基于 Model Context Protocol (MCP) 的 MCP 服务器实现，旨在为 LLM 客户端提供标准化的上下文服务：托管资源、注册和执行工具，以及定义与渲染提示模板，并通过 HTTP JSON-RPC 与客户端进行交互，支持会话管理与多传输模式（如 HTTP/StdIO）。
基于 Model Context Protocol（MCP）的后端服务，提供资源托管与访问、工具注册与执行、以及可定制的 Prompt 模板渲染，统一通过 JSON-RPC 与客户端交互，并支持多种传输方式（HTTP/SSE/stdio）以实现对大语言模型客户端的上下文与功能服务。
基于 MCP 的后端服务器实现，提供资源、工具、提示模板等标准化上下文服务，并通过 JSON-RPC 与 LLM 客户端通信，支持多传输协议（stdio、HTTP、SSE、WebSocket 等）。
基于 Model Context Protocol(Model Context Protocol, MCP) 的 Obsidian 插件后端实现，作为 MCP 服务器向本地或远程 LLM 客户端提供资源管理、工具注册与执行、以及可自定义的 Prompt 模板渲染等能力；通过 JSON-RPC 与客户端通信，支持多传输通道（如 Stdio、SSE、WebSocket），实现会话管理、能力声明，并可在多 Vault 场景下独立运行本地化上下文服务。
基于 Model Context Protocol（MCP）的后端服务实现，为 LLM 客户端提供标准化的上下文管理能力：托管资源和数据、注册并执行工具、定义并渲染 Prompt 模板，采用 JSON-RPC 与客户端通信，支持会话管理与多传输协议的扩展能力，为面向大语言模型的上下文服务提供安全、可扩展的服务端框架。
基于 Model Context Protocol (MCP) 的后端服务器，作为 LLM 客户端的上下文服务提供资源管理、工具注册/执行、以及 Prompt 模板的渲染与管理，并通过 JSON-RPC 与客户端通信，支持 stdio 与 HTTP 等传输协议，具备会话管理、能力声明与安全访问控制等特性。
基于 Model Context Protocol 的 MCP 服务器实现，采用多智能体系统（MAS）协同进行序列思维与推理任务的后端服务，通过 JSON-RPC 与客户端通信，提供资源、工具和提示的管理与渲染。
基于 Model Context Protocol 的 Godot MCP 服务器端实现，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 与客户端通信，支持会话管理与跨传输通道。该仓库实现了一个较为完整的服务器端框架，集成了对 Godot 引擎的检测、资源/场景/脚本等的管理工具，以及多类开发者工具的背后逻辑。适合作为面向 AI 代理的上下文服务后端。
基于 Model Context Protocol 的 MCP 服务器实现，用于为大语言模型客户端提供规范化的上下文服务。核心功能包括托管与管理资源（Resources）、注册与执行工具（Tools）、定义与渲染 Prompt 模板（Prompts），并通过 JSON-RPC 与客户端进行通信。服务器负责会话管理、能力声明，支持多传输协议（例如 Stdio、SSE、WebSocket），实现对云日志的上下文化访问与功能扩展。
基于 Model Context Protocol (MCP) 的健康数据后端服务器，向大型语言模型（LLM）客户端以标准化格式提供资源访问、工具执行与提示渲染能力，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接入，以实现对健康数据的上下文提供与功能扩展。
基于 Model Context Protocol (MCP) 的后端服务器实现，作为 LLM 客户端的上下文服务提供者，托管与管理资源（Resources）、注册并执行 Tools、定义与渲染 Prompt 模板。通过 JSON-RPC 与 Claude Code 等客户端进行通信，提供会话管理、能力声明，以及可扩展的传输协议支持（如 Stdio、SSE、WebSocket），实现跨后端的智能路由、 council（多后端共识）等 MCP 功能，形成稳定、可扩展的后端上下文服务框架。
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 (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 Model Context Protocol (MCP) 的后端实现，提供资源、工具、提示模板等上下文服务，通过 JSON-RPC 与大语言模型客户端交互，整合 Qualys 安全数据并支持模块化扩展。
