) 的后端服务器实现，向大语言模型客户端提供设备上下文、工具调用与执行结果等能力；支持多种传输协议（STDIO、HTTP、Cloudflare Worker 等），通过 JSON-RPC 与客户端通信，管理会话、能力声明与工具执行，用于远程设备管理、文件操作、数据库查询和命令执行等场景。

基于 Model Context Protocol (MCP) 的模块化 MCP 服务器集合，提供 Agents、Skills、Workflows 与 Rules 的标准化上文接口，实现资源管理、工具注册与执行、以及 Prompts/模板渲染等功能，面向 LLM 客户端提供上下文与能力服务。

基于 Model Context Protocol 的 MCP 服务器实现，面向 FreeScout 工单管理、分析与自动化工作流。通过 JSON-RPC 与客户端交互，提供资源、工具和提示模板的托管、执行与渲染能力，支持与 Git、PR 流程集成的端到端场景。

基于 Model Context Protocol 的 MCP 服务器实现，为 AI 代理提供资源、工具、提示等上下文服务，并通过 JSON-RPC 与客户端交互，支持资源管理、工具执行与提示渲染等核心能力。

基于 Model Context Protocol 的后端服务，实现对 Google Docs 的资源管理、工具注册与执行，以及 Prompt 模板渲染的 MCP 服务器。通过 JSON-RPC 风格的请求与客户端交互，提供文档读取/创建/编辑、分析、搜索等能力，并支持将 MCP 工具暴露给 AI 助手进行调用。

基于 Model Context Protocol 的 MCP 服务器，桥接大语言模型（LLM）客户端与 Eclipse SUMO 交通仿真平台，提供资源、工具、提示模板等统一访问接口，通过 JSON-RPC 进行通信，支持多种传输方式（如标准输入输出、SSE、WebSocket），实现对 SUMO 的离线与在线控制、工作流自动化等功能。

Metorial是一个开源的AI代理集成平台，通过Model Context Protocol (MCP) 标准，使AI模型能够轻松连接数千个外部API、数据源和工具。

AgentSDK是一个Go语言企业级AI Agent开发框架，具备MCP服务器功能，可将内置或自定义工具通过标准MCP协议暴露给LLM客户端，提供上下文和功能。

Packmind MCP 服务器是为AI编程助手提供团队编码标准、最佳实践和操作手册的上下文服务后端，支持创建、管理和部署代码规范与自动化工作流。

基于 Claude AI Agent SDK 构建的个人智能助理，集成文件、Web 搜索、Python 自动化、Microsoft 365、浏览器和数据库等多种功能，支持命令行和 Web UI 交互。

一个MCP赋能的多智能体框架，内置CodeQL、内存缓存等MCP服务器，支持可脚本化的智能体工作流，用于安全研究和漏洞分类。

这是一个基于Model Context Protocol (MCP) 的AI辅助服务器，它统一托管并提供BMAD方法论中的专家AI智能体和自动化工作流，助力开发者在任何项目中高效使用AI助手。

Flow Nexus是一个基于MCP协议构建的竞争性智能体平台，为开发者提供AI智能体部署、沙盒环境、神经网络训练及商业化能力。

将本地 Ollama 模型与外部功能通过 MCP 协议暴露给大型语言模型 (LLM) 客户端。

Taiga MCP Bridge 是一个连接 Taiga 项目管理平台和 MCP 协议的桥梁，旨在为 AI 工具提供项目上下文和操作能力。

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。