基于 Model Context Protocol (MCP) 的后端服务，作为 LLM 客户端的上下文提供与能力服务中心，负责托管资源、注册与执行工具，以及管理提示模板、会话与安全性策略。通过 JSON-RPC 与客户端通信，支持 HTTP 传输与 Stdio 传输，适用于在生产环境中为 LLM 提供可扩展的上下文与功能服务。
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，以及通过 JSON-RPC 与客户端进行通信的能力，支持会话管理、能力声明与多传输通道的扩展性，用于将 AI 客户端（LLM）接入到包含资源、外部工具以及可定制提示的实验环境中。
基于 Model Context Protocol (MCP) 的后端服务器，提供对话式上下文管理、资源/工具的注册与执行，以及提示模板的渲染与输出，面向 Claude Code 等 MCP 客户端以 JSON-RPC 风格进行资源访问、工具调用和提示生成。
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 的后端服务器实现，提供资源、工具与提示模板的统一上下文服务，支持多传输协议（stdio、HTTP 等）并通过 JSON-RPC 与 LLM 客户端通信，适用于 Huly 集成场景。
基于 Model Context Protocol (MCP) 的后端服务，提供资源托管与管理、工具注册与执行、以及 Prompt 模板的渲染与管理等能力，供 LLM 客户端通过 JSON-RPC 进行资源读取、工具调用与 Prompt 获取等上下文服务。
基于模型上下文协议（MCP）的开源后端服务器，向大语言模型客户端以标准化方式提供资源管理、工具注册/执行与提示模板渲染，支持 JSON-RPC 风格通信、会话管理与多传输协议（stdio、HTTP/WS 等）。
Crust 是一个本地的 Model Context Protocol 网关后端，通过 JSON-RPC 与 MCP 客户端通信，提供资源、工具、提示模板等上下文服务，并在网关层实现安全规则拦截，支持多传输协议（如 Stdio、SSE、WebSocket）的接入与扩展。
基于 Model Context Protocol (MCP) 的后端实现，作为 Claude Code Harness 的核心服务之一，负责托管资源（Resources）、注册及执行工具（Tools）、定义与渲染 Prompt 模板（Prompts），并通过 JSON-RPC 与 LLM 客户端进行标准化交互，提供上下文信息、数据访问与外部功能调用等能力，支持多种传输方式（如标准输入输出、SSE、WebSocket 等）以实现安全、可扩展的后端上下文服务框架。
基于 Model Context Protocol (MCP) 的后端服务器实现，提供对资源、工具和提示模板等能力的注册、执行与渲染，并通过 JSON-RPC 与 MCP 客户端通信；核心组件包含一个可运行的 MCP 服务器、能力注册与同步、以及与 GUI 后端的桥接，使 LLM 客户端能够以标准化方式获取上下文数据、调用外部工具与渲染 Prompt。
基于 MCP 架构的后端服务器，向 LLM 客户端标准化提供资源、工具和提示（Prompts）等上下文与能力，通过 JSON-RPC 进行请求/响应，并支持多传输协议（如 Stdio/SSE/WebSocket）与会话管理，用于构建安全、可拓展的 AI 应用后台。
基于 Model Context Protocol (MCP) 的后端服务端实现，提供资源、工具、提示模板的注册、执行与渲染，并通过 JSON-RPC 与 MCP 客户端进行通信，支持会话管理、能力声明，以及资产的管理与扩展。
基于 Model Context Protocol (MCP) 的后端实现，提供资源(Resource)、工具(Tool)注册与查询、以及提示模板(Prompt)的管理与渲染；通过 JSON-RPC 与 MCP 客户端通信，支持会话管理、能力声明，并实现以 STDIO 为传输的 MCP 服务器，作为 LLM 客户端的上下文服务框架。该仓库实现了完整的 MCP 服务端逻辑，可与 Claude Desktop、Cursor 等 MCP 客户端协同工作，以标准化方式提供资源、工具与提示信息。
AdaptivMCP 是一个自托管的 MCP 服务器实现，集合了 GitHub/Render 自动化工具、资源管理、工具注册与执行，以及提示模板渲染等功能，并通过 JSON-RPC 与 LLM 客户端通信。支持多传输协议（Streamable HTTP / SSE），并提供注册/诊断 UI，方便与 OpenAI/ChatGPT MCP 连接器对接与调试。
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 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。
面向大语言模型的后端MCP服务器，实现通过JSON-RPC向LLM客户端提供资源、工具和Prompt相关的上下文服务，支持跨GitHub、Jira、Confluence的数据获取与操作，以及会话管理与多传输协议接入的能力。
基于模型上下文协议（MCP）的后端服务，实现资源、工具及提示模板的注册、执行与管理，提供 JSON-RPC 通信能力，便于让大语言模型客户端通过 MCP 调用 Databricks 作业等功能。
基于 FastAPI 的服务器端实现，将任意基于 Model Context Protocol (MCP) 的服务暴露为标准的 HTTP/JSON 接口，向语言模型客户端提供资源数据、工具调用、提示模板等上下文能力，并具备多租户会话、OAuth 安全、令牌管理与流式输出等企业特性。它实现了 MCP 的核心组件组合与对外暴露的服务入口，便于整合到企业微服务架构中。
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 (MCP) 的 Java 实现的 MCP 服务器端，提供对资源、工具、提示的注册与执行，以及会话管理与多传输协议（REST/Servlet/SSE、Streamable HTTP）的支持，通过 JSON-RPC 与客户端进行通信。
基于 Model Context Protocol (MCP) 的后端上下文服务实现，提供资源管理、工具注册与执行、以及 Prompts 渲染等能力，通过 JSON-RPC 与客户端通信，支持标准传输（如 Stdio 传输）以提供对话上下文和外部功能的统一访问。
基于 Model Context Protocol 的 MCP 服务器实现，提供对 Sirchmunk 的资源托管、工具注册与执行，以及提示模板渲染等能力，向 LLM 客户端以标准化的 JSON-RPC 方式提供上下文与功能服务。
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 Model Context Protocol (MCP) 的后端服务器实现，提供多智能体协作、资源与工具管理、Prompts 定义与渲染等能力，并通过 JSON-RPC 与客户端通信（当前实现以 Stdio 传输为主）。该服务器承担会话管理、能力声明、工具注册与执行、以及任务编排等核心职责，支持扩展的工具集和工作流模板，适合为 LLM 客户端提供标准化的上下文服务。 jovens
基于 MCP（Model Context Protocol）的后端服务器实现，提供资源管理、工具执行与上下文提示渲染等能力，支持 LLM 客户端以标准化的 JSON-RPC/HTTP 方式进行通信与协作。
基于 Model Context Protocol (MCP) 的后端服务器实现，为多租户 CRM 提供资源、工具与提示模板的上下文服务，并通过 JSON-RPC 与 LLM 客户端进行通信，支持多单位配置与安全访问。
基于 MCP 协议的 Claude Desktop 集成后端，为 MTG CardForge 提供资源、工具和提示模板等上下文服务，用于向 LLM 客户端提供统一的数据访问、工具执行和对话模板渲染能力。
基于 Model Context Protocol 的后端服务器，为 LLM 客户端提供标准化的上下文、资源、工具与提示模板，并通过 JSON-RPC/WebSocket 实现 MCP 通信与扩展能力，支持会话管理、权限控制与多传输协议接入。
基于 Model Context Protocol 的 MCP 服务器实现，提供资源与工具的托管与管理、工具注册与执行、以及 Prompt 模板的渲染，通过 JSON-RPC 与客户端进行通信，支持会话管理与多传输协议扩展。
基于 Model Context Protocol 的 MCP 服务器实现，为 LLM 客户端提供资源、工具和 Prompts 的统一访问与渲染能力，支持通过标准化的 JSON-RPC 进行通信，并可通过 STDIO 等传输通道接入。
在 Unity 编辑器内原生实现的 MCP 服务器，提供 Resource、Tools、Prompts 等模块的后端能力，允许通过 JSON-RPC 风格的命令注册与执行，与 LLM 客户端进行上下文和功能交互，支持多种传输方式（如 Stdio、SSE、WebSocket）并包含安全与生命周期管理。